發(fā)布時間：2020-11-18 19:03

　　 隨著衛(wèi)星技術的發(fā)展,衛(wèi)星的空間分辨率越來越高,但是我們的遙感影像自動處理方法卻越來越不能滿足需要。由于高空間分辨率影像呈現(xiàn)出更為豐富的地物信息,影像中背景噪聲也變得更加復雜,傳統(tǒng)的廣泛采用的中低分辨率遙感影像處理方法已經(jīng)無法很好的滿足需要。其中,快速而精準地識別高空間分辨率遙感影像地物的方法,是目前最迫切需要解決的問題之一。分割技術是高空間分辨率遙感影像地物識別的第一步,首先將具有復雜背景噪聲和紋理的遙感影像進行分割,然后對分割后的區(qū)域進行分析處理,從而間接實現(xiàn)對高空間分辨率遙感影像地物的識別。本文在研究了大量圖像分割算法后,擬采用分水嶺變換算法作為本文的分割方法。然而,由于高空間分辨率遙感影像過于復雜的背景噪聲和地物內(nèi)部紋理信息的影響,使得采用傳統(tǒng)的分水嶺變換算法的分割結果,往往出現(xiàn)過分割的情況,這需要對傳統(tǒng)的分水嶺變換算法進行改進。為了解決影像的過分割問題,本文引入了各向異性擴散濾波算法并對其進行改進。改進后的算法在去除影像背景噪聲的同時,還能夠更好的保留邊緣信息并突出邊緣位置的細節(jié)。第一,改進了各向異性擴散濾波中的梯度模。采用非局部均值算法(NLM算法)平滑后的梯度模替換原始的梯度模,增強了該濾波的抗噪性,尤其是強噪聲,以及邊緣信息。第二,改進了原始算法中擴散系數(shù)的獲取方法。提出了一種自適應的方法實現(xiàn)擴散系數(shù)的自動獲取,這降低了人為因素的影響。第三,采用多尺度形態(tài)學梯度。傳統(tǒng)的單一尺度的形態(tài)學梯度無法準確的提取梯度信息,本文采用了多尺度形態(tài)學梯度。這既避免了大尺度形態(tài)學梯度造成的邊緣間相互影響,出現(xiàn)梯度的極大值與真實的邊緣信息不一致的情況,又避免了小尺度形態(tài)學梯度無法取得很好的去噪效果,從而增強影像的邊界信息和梯度圖像的抗噪性。第四,使用了擴展極小值變換來消除梯度圖像中的局部“谷底”和“毛刺”,保留梯度圖像中顯著的“山峰”,更進一步避免過分割情況的出現(xiàn)。最后,分別采用本文提出的方法和市場上主流商用分割軟件eCogniton,對無人機航拍影像和QuickBird影像進行分割試驗。采用六種指標試驗結果進行評價:過分割指數(shù)(OR)、欠分割指數(shù)(UR)、差異距離(Dij)、潛在分割誤差(PSE)、多邊形數(shù)量比(NSR)和歐幾里德距離(ED),結果表明,本文提出方法的分割精度均高于eCogniton。
【學位單位】：湖北大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：P237
【部分圖文】：

以獲得各種各樣的高空間分辨率的遙感影像，如美國的ＩＫＯＮＯＳ分辨率為ｌｍ、??ＱｕｉｃｋＢｉｒｄ的分辨率為０．６１ｍ，以及以色列的ＥＲＯＳ－ｂｌ分辨率為０．５ｍ，我國的高??分二號衛(wèi)星，除全色波段的分辨率達到０．８ｍ，其余波段均為０．４ｍ，圖１．１是高??空間分辨率的高分二號影像和低分辨率的Ｌａｎｄｓａｔ?８影像對比圖。這些高空間分??辨率遙感影像數(shù)據(jù)在國土資源勘察、農(nóng)作物的長勢監(jiān)測、病蟲害的監(jiān)測以及土壤??１??

像更加模糊，對邊界輪廓造成破壞；若Ａ：值太小，會出現(xiàn)圖像沒有經(jīng)過完整的平??滑，無法較好的消除噪聲的影響。式２．４中的兩種擴散方程會得到相似的擴散效??果，但是兩種擴散方程得到的最終擴散尺度結果不同，如圖２．１，從圖中可以看??出＾的擴散方程優(yōu)先對非邊界的部分進行擴散，＾是優(yōu)先對邊界區(qū)域進行擴散，??且在相同的像素點，ｃ２的擴散程度比Ｃｌ更大。??１１??

?第３章數(shù)學形態(tài)學和分水嶺變換原理???內(nèi)部，參考點的位置不同，得到的結果往往不同。Ｆ面的圖片展示中，利用黑色??和白色分別表示二值圖像像元值為１和０的區(qū)域，而形態(tài)學操作就是對其中像元??值是１的部分進行操作。??１、膨脹和腐蝕??（１）膨脹，用結構元素Ｂ膨脹Ａ表示為Ｚ十Ｓ，公式定義為：??Ａ?？?Ｂ?＝?［ｘ＼［（Ｂ）ｘ?ｎ?ａ］?ｄ）］?（３．１）??式３．１中可以很明顯的看出用結構元素Ｂ膨脹Ａ的具體步驟為：首先對結??構元素Ｂ獲取關于原點的映射，再將映射的結果平移ｘ，此處需要明確Ａ與Ｂ??的映射結果必須存在交集，其圖解如下。??
【參考文獻】

相關期刊論文 前10條

1 劉揚;付征葉;鄭逢斌;;高分辨率遙感影像目標分類與識別研究進展[J];地球信息科學學報;2015年09期

2 王江濤;練煜;石紅巖;;結合模糊C均值聚類和邊緣檢測算法的彩色圖像分割[J];蘭州文理學院學報(自然科學版);2015年02期

3 何晨;王超;;一種基于紋理特征的遙感影像分水嶺分割算法[J];信息技術;2015年02期

4 江怡;梅小明;鄧敏;陳杰;陳鐵橋;;一種結合形態(tài)濾波和標記分水嶺變換的遙感圖像分割方法[J];地理與地理信息科學;2013年02期

5 鈕圣虓;王盛;楊晶晶;陳更生;;完全基于邊緣信息的快速圖像分割算法[J];計算機輔助設計與圖形學學報;2012年11期

6 鄢煜塵;周前進;段柳云;陳慶虎;;形態(tài)學重度污染文本圖像去噪處理[J];武漢大學學報(信息科學版);2012年09期

7 陳景廣;佘江峰;黃海濤;;基于形態(tài)學的多尺度遙感圖像分割方法[J];地理與地理信息科學;2012年04期

8 陳杰;鄧敏;肖鵬峰;楊敏華;梅小明;劉慧敏;;利用小波變換的高分辨率多光譜遙感圖像多尺度分水嶺分割[J];遙感學報;2011年05期

9 余旺盛;侯志強;宋建軍;;基于標記分水嶺和區(qū)域合并的彩色圖像分割[J];電子學報;2011年05期

10 李亮;舒寧;黃亮;;基于改進的區(qū)域增長算法的高分辨率影像分割[J];地理空間信息;2010年05期

相關碩士學位論文 前1條

1 梅媚;計算機輔助CT圖像脂肪檢測算法研究與系統(tǒng)實現(xiàn)[D];天津大學;2003年

本文編號：2889083