傳統(tǒng)模糊C均值聚類在影像分割中只考慮影像的灰度特征,導(dǎo)致該算法用于高空間分辨率遙感影像分割時分割結(jié)果不理想。針對該問題,本文提出了一種高分辨率遙感影像超像素的模糊聚類分割方法。該方法首先利用分水嶺變換算法產(chǎn)生多個超像素子區(qū)域;然后比較各個子區(qū)域間光譜特征的相似性;最后利用融合光譜特征的模糊C均值聚類對這些超像素子區(qū)域進行合并。試驗選用4組不同場景的遙感影像,采用定性和定量相結(jié)合的方法評價試驗結(jié)果。試驗結(jié)果表明,該方法有效提高了分割區(qū)域的分割精度,并取得了較好的分割視覺效果。 

【文章來源】：測繪學(xué)報. 2020,49(05)北大核心EICSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

圖1 分割流程

由圖2所示,4景影像中主要包含道路、水體、綠地和建筑物等地物。S1為建筑區(qū),建筑物類型多樣,建筑物內(nèi)部光譜結(jié)構(gòu)豐富;S2覆蓋了公園景觀,較S1的面積更大。相比S1和S2,S3和S4的分辨率較高,地物邊界清晰,且光譜信息更加豐富,比如道路與建筑物,還有植被與裸地都呈現(xiàn)出明顯的邊界。S4為建筑區(qū)密集住宅區(qū)。2.2 超像素分割試驗結(jié)果

過分割試驗結(jié)果

【參考文獻】：
期刊論文
[1]遙感影像建筑物提取的卷積神經(jīng)元網(wǎng)絡(luò)與開源數(shù)據(jù)集方法[J]. 季順平,魏世清.  測繪學(xué)報. 2019(04)
[2]一種融合超像素與最小生成樹的高分辨率遙感影像分割方法[J]. 董志鵬,王密,李德仁.  測繪學(xué)報. 2017(06)
[3]結(jié)合光譜和紋理的高分辨率遙感圖像分水嶺分割[J]. 張建廷,張立民.  武漢大學(xué)學(xué)報(信息科學(xué)版). 2017(04)
[4]基于超像素和模糊聚類的醫(yī)學(xué)超聲圖像分割算法[J]. 陳放,楊艷.  半導(dǎo)體光電. 2016(01)
[5]結(jié)合結(jié)構(gòu)和光譜特征的高分辨率影像分割方法[J]. 劉婧,李培軍.  測繪學(xué)報. 2014(05)



本文編號：3222393