本文關鍵詞：高分辨率遙感影像的最優(yōu)圖像分割與迭代優(yōu)化算法研究

  更多相關文章： 多尺度圖像分割 最優(yōu)分割尺度選取 WorldView2 欠分割對象識別 混雜度指標

【摘要】：隨著遙感技術(shù)的發(fā)展和衛(wèi)星空間分辨率的不斷提高,高分辨率遙感影像廣泛應用于各個領域。結(jié)合高分辨率遙感影像的特點,面向?qū)ο蟮膱D像處理方法取代了傳統(tǒng)基于像元的圖像分析法。圖像分割是面向?qū)ο髨D像分析方法中最重要的環(huán)節(jié),分割形成的初始區(qū)域是后續(xù)信息提取的最小分類單元,所以分割的好壞直接影響到后續(xù)的圖像識別、解譯和分類的精度。所以,本文在深入分析原有模型算法優(yōu)劣的基礎上,對遙感影像圖像分割的最優(yōu)分割尺度的選擇方法進行了研究,本文所使用的高分辨率遙感數(shù)據(jù)為WorldView2影像數(shù)據(jù)。 首先,本文實現(xiàn)了一種可計算機自動進行的基于主成分變換的高分辨率遙感圖像全局最優(yōu)分割尺度選取算法。該算法以主成分變換所得的主成分影像作為圖像分割的編輯層,利用對象內(nèi)的同質(zhì)性和對象間的異質(zhì)性,通過全局質(zhì)量評價函數(shù)值得到最優(yōu)分割尺度參數(shù),能夠達到最好的分割效果。其次,在單一尺度分割的基礎上,結(jié)合空間紋理和光譜信息,本文提出了一種基于對象紋理混雜度的高分影像欠分割對象識別方法,所得到的圖像分割結(jié)果更符合真實地物的分布情況。最后,使用局部Moran指數(shù)合并對象內(nèi)像素值比較均勻、且與周邊地物相似度較高的分割對象,最終形成一幅具有三層分割尺度的分割結(jié)果圖。 實驗證明,本文設計的多尺度分割方法對高分辨率遙感影像的分割效果較好,可有效避免人為確定分割尺度的主觀性、片面性和低效性,提高了高分辨率影像分割質(zhì)量,為后續(xù)圖像分類和信息提取做好高質(zhì)量的預處理工作。
【關鍵詞】：多尺度圖像分割 最優(yōu)分割尺度選取 WorldView2 欠分割對象識別 混雜度指標
【學位授予單位】：華東師范大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TP751;P237
【目錄】：

• 摘要6-7
• ABSTRACT7-10
• 第一章 緒論10-19
• 1.1 研究背景與立題意義10-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-16
• 1.2.1 高分辨率遙感影像分割方法12-15
• 1.2.2 最優(yōu)分割尺度參數(shù)選擇方法15-16
• 1.3 論文的主要研究內(nèi)容16-18
• 1.4 論文結(jié)構(gòu)安排18-19
• 第二章 圖像分割原理及多尺度分割技術(shù)19-28
• 2.1 圖像分割的原理19-20
• 2.2 基于像元的區(qū)域分割20-22
• 2.3 其它圖像分割方法22-23
• 2.4 多尺度分割技術(shù)23-25
• 2.4.1 多尺度分割技術(shù)概述23-24
• 2.4.2 基于異質(zhì)性最小原則的區(qū)域合并算法24-25
• 2.5 多尺度分割參數(shù)的選擇25-27
• 2.6 本章小結(jié)27-28
• 第三章 最優(yōu)分割尺度參數(shù)選擇28-33
• 3.1 最優(yōu)分割尺度定義28-29
• 3.2 最優(yōu)分割尺度選擇方法29-31
• 3.2.1 局部方差法29-30
• 3.2.2 最大面積法30
• 3.2.3 RMAS法30-31
• 3.2.4 目標函數(shù)法31
• 3.3 本章小結(jié)31-33
• 第四章 基于主成分變換的最優(yōu)分割尺度選取33-47
• 4.1 數(shù)據(jù)源及其預處理33-35
• 4.1.1 上海市概況33-34
• 4.1.2 實驗區(qū)數(shù)據(jù)源概況34-35
• 4.2 最優(yōu)分割參數(shù)的選擇35-37
• 4.3 改進后的非監(jiān)督最優(yōu)分割尺度自動選取37-40
• 4.4 結(jié)果與分析40-45
• 4.4.1 不同分割尺度下的圖像分割結(jié)果分析40-42
• 4.4.2 分割質(zhì)量評價與最優(yōu)分割尺度的選取42-45
• 4.5 本章小結(jié)45-47
• 第五章 多尺度分割圖像的迭代優(yōu)化47-65
• 5.1 欠分割與過分割的定義47-48
• 5.2 欠分割對象與過分割對象的識別48-56
• 5.2.1 基于混雜度指數(shù)識別欠分割對象48-54
• 5.2.2 基于局部Moran指數(shù)識別過分割對象54-56
• 5.3 結(jié)果與分析56-63
• 5.3.1 欠分割對象優(yōu)化后的分割質(zhì)量評價與分析56-59
• 5.3.2 過分割對象優(yōu)化后的分割質(zhì)量評價與分析59-63
• 5.4 本章小結(jié)63-65
• 第六章 總結(jié)與展望65-68
• 6.1 論文總結(jié)65-66
• 6.2 問題與展望66-68
• 附錄68-69
• 參考文獻69-76
• 后記76

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 譚衢霖;劉正軍;沈偉;;一種面向?qū)ο蟮倪b感影像多尺度分割方法[J];北京交通大學學報;2007年04期

2 張俊;朱國龍;李妍;;面向?qū)ο蟾叻直媛视跋裥畔⑻崛≈械某叨刃白顑?yōu)尺度研究[J];測繪科學;2011年02期

3 王衛(wèi)紅;何敏;;面向?qū)ο笸恋乩眯畔⑻崛〉亩喑叨确指頪J];測繪科學;2011年04期

4 張春曉;侯偉;劉翔;魯學軍;;基于面向?qū)ο蠛陀跋裾J知的遙感影像分類方法——以都江堰向峨鄉(xiāng)區(qū)域為例[J];測繪通報;2010年04期

5 侯飛;胡召玲;;基于多尺度分割的煤礦區(qū)典型地物遙感信息提取[J];測繪通報;2012年01期

6 何敏;張文君;王衛(wèi)紅;;面向?qū)ο蟮淖顑?yōu)分割尺度計算模型[J];大地測量與地球動力學;2009年01期

7 高偉;劉修國;彭攀;陳啟浩;;一種改進的高分辨率遙感影像分割方法[J];地球科學(中國地質(zhì)大學學報);2010年03期

8 明冬萍;駱劍承;周成虎;王晶;;高分辨率遙感影像特征分割及算法評價分析[J];地球信息科學;2006年01期

9 林先成;李永樹;;成都平原高分辨率遙感影像分割尺度研究[J];國土資源遙感;2010年02期

10 韓冰;趙銀娣;戈樂樂;;遙感圖像分割的迭代上下文融合小波域HMT模型[J];測繪學報;2013年02期

，

本文編號：829623