一種基于統(tǒng)計(jì)學(xué)習(xí)理論的最小生成樹圖像分割準(zhǔn)則
【圖文】：
則１，Ｉ′ｉ是ＭＳＴ的邊權(quán)期望（均值），因此，要得到好的分割結(jié)果，應(yīng)該設(shè)置Ｍ為期望的邊權(quán)均值，對(duì)于判決準(zhǔn)則２，Ｍ應(yīng)該設(shè)置為希望得到的區(qū)域的最大邊權(quán)。給定一個(gè)小的δ和損失上界Ｍ，合并閾值隨著區(qū)域的增大而減校這意味著在合并過(guò)程中，區(qū)域面積較小時(shí)允許區(qū)域內(nèi)部具有較大差異，而隨著區(qū)域面積的增大，它所允許的區(qū)域內(nèi)差異較小，保證了區(qū)域的一致性，這使得該準(zhǔn)則具有較高的抗噪聲能力，避免產(chǎn)生太小區(qū)域（過(guò)分割）。在準(zhǔn)則１中，使用ＭＳＴ的邊權(quán)均值來(lái)判斷和預(yù)測(cè)圖２Ｍ取不同值時(shí)閾值隨面積的變化規(guī)律Ｆｉｇ．２ＲｅｌａｔｉｏｎｓｈｉｐＢｅｔｗｅｅｎｔｈｅＴｈｒｅｓｈｏｌｄａｎｄｔｈｅＡｒｅａｗｉｔｈＤｉｆｆｅｒｅｎｔＭ兩個(gè)區(qū)域是否允許合并，削弱了大邊權(quán)值的影響，因此，它允許區(qū)域內(nèi)存在大的不均勻性。而準(zhǔn)則２用最大邊權(quán)來(lái)進(jìn)行判斷預(yù)測(cè)，因此，能較好地保持區(qū)域內(nèi)部一致性和邊界信息。從計(jì)算量考慮，使用準(zhǔn)則１時(shí)，在合并算法實(shí)現(xiàn)過(guò)程中需要存儲(chǔ)區(qū)域中每個(gè)邊權(quán)值并且計(jì)算它們的和與均值，而在準(zhǔn)則２的實(shí)現(xiàn)過(guò)程中，只需使用當(dāng)前訪問(wèn)邊，因此，對(duì)于準(zhǔn)則１來(lái)說(shuō)所需計(jì)算量和存儲(chǔ)量都大于準(zhǔn)則２。另外，在構(gòu)造影像圖模型的過(guò)程中，很容易得到最大邊權(quán)值，即損失上界Ｍ，這樣就可以根據(jù)其大小和允許內(nèi)部差異大小給出一個(gè)推薦Ｍ值，從而實(shí)現(xiàn)不同尺度參數(shù)下的分割。綜上所述，準(zhǔn)則２在算法的準(zhǔn)確度和效率上都優(yōu)于準(zhǔn)則１。３．２分割實(shí)驗(yàn)結(jié)果與分析本文以我國(guó)陽(yáng)江海域無(wú)人機(jī)遙感影像數(shù)據(jù)（由ＤＭ１５０型號(hào)飛機(jī)于２０１４－１１－２８，在飛行高度為８００ｍ獲取的０．１８ｍ分辨率影像生成的１∶２０００
部差異也更大，這是因?yàn)闇?zhǔn)則１采用了區(qū)域邊權(quán)平均，，而準(zhǔn)則２采用的是區(qū)域內(nèi)最大邊權(quán)值，更保證了區(qū)域內(nèi)部的一致性。另一方面，兩個(gè)準(zhǔn)則都隨著參數(shù)Ｍ值的增大，分割所得區(qū)域面積也在不斷增大，因此，通過(guò)選擇合適的參數(shù)Ｍ的值，將得到不同細(xì)節(jié)的分割區(qū)域。同時(shí)，由于算法相同，參數(shù)控制總的思想相同，因此，采用準(zhǔn)則２同樣可以得到準(zhǔn)則１的分割結(jié)果。從圖中可以發(fā)現(xiàn)，這兩個(gè)準(zhǔn)則都隨著分割尺度參數(shù)的增大，區(qū)域內(nèi)部的細(xì)節(jié)被忽略，具有保證分割結(jié)果整個(gè)區(qū)域完整性的特點(diǎn)，即避免產(chǎn)生過(guò)分割。圖３采用準(zhǔn)則１分割所得結(jié)果Ｆｉｇ．３ＳｅｇｍｅｎｔａｔｉｏｎＲｅｓｕｌｔｓｂｙｔｈｅＦｉｒｓｔＣｒｉｔｅｒｉｏｎ圖４采用準(zhǔn)則２分割所得結(jié)果Ｆｉｇ．４ＳｅｇｍｅｎｔａｔｉｏｎＲｅｓｕｌｔｓｂｙｔｈｅＳｅｃｏｎｄＣｒｉｔｅｒｉｏｎ通過(guò)實(shí)驗(yàn)可知，準(zhǔn)則２能較好地得到區(qū)域邊界，且不會(huì)出現(xiàn)重邊等過(guò)細(xì)的不必要的分割邊界。２）第二組實(shí)驗(yàn)將本文提出的準(zhǔn)則２與Ｆｅｌｚｅｎｓｚｗａｌｂ等［７］提出的分割準(zhǔn)則比較。圖５（ａ）為采用準(zhǔn)則２�。停剑玻皶r(shí)得到的分割結(jié)果，圖５（ｃ）為采用Ｆｅｌｚｅｎｓｚｗａｌｂ準(zhǔn)則�。耄剑玻担禃r(shí)所得分割結(jié)果。從圖５中可以發(fā)現(xiàn)，采用Ｆｅｌｚｅｎｓｚｗａｌｂ準(zhǔn)則得到的分割結(jié)果存在很多雙邊區(qū)域，如圖５（ｂ）和５（ｄ）中黃色框內(nèi)局部顯示，這些雙邊小區(qū)域?qū)τ趨^(qū)域劃分和目標(biāo)識(shí)別來(lái)說(shuō)過(guò)于瑣碎，并且容易在整體內(nèi)部出現(xiàn)小對(duì)象，如圖中的圍塘，采用Ｆｅｌｚｅｎｓｚｗａｌｂ準(zhǔn)則會(huì)出現(xiàn)很多過(guò)分割，不利于整體分析；另外，從圖中可以看出，本文方法也可以將輪船邊界分割的較好，而
【作者單位】： 國(guó)家海洋局南海規(guī)劃與環(huán)境研究院;武漢大學(xué)遙感信息工程學(xué)院;
【基金】：海洋公益性行業(yè)科研專項(xiàng)(201305020-7) 深圳大學(xué)空間信息智能感知與服務(wù)深圳市重點(diǎn)實(shí)驗(yàn)室開放研究基金(201302) 國(guó)家海洋局南海分局海洋科學(xué)技術(shù)局長(zhǎng)基金 國(guó)家自然科學(xué)基金(41101410) 湖北省自然科學(xué)基金(2011CDB273)~~
【分類號(hào)】：TP391.41
【相似文獻(xiàn)】
相關(guān)期刊論文 前10條
1 唐偉力;龍建忠;;一種基于降雨模型的圖像分割方法在礫巖圖像分割中的應(yīng)用[J];成都信息工程學(xué)院學(xué)報(bào);2007年02期
2 黃曉莉;曾黃麟;王秀碧;劉永春;;基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的圖像分割[J];信息技術(shù);2008年09期
3 肖飛;綦星光;;圖像分割方法綜述[J];可編程控制器與工廠自動(dòng)化;2009年11期
4 汪一休;;一種交互式圖像分割的修正優(yōu)化方法[J];中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào);2010年02期
5 李丹;;圖像分割方法及其應(yīng)用研究[J];科技信息;2010年36期
6 龔永義;黃輝;于繼明;關(guān)履泰;;基于熵的兩區(qū)域圖像分割[J];中國(guó)圖象圖形學(xué)報(bào);2011年05期
7 張甫;李興來(lái);陳佳君;;淺談圖像分割方法的研究運(yùn)用[J];科技創(chuàng)新與應(yīng)用;2012年04期
8 汪梅;何高明;賀杰;;常見圖像分割的技術(shù)分析與比較[J];計(jì)算機(jī)光盤軟件與應(yīng)用;2013年06期
9 魏慶;盧照敢;邵超;;基于復(fù)雜性指數(shù)的圖像分割必要性判別技術(shù)[J];計(jì)算機(jī)工程與應(yīng)用;2013年16期
10 陳曉丹;李思明;;圖像分割研究進(jìn)展[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2013年33期
相關(guān)會(huì)議論文 前10條
1 楊魁;趙志剛;;圖像分割技術(shù)綜述[A];2008年中國(guó)高校通信類院系學(xué)術(shù)研討會(huì)論文集（下冊(cè)）[C];2009年
2 楊暄;郭成安;李建華;;改進(jìn)的脈沖耦合神經(jīng)網(wǎng)絡(luò)及其在圖像分割中的應(yīng)用[A];第十屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2001）論文集[C];2001年
3 楊生友;;圖像分割在醫(yī)學(xué)圖像中應(yīng)用現(xiàn)狀綜述[A];2009中華醫(yī)學(xué)會(huì)影像技術(shù)分會(huì)第十七次全國(guó)學(xué)術(shù)大會(huì)論文集[C];2009年
4 閆平昆;;基于模型的圖像分割技術(shù)及其醫(yī)學(xué)應(yīng)用[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年
5 高嵐;胡友為;潘峰;盧凌;;基于小生境遺傳算法的SAR圖像分割[A];可持續(xù)發(fā)展的中國(guó)交通——2005全國(guó)博士生學(xué)術(shù)論壇（交通運(yùn)輸工程學(xué)科）論文集（下冊(cè)）[C];2005年
6 孫莉;張艷寧;胡伏原;趙榮椿;;基于Gaussian-Hermite矩的SAR圖像分割[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年
7 李盛;;基于協(xié)同聚類的圖像分割[A];第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年
8 張利;許家佗;;舌象圖像分割技術(shù)的研究與應(yīng)用進(jìn)展[A];中華中醫(yī)藥學(xué)會(huì)中醫(yī)診斷學(xué)分會(huì)第十次學(xué)術(shù)研討會(huì)論文集[C];2009年
9 秦昆;李振宇;李輝;李德毅;;基于云模型和格網(wǎng)劃分的圖像分割方法[A];《測(cè)繪通報(bào)》測(cè)繪科學(xué)前沿技術(shù)論壇摘要集[C];2008年
10 高惠琳;竇麗華;陳文頡;謝剛;;圖像分割技術(shù)在醫(yī)學(xué)CT中的應(yīng)用[A];中國(guó)自動(dòng)化學(xué)會(huì)控制理論專業(yè)委員會(huì)A卷[C];2011年
相關(guān)博士學(xué)位論文 前10條
1 白雪飛;基于視覺(jué)顯著性的圖像分割方法研究[D];山西大學(xué);2014年
2 黃萬(wàn)里;基于高分衛(wèi)星數(shù)據(jù)多尺度圖像分割方法的天山森林小班邊界提取研究[D];福建師范大學(xué);2015年
3 王輝;圖像分割的最優(yōu)化和水平集方法研究[D];電子科技大學(xué);2014年
4 高婧婧;腦部MR圖像分割理論研究[D];電子科技大學(xué);2014年
5 潘改;偏微分方程在圖像分割中的應(yīng)用研究[D];東北大學(xué);2013年
6 馮籍瀾;高分辨率SAR圖像分割與分類方法研究[D];電子科技大學(xué);2015年
7 李偉斌;圖像分割中的變分模型與快速算法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年
8 鄧曉政;基于免疫克隆選擇優(yōu)化和譜聚類的復(fù)雜圖像分割[D];西安電子科技大學(xué);2014年
9 帥永e
本文編號(hào)：2550001
本文鏈接：http://sikaile.net/kejilunwen/ruanjiangongchenglunwen/2550001.html
