基于自動多種子區(qū)域生長的遙感影像面向?qū)ο蠓指罘椒?/H1>
發(fā)布時間：2018-08-11 10:13
【摘要】：在遙感影像分割分類中,種子區(qū)域生長算法是一種常見的分割算法.傳統(tǒng)的種子區(qū)域生長算法只能提取單一連續(xù)的、紋理簡單的目標地物,而對具有復(fù)雜紋理和多光譜特征的遙感影像,分割時存在分割效果差、不能同時有效地提取多個地物的問題.針對以上問題,本文提出了一種改進的面向?qū)ο蟮淖詣佣喾N子區(qū)域生長算法.該方法適用于同時提取多個目標地物,且分割效果好.該方法首先使用一種改進的中值濾波對影像進行平滑處理,使目標內(nèi)部一致性更高,同時保留紋理信息.然后通過一定的準則進行自動種子選取并進行生長,最后對生長后的區(qū)域進行碎斑合并處理,最終得到多種對象的分割結(jié)果.本文采用三組不同大小的1 m空間分辨率的航空影像進行實驗,通過與分水嶺以及傳統(tǒng)單種子區(qū)域生長算法的多組實驗對比,發(fā)現(xiàn)該方法可以面向全局對象,自動選取覆蓋各種地物類型的種子,同時對多種地物目標進行分割處理,可為后續(xù)面向?qū)ο笥跋穹治龊蛻?yīng)用提供可靠的數(shù)據(jù)基礎(chǔ).
[Abstract]:Seed region growing algorithm is a common segmentation algorithm in remote sensing image segmentation and classification. The traditional seed region growth algorithm can only extract a single continuous object with simple texture. However, for remote sensing images with complex texture and multi-spectral features, the segmentation effect is poor. The problem that multiple objects cannot be extracted efficiently at the same time. In order to solve the above problems, an improved object-oriented automatic multi-seed region growth algorithm is proposed in this paper. This method is suitable for extracting multiple objects simultaneously, and the segmentation effect is good. Firstly, an improved median filter is used to smooth the image, which makes the internal consistency of the target more consistent, while preserving the texture information. Then the seeds are selected and grown automatically by certain criteria. Finally, the segmentation results of various objects are obtained by combining the fragments of the growing regions. In this paper, three groups of aerial images with different resolution of 1 m space are used to carry out experiments. By comparing with watershed and traditional single subregion growth algorithm, it is found that this method can face global object. Automatic selection of seeds covering various types of objects and segmentation of various objects can provide a reliable data base for the analysis and application of object oriented images.
【作者單位】： 中國地質(zhì)大學(xué)(北京)信息工程學(xué)院;
【基金】：國家自然科學(xué)基金資助項目(41371347,41671369) 中央高校基本科研業(yè)務(wù)費專項資金資助項目
【分類號】：TP751
【相似文獻】
相關(guān)期刊論文 前10條
1 胡長軍，仝兆岐;用面向?qū)ο蠹夹g(shù)設(shè)計儲層數(shù)據(jù)庫系統(tǒng)[J];石油大學(xué)學(xué)報(自然科學(xué)版);1996年06期
2 葉勤;張小虎;王棟;;一種基于區(qū)域生長與空間形狀約束的高分辨率遙感圖像道路提取方法[J];遙感信息;2010年02期
3 譚衢霖;徐東彪;;基于面向?qū)ο蠓诸惖拿茉瓶h城區(qū)地面不透水程度分析[J];北京交通大學(xué)學(xué)報;2011年04期
4 劉哠,翁長儉;動力分析的面向?qū)ο笥邢拊椒╗J];廣東造船;2003年04期
5 周晴;杜平安;劉孝保;;面向?qū)ο笥邢拊治黾夹g(shù)及其實現(xiàn)方法研究[J];系統(tǒng)仿真學(xué)報;2012年03期
6 楊良闖;程先富;;基于高分數(shù)據(jù)的村級地塊面向?qū)ο蠓诸惙椒ㄑ芯縖J];資源開發(fā)與市場;2014年05期
7 鄭毅;武法東;劉艷芳;;一種面向?qū)ο蠓诸惖奶卣鞣治龇椒╗J];地理與地理信息科學(xué);2010年02期
8 別強;何磊;趙傳燕;;基于影像融合和面向?qū)ο蠹夹g(shù)的植被信息提取研究[J];遙感技術(shù)與應(yīng)用;2014年01期
9 孫志英;趙彥鋒;陳杰;李桂林;檀滿枝;;面向?qū)ο蠓诸愒诔鞘械乇聿豢赏杆忍崛≈械膽?yīng)用[J];地理科學(xué);2007年06期
10 員永生;常慶瑞;劉煒;高欣;;面向?qū)ο笸恋馗脖粓D像組合分類方法[J];農(nóng)業(yè)工程學(xué)報;2009年07期
相關(guān)會議論文 前10條
1 熊劍;;地形起伏地區(qū)的遙感影像預(yù)處理研究[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年
2 肖倩;李光耀;;航空遙感影像道路提取方法綜述[A];全國第十屆信號與信息處理、第四屆DSP應(yīng)用技術(shù)聯(lián)合學(xué)術(shù)會議論文集[C];2006年
3 馬海濤;;探討遙感影像的校正與誤差來源——以雞西市為例[A];2006年中國土地學(xué)會學(xué)術(shù)年會論文集[C];2006年
4 楊博雄;;基于北斗二代與遙感影像的定位與導(dǎo)航技術(shù)研究[A];2009年全國測繪儀器綜合學(xué)術(shù)年會論文集[C];2009年
5 譚明;李成鋼;石曉春;邱宏華;;基于特征的高分辨遙感影像道路提取[A];全國測繪科技信息網(wǎng)中南分網(wǎng)第二十四次學(xué)術(shù)信息交流會論文集[C];2010年
6 譚明;李成鋼;石曉春;邱宏華;;基于特征的高分辨遙感影像道路提取[A];廣東省測繪學(xué)會第九次會員代表大會暨學(xué)術(shù)交流會論文集[C];2010年
7 杜永明;秦其明;;不同分辨率對遙感影像中識別人造地物的影響[A];第十三屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2001年
8 趙紅穎;晏磊;;無人機遙感影像的特點與影像處理的關(guān)鍵技術(shù)[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年
9 馮德俊;楊駿;;基于遙感影像的城市車流信息提取研究[A];第十七屆中國遙感大會摘要集[C];2010年
10 杜培軍;方濤;林卉;;遙感影像庫中數(shù)據(jù)挖掘與知識發(fā)現(xiàn)的研究[A];第十四屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2003年
相關(guān)重要報紙文章 前2條
1 張鵬英;國產(chǎn)遙感影像迎來共享時代[N];科技日報;2013年
2 記者 吳晶晶;我用遙感影像發(fā)現(xiàn)3處油跡帶[N];新華每日電訊;2014年
相關(guān)博士學(xué)位論文 前10條
1 黃志堅;面向?qū)ο笥跋穹治鲋械亩喑叨确椒ㄑ芯縖D];國防科學(xué)技術(shù)大學(xué);2014年
2 鄭利娟;基于高分一/六號衛(wèi)星影像特征的農(nóng)作物分類研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所);2017年
3 韓凝;空間信息在面向?qū)ο蠓诸惙椒ㄖ械膽?yīng)用[D];浙江大學(xué);2011年
4 劉亞嵐;遙感影像群判讀技術(shù)的試驗研究[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2004年
5 程起敏;基于內(nèi)容的遙感影像庫檢索關(guān)鍵技術(shù)研究[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2004年
6 任娜;遙感影像數(shù)字水印算法研究[D];南京師范大學(xué);2011年
7 鄧冰;遙感影像信息度量方法研究[D];武漢大學(xué);2009年
8 柳稼航;基于視覺特征的高分辨率光學(xué)遙感影像目標識別與提取技術(shù)研究[D];上海交通大學(xué);2011年
9 王占宏;遙感影像信息量及質(zhì)量度量模型的研究[D];武漢大學(xué);2004年
10 王強;異構(gòu)環(huán)境下的航空遙感影像協(xié)同存儲及處理關(guān)鍵技術(shù)研究[D];武漢大學(xué);2011年
相關(guān)碩士學(xué)位論文 前10條
1 鄧海龍;高分辨率遙感圖像面向?qū)ο蠓指钆c分類方法研究[D];中國地質(zhì)大學(xué)(北京);2015年
2 譚龍;基于面向?qū)ο蠓诸惙ǖ母叻直媛蔬b感滑坡信息提取應(yīng)用研究[D];蘭州大學(xué);2014年
3 董小姣;面向?qū)ο蠛鸵?guī)則的高分辨率影像分類和建筑物信息提取研究[D];湖南科技大學(xué);2014年
4 王金杰;基于語義的遙感影像數(shù)據(jù)檢索關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2013年
5 張文君;基于遙感影像特征的云霧去除模型對比研究[D];云南大學(xué);2016年
6 彭磊;遙感影像大數(shù)據(jù)管理系統(tǒng)關(guān)鍵技術(shù)研究與系統(tǒng)實現(xiàn)[D];電子科技大學(xué);2016年
7 曹兆偉;基于人工神經(jīng)網(wǎng)絡(luò)的海島遙感影像地物分類研究[D];上海海洋大學(xué);2016年
8 包陽捷;面向遙感影像分析的超像素分割方法[D];浙江大學(xué);2016年
9 運曉東;海量遙感影像快速瀏覽技術(shù)研究與實現(xiàn)[D];中國科學(xué)院大學(xué)(工程管理與信息技術(shù)學(xué)院);2016年
10 王鵬;遙感影像的ISODATA分類算法的并行化研究[D];河南大學(xué);2016年
，
本文編號：2176695
本文鏈接：http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/2176695.html
[Abstract]:Seed region growing algorithm is a common segmentation algorithm in remote sensing image segmentation and classification. The traditional seed region growth algorithm can only extract a single continuous object with simple texture. However, for remote sensing images with complex texture and multi-spectral features, the segmentation effect is poor. The problem that multiple objects cannot be extracted efficiently at the same time. In order to solve the above problems, an improved object-oriented automatic multi-seed region growth algorithm is proposed in this paper. This method is suitable for extracting multiple objects simultaneously, and the segmentation effect is good. Firstly, an improved median filter is used to smooth the image, which makes the internal consistency of the target more consistent, while preserving the texture information. Then the seeds are selected and grown automatically by certain criteria. Finally, the segmentation results of various objects are obtained by combining the fragments of the growing regions. In this paper, three groups of aerial images with different resolution of 1 m space are used to carry out experiments. By comparing with watershed and traditional single subregion growth algorithm, it is found that this method can face global object. Automatic selection of seeds covering various types of objects and segmentation of various objects can provide a reliable data base for the analysis and application of object oriented images.
【作者單位】： 中國地質(zhì)大學(xué)(北京)信息工程學(xué)院;
【基金】：國家自然科學(xué)基金資助項目(41371347,41671369) 中央高校基本科研業(yè)務(wù)費專項資金資助項目
【分類號】：TP751
【相似文獻】
相關(guān)期刊論文 前10條
1 胡長軍，仝兆岐;用面向?qū)ο蠹夹g(shù)設(shè)計儲層數(shù)據(jù)庫系統(tǒng)[J];石油大學(xué)學(xué)報(自然科學(xué)版);1996年06期
2 葉勤;張小虎;王棟;;一種基于區(qū)域生長與空間形狀約束的高分辨率遙感圖像道路提取方法[J];遙感信息;2010年02期
3 譚衢霖;徐東彪;;基于面向?qū)ο蠓诸惖拿茉瓶h城區(qū)地面不透水程度分析[J];北京交通大學(xué)學(xué)報;2011年04期
4 劉哠,翁長儉;動力分析的面向?qū)ο笥邢拊椒╗J];廣東造船;2003年04期
5 周晴;杜平安;劉孝保;;面向?qū)ο笥邢拊治黾夹g(shù)及其實現(xiàn)方法研究[J];系統(tǒng)仿真學(xué)報;2012年03期
6 楊良闖;程先富;;基于高分數(shù)據(jù)的村級地塊面向?qū)ο蠓诸惙椒ㄑ芯縖J];資源開發(fā)與市場;2014年05期
7 鄭毅;武法東;劉艷芳;;一種面向?qū)ο蠓诸惖奶卣鞣治龇椒╗J];地理與地理信息科學(xué);2010年02期
8 別強;何磊;趙傳燕;;基于影像融合和面向?qū)ο蠹夹g(shù)的植被信息提取研究[J];遙感技術(shù)與應(yīng)用;2014年01期
9 孫志英;趙彥鋒;陳杰;李桂林;檀滿枝;;面向?qū)ο蠓诸愒诔鞘械乇聿豢赏杆忍崛≈械膽?yīng)用[J];地理科學(xué);2007年06期
10 員永生;常慶瑞;劉煒;高欣;;面向?qū)ο笸恋馗脖粓D像組合分類方法[J];農(nóng)業(yè)工程學(xué)報;2009年07期
相關(guān)會議論文 前10條
1 熊劍;;地形起伏地區(qū)的遙感影像預(yù)處理研究[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年
2 肖倩;李光耀;;航空遙感影像道路提取方法綜述[A];全國第十屆信號與信息處理、第四屆DSP應(yīng)用技術(shù)聯(lián)合學(xué)術(shù)會議論文集[C];2006年
3 馬海濤;;探討遙感影像的校正與誤差來源——以雞西市為例[A];2006年中國土地學(xué)會學(xué)術(shù)年會論文集[C];2006年
4 楊博雄;;基于北斗二代與遙感影像的定位與導(dǎo)航技術(shù)研究[A];2009年全國測繪儀器綜合學(xué)術(shù)年會論文集[C];2009年
5 譚明;李成鋼;石曉春;邱宏華;;基于特征的高分辨遙感影像道路提取[A];全國測繪科技信息網(wǎng)中南分網(wǎng)第二十四次學(xué)術(shù)信息交流會論文集[C];2010年
6 譚明;李成鋼;石曉春;邱宏華;;基于特征的高分辨遙感影像道路提取[A];廣東省測繪學(xué)會第九次會員代表大會暨學(xué)術(shù)交流會論文集[C];2010年
7 杜永明;秦其明;;不同分辨率對遙感影像中識別人造地物的影響[A];第十三屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2001年
8 趙紅穎;晏磊;;無人機遙感影像的特點與影像處理的關(guān)鍵技術(shù)[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年
9 馮德俊;楊駿;;基于遙感影像的城市車流信息提取研究[A];第十七屆中國遙感大會摘要集[C];2010年
10 杜培軍;方濤;林卉;;遙感影像庫中數(shù)據(jù)挖掘與知識發(fā)現(xiàn)的研究[A];第十四屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2003年
相關(guān)重要報紙文章 前2條
1 張鵬英;國產(chǎn)遙感影像迎來共享時代[N];科技日報;2013年
2 記者 吳晶晶;我用遙感影像發(fā)現(xiàn)3處油跡帶[N];新華每日電訊;2014年
相關(guān)博士學(xué)位論文 前10條
1 黃志堅;面向?qū)ο笥跋穹治鲋械亩喑叨确椒ㄑ芯縖D];國防科學(xué)技術(shù)大學(xué);2014年
2 鄭利娟;基于高分一/六號衛(wèi)星影像特征的農(nóng)作物分類研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所);2017年
3 韓凝;空間信息在面向?qū)ο蠓诸惙椒ㄖ械膽?yīng)用[D];浙江大學(xué);2011年
4 劉亞嵐;遙感影像群判讀技術(shù)的試驗研究[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2004年
5 程起敏;基于內(nèi)容的遙感影像庫檢索關(guān)鍵技術(shù)研究[D];中國科學(xué)院研究生院（遙感應(yīng)用研究所）;2004年
6 任娜;遙感影像數(shù)字水印算法研究[D];南京師范大學(xué);2011年
7 鄧冰;遙感影像信息度量方法研究[D];武漢大學(xué);2009年
8 柳稼航;基于視覺特征的高分辨率光學(xué)遙感影像目標識別與提取技術(shù)研究[D];上海交通大學(xué);2011年
9 王占宏;遙感影像信息量及質(zhì)量度量模型的研究[D];武漢大學(xué);2004年
10 王強;異構(gòu)環(huán)境下的航空遙感影像協(xié)同存儲及處理關(guān)鍵技術(shù)研究[D];武漢大學(xué);2011年
相關(guān)碩士學(xué)位論文 前10條
1 鄧海龍;高分辨率遙感圖像面向?qū)ο蠓指钆c分類方法研究[D];中國地質(zhì)大學(xué)(北京);2015年
2 譚龍;基于面向?qū)ο蠓诸惙ǖ母叻直媛蔬b感滑坡信息提取應(yīng)用研究[D];蘭州大學(xué);2014年
3 董小姣;面向?qū)ο蠛鸵?guī)則的高分辨率影像分類和建筑物信息提取研究[D];湖南科技大學(xué);2014年
4 王金杰;基于語義的遙感影像數(shù)據(jù)檢索關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2013年
5 張文君;基于遙感影像特征的云霧去除模型對比研究[D];云南大學(xué);2016年
6 彭磊;遙感影像大數(shù)據(jù)管理系統(tǒng)關(guān)鍵技術(shù)研究與系統(tǒng)實現(xiàn)[D];電子科技大學(xué);2016年
7 曹兆偉;基于人工神經(jīng)網(wǎng)絡(luò)的海島遙感影像地物分類研究[D];上海海洋大學(xué);2016年
8 包陽捷;面向遙感影像分析的超像素分割方法[D];浙江大學(xué);2016年
9 運曉東;海量遙感影像快速瀏覽技術(shù)研究與實現(xiàn)[D];中國科學(xué)院大學(xué)(工程管理與信息技術(shù)學(xué)院);2016年
10 王鵬;遙感影像的ISODATA分類算法的并行化研究[D];河南大學(xué);2016年
，本文編號：2176695
本文鏈接：http://sikaile.net/kejilunwen/zidonghuakongzhilunwen/2176695.html
