【摘要】：當前遙感圖像分割中閾值確定方法忽略了前景和背景內在的聯(lián)系,導致過分割和輪廓模糊,造成整體性能低下。為此,提出一種新型基于K-means算法分割遙感圖像的閾值確定方法,通過K-means算法對遙感圖像進行分割,利用最大類間方差方法得到分割遙感圖像的初始閾值,依據該閾值將遙感圖像劃分成兩類,求出兩類的均值,將其作為K-means聚類算法的兩個初始聚類中心,通過K-means聚類方法逐次迭代,不斷更新聚類中心,直至得到聚類準則函數,從而求出遙感圖像的最佳分割閾值。實驗結果表明,采用所提方法確定遙感圖像分割中的閾值,不僅效率高,而且整體性能優(yōu)越;將得到的閾值應用于遙感圖像分割中,能夠使目標和背景被有效分離,且分離后目標部分輪廓比較清晰。
[Abstract]:The current threshold determination method in remote sensing image segmentation neglects the internal relation between foreground and background, which leads to over-segmentation and contour blurring, resulting in low overall performance. In this paper, a new threshold method for remote sensing image segmentation based on K-means algorithm is proposed. The initial threshold of remote sensing image segmentation is obtained by using the K-means algorithm, and the maximum inter-class variance method is used to segment the remote sensing image. According to the threshold, the remote sensing images are divided into two classes, and the mean values of the two classes are calculated, which are regarded as the two initial clustering centers of the K-means clustering algorithm. The clustering centers are updated continuously by iterating through the K-means clustering method until the clustering criterion function is obtained. Thus the optimal segmentation threshold of remote sensing image is obtained. The experimental results show that using the proposed method to determine the threshold in remote sensing image segmentation not only has high efficiency but also has superior overall performance, and applying the obtained threshold to remote sensing image segmentation can effectively separate the target from the background. And the contour of the target after separation is clear.
【作者單位】： 安陽師范學院計算機與信息工程學院;安陽師范學院軟件學院;
【基金】：河南省教育廳自然科學研究項目(16B520003)資助
【分類號】：TP751

【參考文獻】

相關期刊論文 前7條

1 任旭瑞;周堅華;;輸入特征向量的自適應優(yōu)化——以遙感圖像K-均值聚類為例[J];遙感信息;2016年02期

2 陽天舒;李梅;信薈敏;趙永紅;;基于形態(tài)學的自適應閾值分割算法[J];電子設計工程;2015年13期

3 張璐璐;何寧;徐成;王金寶;;基于K-means聚類的遙感影像條狀地物半自動提取方法[J];北京聯(lián)合大學學報(自然科學版);2015年01期

4 霍迎秋;秦仁波;邢彩燕;陳曦;方勇;;基于CUDA的并行K-means聚類圖像分割算法優(yōu)化[J];農業(yè)機械學報;2014年11期

5 王愛蓮;伍偉麗;陳俊杰;;基于K-means聚類算法的圖像分割方法比較及改進[J];太原理工大學學報;2014年03期

6 CHEN Na;XU Ze-shui;XIA Mei-mei;;Hierarchical hesitant fuzzy K-means clustering algorithm[J];Applied Mathematics:A Journal of Chinese Universities(Series B);2014年01期

7 李雪蓮;;基于數據挖掘聚類分析的圖像分割的研究和應用[J];寶雞文理學院學報(自然科學版);2014年02期

【共引文獻】

相關期刊論文 前10條

1 劉斌;何進榮;耿耀君;王最;;并行機器學習算法基礎體系前沿進展綜述[J];計算機工程與應用;2017年11期

2 趙紅丹;田喜平;;基于K-means算法分割遙感圖像的閾值確定方法研究[J];科學技術與工程;2017年09期

3 滕大偉;宋健;王凱;;基于區(qū)域生長的采摘機器人視覺識別方法[J];農機化研究;2017年03期

4 王三虎;強彥;;基于混沌粒子優(yōu)化匹配的無線傳感網簇區(qū)域生成算法[J];計算機工程與設計;2016年11期

5 李建林;薛曉麗;唐旭清;;H1N1流感病毒的HA、NA蛋白序列進化樹[J];食品與生物技術學報;2016年10期

6 文靜;曹妍;牟向偉;;雙重遺傳算法在文本聚類中的應用[J];計算機工程與設計;2016年09期

7 顧玉宛;史國棟;劉曉洋;趙德杰;趙德安;;基于空間特征譜聚類算法的含噪蘋果圖像優(yōu)化分割[J];農業(yè)工程學報;2016年16期

8 王欣;高煒欣;武曉朦;王征;李華;;基于模糊模式識別的焊縫缺陷圖像檢測[J];西安石油大學學報(自然科學版);2016年04期

9 曹洪武;王振磊;姚娜;姚江河;;基于SLIC和多尺度顯著性的紅棗圖像分割算法[J];江蘇農業(yè)科學;2016年03期

10 林宇洪;陳清耀;邱榮祖;;基于K-means聚類的木材運輸行為的可視化監(jiān)管[J];青海師范大學學報(自然科學版);2016年01期

【二級參考文獻】

相關期刊論文 前10條

1 袁周米琪;周堅華;;自適應確定K-means算法的聚類數:以遙感圖像聚類為例[J];華東師范大學學報(自然科學版);2014年06期

2 霍迎秋;唐晶磊;尹秀珍;方勇;;基于壓縮感知理論的蘋果病害識別方法[J];農業(yè)機械學報;2013年10期

3 呂繼東;趙德安;姬偉;;蘋果采摘機器人目標果實快速跟蹤識別方法[J];農業(yè)機械學報;2014年01期

4 馮波;郝文寧;陳剛;占棟輝;;K-means算法初始聚類中心選擇的優(yōu)化[J];計算機工程與應用;2013年14期

5 胡煉;羅錫文;曾山;張智剛;陳雄飛;林潮興;;基于機器視覺的株間機械除草裝置的作物識別與定位方法[J];農業(yè)工程學報;2013年10期

6 王晉年;顧行發(fā);明濤;周翔;;遙感衛(wèi)星數據產品分類分級規(guī)則研究[J];遙感學報;2013年03期

7 陳科尹;鄒湘軍;熊俊濤;彭紅星;郭艾俠;陳麗娟;;基于視覺顯著性改進的水果圖像模糊聚類分割算法[J];農業(yè)工程學報;2013年06期

8 刁智華;王歡;宋寅卯;王云鵬;;復雜背景下棉花病葉害螨圖像分割方法[J];農業(yè)工程學報;2013年05期

9 張紅穎;;改進的Bernsen算法實證研究[J];電子世界;2013年04期

10 虎曉紅;李炳軍;劉芳;;多顏色空間中玉米葉部病害圖像圖論分割方法[J];農業(yè)機械學報;2013年02期

【相似文獻】

相關期刊論文 前10條

1 李偉;;遙感圖像中的道路提取[J];自動化博覽;2006年05期

2 李傳龍;李穎;馬龍;;一種新的遙感圖像海岸線檢測方法[J];計算機仿真;2010年08期

3 張學良;肖鵬峰;馮學智;;基于圖像內容層次表征的遙感圖像分割方法[J];中國圖象圖形學報;2012年01期

4 秦其明;遙感圖像自動解譯面臨的問題與解決的途徑[J];測繪科學;2000年02期

5 陳小琪;現(xiàn)代計算機印前制版技術在遙感圖像印制中的應用研究——以《長江經濟帶可持續(xù)發(fā)展地圖集》為例[J];地球信息科學;2000年02期

6 鄧湘金,彭海良;一種基于遙感圖像的機場檢測方法[J];測試技術學報;2002年02期

7 余杰千,方濤,陳雍業(yè);一種有效的遙感圖像無縫分割方法[J];計算機應用;2003年12期

8 吳為祿;遙感圖像中的云層消除處理[J];鐵路航測;2003年01期

9 于輝,徐軍;彩色遙感圖像目標提取方法研究[J];遙感技術與應用;2003年06期

10 黃勇杰,王樹國,劉俊義,陳東;遙感圖像去云算法研究[J];儀器儀表學報;2003年S2期

相關會議論文 前10條

1 張鳳春;董增壽;劉明君;;基于局部方差均衡的遙感圖像增強方法[A];第六屆全國信息獲取與處理學術會議論文集（2）[C];2008年

2 鄧冰;林宗堅;彭曉東;;遙感圖像信息度量的原理與方法[A];《測繪通報》測繪科學前沿技術論壇摘要集[C];2008年

3 江興方;江鴻;何賢強;;遙感圖像兩種半自動拼接方法的研究[A];全國農業(yè)遙感技術研討會論文集[C];2009年

4 羅睿;張永生;范永弘;鄧雪清;;遙感圖像基于內容查詢的研究與實踐[A];第十三屆全國遙感技術學術交流會論文摘要集[C];2001年

5 陳東;龐怡杰;黃勇杰;;大傾斜航空遙感圖像快速自動鑲嵌技術[A];圖像 仿真 信息技術——第二屆聯(lián)合學術會議論文集[C];2002年

6 黃勇杰;王樹國;劉俊義;陳東;;遙感圖像去云算法研究[A];首屆信息獲取與處理學術會議論文集[C];2003年

7 謝建春;趙榮椿;;遙感圖像中的軍用機場識別算法研究[A];信號與信息處理技術第三屆信號與信息處理全國聯(lián)合學術會議論文集[C];2004年

8 陳姚;王金亮;李石華;;遙感圖像中云層遮擋影響消除處理方法研究述評[A];第十五屆全國遙感技術學術交流會論文摘要集[C];2005年

9 張磊;朱磊;;遙感圖像中直線目標的檢測[A];第十五屆全國遙感技術學術交流會論文摘要集[C];2005年

10 邱磊;李國輝;衡祥安;;一種基于交互學習的遙感圖像挖掘方法[A];第一屆建立和諧人機環(huán)境聯(lián)合學術會議（HHME2005）論文集[C];2005年

相關重要報紙文章 前5條

1 蔣建科邋孫宏金 陳樹琛;傳回清晰遙感圖像[N];人民日報;2008年

2 記者 鄭千里;北京地區(qū)有了航空遙感圖像[N];科技日報;2000年

3 本報通訊員;煤航遙感院獲美國快鳥遙感圖像西部代理權[N];中煤地質報;2005年

4 王石;印度通過“快鳥”影像發(fā)現(xiàn)古墓地[N];中國測繪報;2010年

5 記者 馬彥平 張桂敏;澳大利亞鉀礦鉆探啟動[N];農資導報;2011年

相關博士學位論文 前10條

1 朱光;基于遙感圖像的交通道路目標識別方法研究[D];吉林大學;2015年

2 祁友杰;基于SoC技術的遙感圖像快速匹配方法研究[D];東南大學;2016年

3 江興方;遙感圖像去云方法的研究及其應用[D];南京理工大學;2007年

4 滕鑫鵬;遙感圖像道路提取研究[D];江蘇大學;2014年

5 劉春紅;超光譜遙感圖像降維及分類方法研究[D];哈爾濱工程大學;2005年

6 劉哲;基于信息融合的遙感圖像處理方法研究[D];西北工業(yè)大學;2002年

7 強贊霞;遙感圖像的融合及應用[D];華中科技大學;2005年

8 杜根遠;海量遙感圖像內容檢索關鍵技術研究[D];成都理工大學;2011年

9 陶午沙;基于結構模型的遙感圖像軍事陣地目標特征分析及其識別技術研究[D];國防科學技術大學;2004年

10 林劍;基于模糊理論的遙感圖像分割方法研究[D];中南大學;2003年

相關碩士學位論文 前10條

1 邱磊;基于內容的遙感圖像挖掘方法研究[D];國防科學技術大學;2005年

2 陳浩;高分辨遙感圖像災區(qū)建筑檢測[D];南京理工大學;2015年

3 朱然;大數據量復雜背景下橋梁水壩目標快速識別[D];電子科技大學;2015年

4 王靜靜;基于NSCT和Shearlet變換的遙感圖像增強研究[D];新疆大學;2014年

5 柴宏磊;基于知識的遙感圖像港口目標識別[D];電子科技大學;2015年

6 馮一鳴;基于遙感圖像中港口目標的分割算法研究與實現(xiàn)[D];西安電子科技大學;2014年

7 吳云坤;遙感圖像變化檢測技術研究[D];國防科學技術大學;2013年

8 王旭;無參考遙感圖像質量綜合評價算法研究[D];西安電子科技大學;2015年

9 宋玉梅;基于遙感圖像的內河航道識別研究[D];重慶交通大學;2015年

10 張少輝;基于刃邊法的遙感圖像重建方法研究[D];西安電子科技大學;2014年

，

本文編號：2204309