伴隨遙感探測技術和航天技術的高速革新,遙感平臺傳回的高分辨率圖像涵蓋的信息也日漸豐富,其中涵蓋了廣泛的地球地表信息和光譜信息,如地表的形狀、紋理等內(nèi)容。遙感圖像攜帶的豐富數(shù)據(jù)量為眾多領域應用打下了良好基礎,但遙感圖像所含有的豐富數(shù)據(jù)在當前并不能轉(zhuǎn)變?yōu)橛行畔⒁怨┤祟愂褂?因此需要人們加大在遙感信息提取方面的投入,同時也是眾多研究領域的一項發(fā)展基礎,旨在將遙感信息攜帶的有效信息實現(xiàn)高效率轉(zhuǎn)化,并使其在眾多研究領域內(nèi)實現(xiàn)深入的應用。首先需要將遙感圖像進行有效分割,圖像分割的優(yōu)劣將直接決定了后續(xù)的特征提取等質(zhì)量。聚類分析作為當前經(jīng)典的多變量統(tǒng)計方法,已經(jīng)成為多個領域數(shù)據(jù)分析匯總使用較為頻繁的工具之一,聚類分析理論和應用推動了當前如機器學習、圖像處理、生物學等多個領域的不斷發(fā)展。聚類算法屬于一種無監(jiān)督的學習方法,即不需要進行訓練樣本,這就使得聚類方法能夠很好的應用在圖像分割領域。本文所涉及的圖像分割技術則是在當前研究成果基礎上進行的改進,即針對當前模糊C均值聚類以及Mean Shift聚類過程中難以確定聚類中心、受噪聲干擾嚴重等問題,提出了新的算法。為了獲得良好的遙感圖像分割效果,本文在現(xiàn)有理... 

【文章來源】：吉林大學吉林省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：110 頁

【學位級別】：博士

【部分圖文】：

定性概念“坐標原點周圍”的云圖

在概率統(tǒng)計中，正態(tài)分布是一個極為重要且基本的分布之一，對于所接觸到的眾多現(xiàn)象其都可以通過使用正態(tài)分布進行描述，對于其他似的現(xiàn)象也可以使用正態(tài)分布函數(shù)進行相應計算，由此可見，正態(tài)分學中的重要性。在本文中所進行的遙感圖像分割領域方面的研究其也應的正態(tài)分布來進行表示[100-102]。通過使用云模型中所涉及到的相應的三個數(shù)字特征便能夠繪制出構(gòu)的云，通過使用定性描述法能夠?qū)?shù)據(jù)進行相應的刻畫，并將數(shù)據(jù)隨機性兩者進行完美融合。在圖 2.3 中便詳細地展示了具有不同數(shù)字型。從這 4 幅圖的對比可以總結(jié)出各個數(shù)字所代表的不同含義。其中，則云滴的聚集程度越高，相應的確定度也會越大。超熵值越大，則增加，相應的確定度便會降低。圖 2.2 正態(tài)云模型 Cloud（2，1，0.15，200）

En 0.5, He 0.04d． Ex 0, En 1, He 0.2圖 2.3 不同數(shù)字特征的云1.3 正態(tài)云模型的數(shù)學性質(zhì)定義（2-1）[88]設 U 是一個由精確數(shù)值表示的定量論域，C 是 U 上的定，若定量值x U，且 x 是定性概念 C 的一次隨機實現(xiàn)，若 x '2N (E x ,E n )，其中' 2En N (E n ,H e )，且 x 對 C 的確定度滿足以下公式 22( )( )2( 3 )2x ExEn Hey e ……………………………………………………(2S( n ) g f 4 k 3n 1 O( m n )g f ……………………(2式 2.1 中 Ex 代表正態(tài)云的期望，En 代表一個符合條件的正態(tài)隨機數(shù)。

【參考文獻】：
期刊論文
[1]多云核提取方法在圖像分割中的應用[J]. 李萬臣,田淑娟.  電子科技. 2013(08)
[2]融合圖像邊緣和區(qū)域特征的道路檢測算法[J]. 楊唐文,王敏杰,秦勇.  東南大學學報(自然科學版). 2013(S1)
[3]基于標記和模糊聚類的分水嶺聲納圖像分割[J]. 李軻,劉忠,李翀倫,張國棟.  華中科技大學學報(自然科學版). 2013(06)
[4]基于Contourlet域圖譜聚類和多尺度Markov模型的多光譜遙感圖像分割[J]. 徐海霞,溫顯斌,鄒永廖,鄭永春.  光電子.激光. 2013(05)
[5]基于圖割和分水嶺變換的圖像分割方法[J]. 李海濱,杜益福,劉彬.  燕山大學學報. 2013(02)
[6]應用于遙感圖像分割的原型提取譜聚類集成算法[J]. 趙鳳,劉漢強,范九倫,潘曉英.  武漢大學學報(信息科學版). 2012(12)
[7]基于Markov圖像分割的紅外橋梁目標識別算法[J]. 劉昕,田永剛.  計算機仿真. 2012(11)
[8]一種改進的基于區(qū)域生長的彩色圖像分割方法[J]. 劉俊,馬燕,陳坤.  計算機應用與軟件. 2012(11)
[9]基于小波變換與圖割的彩色圖像分割方法[J]. 劉毅,馮國富,江效堯,孫懷江,夏德深.  小型微型計算機系統(tǒng). 2012(10)
[10]一種基于圖論的圖像分割算法[J]. 張乾,馮夫健,林鑫,王林.  計算機工程. 2012(18)

博士論文
[1]確定性測量矩陣與稀疏重建算法研究及其在WCSS中的應用[D]. 李佳.哈爾濱工業(yè)大學 2016
[2]基于分數(shù)階全變差的視頻圖像壓縮感知重構(gòu)算法研究[D]. 陳高.西南交通大學 2016
[3]基于克隆選擇和聚類的遙感圖像分割研究[D]. 管紅杰.中國礦業(yè)大學 2014
[4]利用分集信息和結(jié)構(gòu)稀疏性的雷達目標成像技術研究[D]. 游鵬.國防科學技術大學 2014
[5]基于稀疏表示與優(yōu)化的圖像信息處理方法及應用[D]. 項鳳濤.國防科學技術大學 2014
[6]基于像素聚類的彩色圖像分割技術研究[D]. 司馬海峰.北京理工大學 2014
[7]基于聚類分析的圖像分割方法研究[D]. 張新野.大連海事大學 2012
[8]基于水平集和模糊聚類方法的圖像分割技術研究[D]. 李傳龍.大連海事大學 2012
[9]基于聚類分析的圖像分割算法研究[D]. 許曉麗.哈爾濱工程大學 2012
[10]Mean Shift遙感圖像分割方法與應用研究[D]. 周家香.中南大學 2012



本文編號：3122595