針對傳統(tǒng)高斯混合模型(GMM,Gaussian mixture model)難以自動獲取類屬數(shù)和對噪聲敏感問題,提出了一種基于可變類空間約束GMM的遙感圖像分割方法。首先在構(gòu)建的GMM中,將像素類屬性建模為馬爾可夫隨機場(MRF,Markov random field),并在此基礎(chǔ)上定義其先驗概率;結(jié)合鄰域像素類屬性的后驗概率和先驗概率,定義噪聲平滑因子,以提高算法的抗噪性;在參數(shù)求解過程中,分別采用可逆跳變馬爾可夫鏈蒙特卡羅(RJMCMC,reversible jump Markov chain Monte Carlo)方法和最大似然(ML,maximum likelihood)方法估計類屬數(shù)和模型參數(shù);最后以最小化噪聲平滑因子為準則獲取最終分割結(jié)果。為了驗證提出的分割方法,分別對模擬圖像和全色遙感圖像進行了可變類分割實驗。實驗結(jié)果表明提出方法的可行性和有效性。

【文章頁數(shù)】：10 頁


本文編號：3759327