針對傳統(tǒng)的圖像分割算法不能完全適用具有多種特征(光譜特征、紋理特征和幾何特征)的高分辨率遙感圖像的問題,提出了一種基于多特征的遙感圖像分割算法。算法基于改進的均值漂移濾波和自動標記分水嶺分割方法來實現(xiàn)最終分割。首先利用自動標記分水嶺分割方法對遙感圖像進行分割,進而采用仿射不變矩形狀特征算子提取圖像幾何特征;其次對圖像進行主成分分析,計算第一主成分灰度共生矩陣,分析矩陣特性得出紋理特征;然后結合光譜特征通過改進的均值漂移方法得到多特征濾波結果;最后利用分水嶺分割方法實現(xiàn)高分辨率遙感圖像分割。為了表明算法的分割效果,利用基于多光譜信息熵方法對算法和單一的分水嶺分割方法進行非監(jiān)督評價。研究結果表明,算法可較好地改善遙感圖像的過分割問題,是一種適合高空間分辨率多光譜遙感圖像的分割算法。

【文章頁數(shù)】：9 頁

【部分圖文】：

圖１技術流程Ｆｉｇ．１Ｆｌｏｗｃｈａｒｔｏｆｒｅｍｏｔｅｓｅｎｓｉｎｇｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎ２試驗結果與分析

６個元素的特征向量。１．４技術流程采用高分辨率遙感圖像作為試驗數(shù)據(jù)，然后對包括近紅外、紅色，綠色和藍色４個波段信息的全色波段和多光譜波段的融合圖像進行光譜特征和幾何特征提齲提取圖像的對象信息需要首先對圖像進行分水嶺分割，然后計算對象要素的形狀特征算子。提取圖像的紋理特征是通過多光....

圖２全色波段與多光譜融合后的圖像Ｆｉｇ．２ＦｕｓｉｏｎｏｆｍｕｌｔｉｓｐｅｃｔｒａｌｂａｎｄｓａｎｄｐａｎｃｈｒｏｍａｔｉｃｂａｎｄｏｆＧＦ－１ａｎｄＩＫＯＮＯＳｉｍａｇｅ

４２中國空間科學技術Ｄｅｃ．２５２０１６Ｖｏｌ．３６Ｎｏ．６試驗使用的衛(wèi)星影像分別是：ＧＦ－１衛(wèi)星的２０１３年６月北京市奧林匹克森林公園影像；ＩＫＯＮＯＳ衛(wèi)星的２００６年７月南京市部分城區(qū)影像；ＧＦ－２衛(wèi)星２０１５年９月河北省廊坊市北華航天工業(yè)學院西校區(qū)影像。圖像大小分別為８５０....

圖３北京市奧林匹克森林公園分割結果Ｆｉｇ．３ＳｅｇｍｅｎｔａｔｉｏｎｒｅｓｕｌｔｓｉｎＢｅｉｊｉｎｇＯｌｙｍｐｉｃＦｏｒｅｓｔＰａｒｋ

７）Ｈｅ＝－∑Ｎｊ＝１ＳｊＳＩｌｎＳｊＳＩ（８）Ｅ＝Ｈｒ＋Ｈｅ（９）式中：ｍ為第ｊ個分割區(qū)域內(nèi)的灰度級；Ｌｊ（ｍ）為第ｊ個分割區(qū)域內(nèi)的像元總數(shù)；ＳＩ為分割區(qū)域總數(shù)。Ｈｒ描述了分割區(qū)域內(nèi)的同質性特征；Ｈｅ描述了分割區(qū)域間的異質性特征。過分割現(xiàn)象越嚴重，Ｈｒ取值越小，而Ｈｅ取值越大。....

圖４北京市奧林匹克森林公園區(qū)域分割結果Ｆｉｇ．４ＳｅｇｍｅｎｔａｔｉｏｎｒｅｓｕｌｔｓｉｎＢｅｉｊｉｎｇＯｌｙｍｐｉｃＦｏｒｅｓｔＰａｒｋ

ｐａｒｉｓｏｎｂｅｔｗｅｅｎｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄａｎｄｗａｔｅｒｓｈｅｄｔｒａｎｓｆｏｒｍｓｅｇｍｅｎｔａｔｉｏｎｍｅｔｈｏｄ方法本文方法分水嶺分割方法Ｍ＝１０Ｍ＝２０Ｍ＝３０Ｍ＝１０Ｍ＝２０Ｍ＝３０Ｈｒ０．０２４１４０．００９９１０．００８６４０．０１８５２０．０....

本文編號：4014196