高分辨率遙感圖像分割中基元合并方法研究.pdf

1、隨著高分辨率遙感圖像的迅速發(fā)展，圖像中單個地物會以連片分布的多個像元的形式出現(xiàn)，每個像元僅代表地物的一小部分而不是全部，原始的基于像素的地物自動分類技術難以滿足如今高分圖像處理的要求。因此，如何高效地提取高分辨率遙感圖像中的復雜地物信息成為高分圖像處理的關鍵。為了有效解決這一難題，就需要先將各個地物從圖像中分割開來再進行分類。圖像分割是目標信息提取中極為重要的第一步，分割結(jié)果的優(yōu)劣會對圖像信息提取產(chǎn)生直接影響。圖像分割一般包含兩個主要步

2、驟：首先對圖像進行初始分割，產(chǎn)生眾多互不重疊的原始基元，再對原始基元進行合并，生成最終的分割圖像。其中基元合并算法的研究和多尺度分割結(jié)果的獲取對于突破高分辨率遙感應用的瓶頸具有重大的科研和經(jīng)濟意義。本文對高分遙感圖像分割技術中初始分割、基元合并等問題進行深入研究，提出了多項算法優(yōu)化方法，設計了新的基元屬性表，有效提高了基元屬性表的計算、查詢、更新、壓縮等方面的效率。相關技術為開發(fā)有效的超大遙感圖像多尺度分割算法奠定了基礎。本文的主要研究

3、成果如下：
　?。?）在目前廣泛應用的一種多尺度分割算法—分形網(wǎng)絡演化模型基礎上，對該算法進行多項改進，分別從矩陣定義方法、合并基元的光譜統(tǒng)計方法、合并基元的邊界搜索方式、合并基元的屬性更新等方面著手，得到一種改進的基于最優(yōu)合并準則的基元合并方法，對該方法設計了具體的算法流程和優(yōu)化手段并編程實現(xiàn)。
　　（2）采用MATLAB和C語言軟件混合編程開發(fā)的方式，將改進的方法糅合到現(xiàn)有算法中。該算法具有遙感影像初始分割、基元合并、分

4、割結(jié)果統(tǒng)計與圖表輸出等功能，具有較好的適用性和穩(wěn)定性。
　?。?）設計實驗。用本文提出的方法對多源遙感數(shù)據(jù)進行處理，并與另外兩種較為成熟的分割方法—易康軟件中的分形網(wǎng)絡演化（FNEA）方法和 Kernel Graph Cuts方法進行目視比較和定量評價。實驗結(jié)果表明，本文提出的改進的基于最優(yōu)合并準則的基元合并方法（IOSM方法）在目視比較和定量評價上都要明顯優(yōu)于Kernel Graph Cuts方法；與易康軟件相比，分割精度也基本