一种云模型和期望最大聚类的遥感影像分割算法

为解决遥感影像分割中存在的不确定性问题和传统层次聚类算法中存在的时间复杂度高、缺乏可再分性等缺陷,基于云模型和期望最大聚类提出了一种新的遥感影像分割算法。该算法首先使用峰值法云变换从影像中抽取底层概念,然后通过EM算法对底层概念进行聚类,最后通过极大判别法完成遥感影像分割。实验证明,EM算法进行概念聚类能够快速地将概念分类为指定个数,并估计出高阶云概念的数学特征,相比于传统的基于云模型的遥感影像分割算法具有更好的分割效果。     

自适应模糊聚类高分辨率遥感影像分类算法

为了实现高分辨率遥感影像分类数的自动确定,在传统模糊聚类算法的基础上引入分裂合并操作,提出自适应模糊聚类的高分辨率遥感影像分类算法。该算法提高分裂合并的准确性,并在每次分裂合并后利用模糊聚类分类算法优化其分割结果,而后将参数赋予相应阈值,以实现阈值的自适应确定。有效避免算法陷入局部极值,解决传统模糊聚类算法依赖初始聚类中心选择的问题。     

数据质量聚类算法

在聚类算法中，聚类中心决定聚类的最终结果，而传统的分割聚类算法不能准确定位聚类中心。根据数据场提出了数据质量聚类中心的新概念，给出数据质量聚类算法，能够一次定位聚类中心，无需迭代，也无需预置聚类个数。7组对比实验表明，提出的方法能够准确定位聚类中心，获得良好的聚类结果和稳定性，优于传统的分割聚类算法和峰值密度聚类算法。     

一种遥感影像自适应分割尺度的分类方法

针对影像分割中的尺度选取问题,该文基于GF-2多光谱数据提出一种基于自上而下自适应分割尺度的分类方法,该方法在提取每一分割对象光谱、纹理特征的基础上,构建其在各波段复杂度函数,根据每类地物在各波段的复杂度阈值和分类规则,经迭代计算,确定每一对象的最适宜尺度和所属地类,进而得到具有最佳尺度的分割和分类结果。将其与采用ESP尺度分析算法得到的单一最优尺度下的分类结果进行对比分析,结果表明:该方法能够获取与地面目标相匹配的分割尺度,改善了分割效果,提高了分类精度,具有一定实用价值。     

基于人类感知的SAR图像海上溢油检测算法

在基于SAR图像的海上溢油检测中,识别的效率与准确率是关键。纹理特征是人类专家能够较好的判别SAR图像中油膜,类油膜以及海水的一个重要依据。本文算法一方面融合灰度共生矩阵与Tamura特征,直接对SAR原始图像进行特征提取,避免了对图像进行分割、降噪等预处理,提高了识别算法的可行性与识别效率。另一方面,应用深度信念网络(DBN)的分类方法,可以很好地解决溢油检测中小样本分类的问题,并且模仿人类感知系统高效准确的表示信息、获取本质特征。本文应用人类感知的思想对油膜、类油膜以及海水这3类样本进行分类识别。通过实验确定了DBN中利于分类的关键参数值。本算法对原始SAR图像中3类样本的识别准确率达到90.36%,具有较好的实用价值。     

结合mRMR选择和IFCM聚类的遥感影像分类算法

为解决高分影像特征间相关性大冗余度高、FCM聚类稳健性差带来的分类精度不佳问题，提出一种基于mRMR选择和改进FCM聚类的影像分类算法。首先基于对象置信度指标（OC）进行影像分割，然后利用mRMR算法实现特征选择，解决特征冗余问题，最后将提取的特征输入分类器通过IFCM聚类，得到最终分类结果。试验结果表明，本文算法能减少特征间相关性，降低冗余，并有效提高影像分类精度。     

高分辨率遥感影像分割的城市绿地提取研究

城市绿地是生态文明建设的重要组成部分，绿地信息提取是城市绿地规划和建设的基础和前提。遥感影像分割是绿地信息分类提取的关键步骤，选择合适的影像分割方法能有效提高城市绿地提取精度。传统的遥感分割方法分割结果中边缘锯齿现象严重，与绿地实地边界相差较大，不符合绿地信息提取的要求。本文以高分辨率的WorldView影像为数据源，使用深度学习网络DeepLab-v3+对城市绿地进行分割研究，在分割基础上进行城市绿地信息提取。同时，本研究将该网络模型的分割和分类结果与基于Ostu、MeanShift、FNEA分割算法的分类精度进行比较。研究表明：DeepLab-v3+的分割性能最好，其分割边缘光滑，与绿地实地边界吻合度高，有效解决了传统分割算法的边缘锯齿问题；在各种分割分类算法中，DeepLab-v3+的分类精度最高，达到98.01%。     

基于支持向量机的元胞自动机及土地利用变化模拟

提出了利用遥感数据，并采用支持向量机来确定元胞自动机非线性转换规则的新方法。元胞自动机在模拟复杂地理现象时，需要采用非线性转换规则。目前元胞自动机主要采用线性方法来获取转换规则，在反映复杂的非线性地理现象时有一定的局限性。以城市扩张的模拟为例，将模拟城市系统的主要特征变量映射到Hilbert空间后，通过SVM建立最优分割超平面，分割超平面的分类决策函数由径向基核（Radial Basis Kernel）构造。利用历史遥感数据校正超平面的决策函数，确定城市元胞自动机的非线性转换规则，计算出城市发展概率。利用所提出的方法，对深圳市1988-2010年的城市发展进行了模拟，取得了较理想的模拟效果。研究结果表明，基于SVM-CA模型的模拟精度比传统MCE方法模拟精度高，MoranⅠ指数与实际更为接近。     

基于球结构支持向量机的QuickBird影像分类分析

在支持向量机多类识别基础上探讨以球结构替代传统超平面支持向量机对QuickBird影像进行分类的可行性,对重叠区域的数据分类采用新规则,提高球结构支持向量机算法的泛化性能,并将分类结果与最小距离法、最大似然法分类结果进行比较,实验结果表明该算法有效可行,降低了二次规划的复杂度,缩短了样本训练时间.     

结合隶属度空间约束的模糊聚类图像分割

针对传统模糊聚类分割方法未考虑邻域像素隶属度空间关系的问题,该文提出了一种结合隶属度空间约束的模糊聚类图像分割方法。采用邻域之间的空间约束来限制隶属度值,解决同质区域中可能出现的噪声问题,从而提高分割精度。分别对模拟图像和彩色图像进行分割实验,并与未结合隶属度空间约束的分割结果进行对比分析。实验表明,此方法实现了对隶属度的空间约束,验证了本文算法的有效性。     

噪声抑制的多极化SAR海冰图像分割

合成孔径雷达(SAR)海冰图像分割对全球气候研究和保证船舶航行安全具有重要意义。现有的基于区域的马尔可夫随机场(MRF)多极化SAR分割方法,由于受相干斑噪声影响,其区域划分不尽合理,不能有效完成分割。因此,提出一种噪声抑制的多极化SAR海冰图像分割算法,首先在极化总功率图上引入降低噪声的滤波算法,合理划分初始区域,其次考虑区域之间的差异度,从而实现多极化SAR海冰图像的准确分割。以RADARSAT-2和SIR-C获得的全极化海冰图像为实验数据进行验证,结果表明:和其他较先进算法相比,本文算法优势明显,既能高效保持图像连通性,又能增强图像的细节信息,具有更高的分割精度。     

多维特征自适应MeanShift遥感图像分割方法

针对MeanShift算法分割遥感图像的自动化程度和精度不高的问题,提出一种多特征自适应Mean—Shift遥感图像分割方法。3组实验结果表明,本方法相比EDISON软件能得到更好的分割效果,且能在一定程度上提高遥感影像分割的自动化。     

Improving Spectral–spatial Classification of Hyperspectral Imagery Using Spectral Dimensionality Reduction Based on Weighted Genetic Algorithm

This paper aims to improve the accuracy and the efficiency of high resolution land cover mapping in urban area. To this end, an improved approach for classification of hyperspectral imagery is proposed and evaluated. This approach benefits from both inherent spectral and spatial information of an image. The weighted genetic (WG) algorithm is first used to obtain the subspace of hyperspectral data. The obtained features are then fed into the enhanced marker-based minimum spanning forest (EMSF) classification algorithm. In this algorithm, the markers are extracted from the classification maps obtained by both support vector machine and watershed segmentation algorithm classifiers. For this purpose, the class’s pixels with the largest population in the classification map are kept for each region of the segmentation map. Then, the most reliable classified pixels are chosen from among the exiting pixels as markers. To evaluate the efficiency of the proposed approach, three hyperspectral data sets acquired by ROSIS-03, Hymap and Hyper-Cam LWIR are used. Experimental results showed that the proposed WG–EMSF approach achieves approximately 9, 8 and 6% better overall accuracy than the original MSF-based algorithm for these data sets respectively.     

一种基于改进种子区域生长的农村房屋提取

利用遥感影像对房屋进行精确提取,可以为农村土地利用规划、居民点用地适宜性评价以及进一步开展居民点整治、快速提供基础地理空间数据等工作提供便利。以无人机影像为实验数据,本文利用一种基于改进的种子区域生长算法对房屋进行提取,该方法解决了传统算法的抗噪能力差以及需要事先确定种子数量和位置等问题。随后,运用阈值处理与数学形态学对分割结果进行进一步处理。实验结果表明,采用本文方法提取农村房屋精度较高。     

基于粒子群优化算法的最大类间方差多阈值图像分割

最大类间方差法是图像分割中一种常用的阈值分割方法,对于单阈值分割具有显著的效果,但是对于多阈值分割,计算复杂度大、耗时较多。本文将粒子群优化算法与最大类间方差法结合,提出了一种新的图像分割方法,该方法利用粒子群优化算法的寻优高效性,并由灰度图像的最大类间方差值作为适应值,搜索最优分割阈值,实现图像的多阈值分割。实验结果显示,新方法大大缩短了寻找最优阈值的时间,降低了运算复杂度,提高了图像分割速度,说明基于粒子群优化算法的图像分割算法是可行的、有效的。     

融合超体素与成对链接聚类的LiDAR点云分割算法

针对现有的LiDAR点云分割算法稳健性差、效率低的问题,本文提出了一种新的层次化聚类分割算法。该算法首先把点云生成自适应分辨率的超体素,然后以超体素为基元,改进成对链接的分割算法,实现三维点云的分割。试验结果表明,该分割算法与现有的分割方法相比,具有更好的稳健性和更高的计算效率,避免了点云过分割和欠分割的问题。本文算法在分割细节方面更加突出,分割结果可有效地保证后续数据处理工作的精度。     

基于均值漂移和谱图分割的极化SAR影像分割方法及其评价

提出了一种基于均值漂移和谱图分割的极化SAR(PolSAR)影像分割方法。首先,通过均值漂移算法对PolSAR影像进行过分割处理,并基于Wishart统计分布和假设检验的方法构建边缘检测器,充分利用了PolSAR影像的全极化信息提取边缘信息;然后,在过分割和边缘信息的基础上构建相似性度量矩阵,并采用归一化割准则实现PolSAR影像的分割。该算法充分利用了均值漂移算法过分割的特点,降低了谱图分割算法的运算代价,并结合谱图分割算法全局优化的优点改善了PolSAR影像的分割结果;最后,利用Radar-sat-2全极化影像进行了实验,并采用改进的分割效果评价方法实现了精度评价。实验表明,该算法有效地实现了PolSAR影像的分割,显著提高了谱图分割算法的效率,分割结果优良,分割精度优于eCognition软件中的多尺度分割方法。     

融合光谱及形态学信息的对象级空间特征提取方法

针对传统的高分辨率遥感影像分割方法仅利用光谱特征或者形态学特征的弊端,提出了一种融合光谱信息和形态学信息的多尺度分割算法。该算法首先利用差分多尺度形态学序列特征与影像光谱特征构造光谱-形态学特征集,然后利用Hausdorff距离计算相邻像素的边权值并构造图模型,利用最小生成树Kruskal算法完成影像的初始分割,最后结合分形网络进化的区域异质性准则完成区域合并。在该分割结果的基础上,提出了面向对象的灰度共生矩阵特征和面向对象的像元形状指数特征。实验结果显示,所提出的分割方法在效果和效率上均优于eCognition 8.0和Meanshift算法,并且对象级灰度共生矩阵特征和对象级像元形状指数特征明显优于传统的像素级特征。     

基于颜色和纹理的森林影像分割方法

提出一种基于影像颜色散度和纹理信息的森林影像分割方法.对输入影像进行颜色量化,然后利用量化得到的索引矩阵计算各像素的颜色散度;基于多分辨率策略进行纹理分析,通过区域生长形成初始分割区域;统计各区域Laws纹理能量,合并过分割区域.实验表明,森林影像的分割结果与人的主观视觉感知具有良好的一致性,识别出的地面和树木可为匹配和三维建模提供可靠依据.     

一种结合语义分割模型和图割的街景影像变化检测方法

由于街景影像具有地物尺度多样化、地物界限不明确、地物光谱信息复杂等问题,造成应用统计方法、机器学习等方法对复杂度高的街景影像变化检测性能欠佳. 因此提出一种结合语义分割模型和图割（GC）的街景影像变化检测方法. 该方法首先采用Camvid数据集训练DeeplabV3+网络得到的迁移学习模型对两个时期的街景影像进行语义分割;然后采用GC方法实现消除天空和植被等对街景影像的影响;接着采用变化向量分析（CVA）获取差异影像,最后对差异影像进行二值化和精度评价. 研究结果表明,提出的方法总体精度优于大津法（OTSU）、K均值法、Segnet网络迁移学习模型方法和DeeplabV3+网络迁移学习模型方法,是一种可行的街景影像变化检测方法.