基于数学形态学的IKONOS多光谱图像分割方法研究

利用数学形态学方法,研究与探讨了IKONOS多光谱图像的分割技术.提出一种结合图像边缘特征和纹理特征的混合分割新算法.在高分辨率多光谱遥感图像K-L变换的基础上,采用多尺度多方向形态学梯度算子提取边缘特征.应用数学形态学滤波及局部方差统计特征对图像对象进行标记,最后采用强制最小过程,进行标记控制的分水岭分割.研究结果表明,提出的分割算法优于仅利用边缘特征的分水岭分割算法,同时,该算法能较好地解决分割过程中存在的过分割与欠分割问题,是一种适合高分辨率多光谱遥感图像的分割算法.     

矢量图约束的遥感影像分割算法

为了解决矢量图约束下的遥感影像分割问题,提出了一种基于标记分水岭的带约束的影像分割方法。该方法首先将约束矢量图映射为影像中的边缘,在带边缘的影像上提取标记区域;然后采用面积约束法剔除伪标记区域,并利用优先级队列对未标记点进行泛洪;最后依据相似性测度对影像中的边缘点进行标号,将标号图矢量化获取影像分割结果。采用Quick Bird影像进行了实验,结果表明:该方法能够实现矢量图约束下的影像分割,当影像数据量较大时,比e Cognition软件中多尺度分割方法的运行效率高。     

融合像素—多尺度区域特征的高分辨率遥感影像分类算法

针对基于像素多特征的高分辨率遥感影像分类算法的"胡椒盐"现象和面向对象影像分析方法的"平滑地物细节"现象,提出了一种融合像素特征和多尺度区域特征的高分辨率遥感影像分类算法。(1)首先采用均值漂移算法对原始影像进行初始过分割,然后对初始过分割结果进行多尺度的区域合并,形成多尺度分割结果。根据多尺度区域合并RMI指数变化和分割尺度对分类精度的影响,确定最优分割尺度。(2)融合光谱特征、像元形状指数PSI(Pixel Shape Index)、初始尺度和最优尺度区域特征,并对多类型特征进行归一化,最后结合支持向量机(SVM)进行分类。实验结果表明该算法既能有效减少基于像素多特征的高分辨率遥感影像分类算法的"胡椒盐"现象,又能保持地物对象的完整性和地物细节信息,提高易混淆类别(如阴影和街道,裸地和草地)的分类精度。     

SVM后验概率结合改进多尺度MRF的遥感影像分割方法

采用SVM方法估计似然概率,克服了混合高斯模型对观测场建模不准确的问题;通过改进的多尺度MRF模型,在标记场建模时充分考虑了各尺度之间和同一尺度内的相关性,进一步准确描述了标记场的统计特性.最后利用改进的建模方法,在序贯最大后验概率估计算法框架下进行影像分割.通过对人工合成影像和实际遥感影像的分割实验结果分析,证明了本文方法能够有效提高分割效果.     

基于改进超像素和标记分水岭的高分辨率遥感影像分割方法

影像分割是高分辨率影像面向对象分析中的关键步骤,对信息提取精度起到至关重要的作用。为提高高分辨率遥感影像面向对象算法分割性能,提出一种改进超像素和标记分水岭的分割方法,包括特征融合、超像素初分割、控制标记符的标记分水岭再分割3个主要步骤。在超像素初分割阶段,利用高分辨率遥感影像纹理特征突出的优势,结合颜色空间、空间位置信息以及相位一致性纹理特征等信息提出一种新的距离测度计算规则,按照符合颗粒形状的圆形邻域进行搜索相似点,对影像进行超像素粗分割,并标记超像素斑块;计算超像素分割后每个斑块的灰度值,超像素分割后的影像重建,利用形态学的扩展技术提取局部极小值控制分割区域的数量,对传统数学形态学分水岭分割算法产生的过分割进行优化改进;对重建的影像进行高斯滤波,然后采用控制标记符分水岭算法对重建后的影像进行再分割,得到多尺度综合分割结果。在实验部分,利用资源三号卫星影像和机载航空影像验证本文提出方法,基于准确率和召回率定量评价分割精度,并将本文方法与其他分割方法的结果进行比较,证明本文提出方法的分割有效性。     

基于边缘约束的高分辨率遥感影像分割算法研究

影像分割是面向对象影像分析的基础,已经发展出许多算法。随着遥感影像空间分辨率的提高,复杂的噪声和丰富的细节信息给影像分割带来了巨大的挑战。分水岭变换能够得到连续封闭的边缘,但存在严重的过分割现象,为了解决这个问题,本文提出Canny算子边缘约束下的分水岭分割算法。首先,对遥感影像进行分水岭变换和Canny边缘检测;以Canny边缘作为参考数据,以分水岭的结果和Canny算子检测出的边缘的重合度和相邻区域的特征差异为标准对分水岭图像进行区域合并,得到最终分割结果。实验结果表明,该算法能够有效解决分水岭变换的过分割问题,准确提取出主要地物目标的边界轮廓。     

一种改进的ICM遥感影像分割算法

针对传统的迭代条件模式(iterated conditional model,ICM)算法应用于遥感影像分割时容易出现离散斑块和孤立点的问题,提出了一种基于马尔科夫随机场(Markov random field,MRF)的改进ICM遥感影像分割算法。首先,在获取初始标记之前加入保边去噪效果良好的双边滤波器(bilateral filter,BF),用于遥感影像的预处理;并用多阈值最大类间方差法(Otsu)获取初始标记,以克服传统的初始标记获取算法中K-means聚类算法类别数不确定和算法复杂度不易控制以及错分现象明显等问题;然后,利用MRF描述像元的空间相关性,形成顾及上下文信息的ICM遥感影像分割算法。通过遥感影像数据分割实例验证,所提方法的分割精度优于传统的ICM算法。     

基于标记分水岭分割的高分辨率影像水体信息提取

提出一种基于标记分水岭分割的高分辨率卫星融合影像提取水体信息的方法。首先采用pansharpening 融合法获得光谱扭曲小的高分辨率卫星融合影像;其次利用标记分水岭算法对高分辨率卫星融合影像进行分割;最后在分割基础上利用水体指数模型提取水体信息。采用QuickBird高分辨率遥感影像数据试验,与eCognition多尺度分割提取水体方法的结果相比,表明本文方法更快速有效,具有实用推广价值。     

小波多尺度影像边缘聚焦算法

讨论了基于光滑函数的二维小波极大模边缘算子和小波过零点边缘算子及其特性。提出了多尺度二进小波变换过零点边缘聚焦算法。通过对不同尺度下小波变换的遥感影像进行复合、边缘提取和聚焦后结果进行比较，可以发现该算法适应影像空间尺度不确定性目标边缘提取。既可保证大尺度下的轮廓信息不失真，又能在边缘定位上保持很高的精度。     

小波多尺度影像边缘聚焦算法

讨论了基于光滑函数的二维小波极大模边缘算子和小波过零点边缘算子及其特性。提出了多尺度二进小波变换过零点边缘聚焦算法。通过对不同尺度下小波变换的遥感影像进行复合、边缘提取和聚焦后结果进行比较，可以发现该算法适应影像空间尺度不确定性目标边缘提取。既可保证大尺度下的轮廓信息不失真，又能在边缘定位上保持很高的精度。     

基于高分辨率遥感影像数据的FNEA分割算法研究与应用分析

近年来,随着遥感技术和信息技术的发展,遥感影像空间分辨率也大大提高。基于像素的传统影像处理方式已经不能满足现实需求,面向对象的遥感影像分析已成趋势。因此,图像分割技术是进行其他图像处理与分析之前的关键步骤,分形网络演化多尺度分割算法（FNEA）是面向对象分析的核心。本文详细阐述了基于FNEA的多尺度分割算法的思想和流程,并结合遥感影像进行了分割实验与参数分析,对高分辨率遥感影像的研究与应用有一定指导意义。     

顾及全局和局部最优的高分辨率遥感影像多尺度分割优化算法

遥感影像多尺度分割是面向对象影像分析方法（OBIA）的关键步骤，分割质量直接影响OBIA的分类精度，目前多尺度分割方法都很难让分割结果同时达到全局和局部最优。本文针对上述问题，提出一种新的顾及全局和局部最优的高分辨率遥感影像多尺度分割优化算法。该算法主要包括：（1）采用局部方差准则获得多尺度分割的全局最优分割尺度。（2）对全局最优分割尺度中的过分割和欠分割对象进行优化处理，获得局部最优分割结果。（3）将局部最优化分割结果与全局最优分割结果进行融合，获得最终的多尺度优化分割结果。本文采用2个QuickBird遥感影像进行实验，验证该算法的有效性，并对实验结果进行定性和定量分析，结果表明：（1）从视觉效果来看，优化后的分割结果具有更准确的分割边界，大尺度的地物保持较好的区域性，小尺度的地物保持了更多细节。（2）从定量评价指标（RR、RI和ARI）分析：在实验1中，该算法比全局最优分割尺度的RR\RI\ARI分别提高了2.1%，2.4%，30.2%，比基于K均值优化算法分别提高了8.3%，0.1%，8.1%，比融合边界优化算法分别提高了0.7%，0.4%，17.6%；在实验2中，该算法比全局最优分割尺度的RR\RI\ARI分别提高了4.5%，2.7%，29.3%，比基于K均值优化算法分别提高了17%，0.8%，8.4%，比融合边界优化算法分别提高了1.7%，2.5%，17.2%。（3）相对典型分割算法，该算法的优化结果达到了局部和全局最优；相对其他多尺度分割优化算法，该算法同时减少了欠分割和过分割对象。     

多尺度特征融合的建筑物及损毁语义分割

遥感影像分割作为影像信息提取过程中的关键步骤,近年来基于深度学习的影像语义分割模型已经成为影像分割的主要研究导向。文中提出一种基于深度学习的多尺度特征融合语义分割网络,用来分割遥感影像中建筑物和损毁建筑物,该网络充分利用不同尺度特征图的信息,获得更精确的分割边缘。同时探究了不同样本数量和不同网络深度对于训练得到模型分割性能的影响,对深度学习网络应用于遥感影像参数选择提供了一定经验指导。     

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。     

高分辨率遥感影像多尺度均值漂移分割算法研究

根据高分辨率遥感影像信息提取过程中对影像的对象化分割的需求,分析了均值漂移分割算法的原理,并对其多尺度分割方法进行了设计与实现。实验证明该算法具有较好的影像分割精度。     

一种融合数学形态学运算的多尺度建筑物分割算法

多尺度分割算法是面向对象的图像分析方法中的一种较为成熟、稳定的分割算法,但存在部分分割不准确和分割效率低等问题.为此,提出一种融合数学形态学运算的多尺度建筑物分割算法:首先利用高斯滤波器对遥感图像进行滤波处理,然后通过数学形态学运算对图像进行腐蚀处理,最后采用多尺度分割算法得到建筑物影像.对昆明市局部区域的QuickBird图像进行多尺度建筑物分割实验的结果表明,该算法具有分割精度高、效率快等优点,对类似工作有一定的借鉴意义.     

形位相似的影像分割质量评价方法

针对传统遥感影像分割质量评价方法缺少定量评价,该文在顾及参考对象与分割对象之间形状和位置关系差异的基础上,提出一种基于形位相似的遥感影像分割质量评价方法。采用该文提出的评价方法对多尺度分割算法和分水岭分割算法的分割结果进行评价。结果表明:该方法能客观定量评价分割影像质量,得到最佳影像分割结果对象与参考对象的边界具有较高形位相似;并且该文评价方法能确定遥感影像最佳的分割尺度参数,有利于提高后续基于面向对象分类方法的精度。     

面向对象的多尺度加权联合稀疏表示的高空间分辨率遥感影像分类

针对高空间分辨率遥感影像中的地物具有多尺度特性,以及各个尺度的对象特征对地物分类精度的影响具有较强的尺度效性,并结合面向对象影像分析方法和多尺度联合稀疏表示方法在高空间分辨率遥感影像分类中的各自优点,提出了一种面向对象的多尺度加权稀疏表示的高空间分辨率遥感影像分类算法。首先,采用多尺度分割算法获得多尺度分割结果并提取对象的多尺度特征;然后,根据影像对象的多尺度分割质量测度计算各尺度的对象权重,构建面向对象的多尺度加权联合稀疏表示模型;最后,采用2个国产GF-2高空间分辨率遥感数据集和1个高光谱-高空间分辨率航空遥感数据集（WashingtonD.C.数据）验证该算法的有效性。试验结果表明,与SVM、像素级稀疏表示、单尺度和多尺度对象级稀疏表示和深度学习等算法相比较,本文算法获得了较高的OA和Kappa分类精度,提高了各个尺度地物的分类精度,有效抑止了地物分类结果中的椒盐噪声现象,同时保持大尺度地物的区域性和小尺度地物的细节信息。     

结合核密度估计理论的ICM遥感影像分割算法

针对传统迭代条件模式算法用于遥感影像分割时易出现误分割的问题,该文提出了结合核密度估计理论的迭代条件模式算法。使用自适应双边滤波器对影像进行预处理以提高影像质量,运用基于核密度估计理论的爬山算法获取影像的初始标记,结合MAP-MRF框架构建一种新的ICM算法对遥感影像进行分割。实验结果表明,使用基于核密度估计理论的爬山算法获取的初始标记后,基于MAP-MRF框架构建的分割算法能得到更准确的分割结果。和已有算法相比,该算法获得的分割结果在准确率和Kappa系数上都优于传统ICM算法、基于丰富语义的ICM算法和改进的ICM算法。     

一种融合超像素与最小生成树的高分辨率遥感影像分割方法

影像分割是面向对象高分辨率遥感影像分析的基础与关键。针对传统影像分割方法易受噪声影响,且难以确定合适的影像分割尺度的问题,本文提出了一种融合超像素与最小生成树的高分辨率遥感影像分割方法。首先用简单线性迭代聚类算法对影像进行过分割生成超像素;然后初始设定影像分割数,采用区域动态约束聚类算法对超像素进行合并,获得分割数-方差和、分割数-局部方差、分割数-局部方差变化率指标图,依据3个指标图确定合适的影像分割数;最后根据确定的合适影像分割数,采用区域动态约束聚类算法对超像素重新合并得到分割结果。定性对比试验和定量评价结果表明,本文方法可以有效地克服影像噪声对分割结果的影响,获得良好的影像分割结果。