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.     

顾及建筑物屋顶结构的改进RANSAC点云分割算法

针对传统RANSAC点云分割算法在处理多层次、多面片的复杂建筑物中的困难,提出一种改进算法对建筑物点云进行分割和几何基元的提取。首先,结合基于坡度和高差的三角形区域生长方法,对复杂建筑物的不同结构层次进行分解,提高了随机采样时的有效模型命中率,并降低了错分现象;然后,提出一种浮动一致集阈值的RANSAC算法,通过自动调整RANSAC算法中的关键参数,使算法能够适应不同尺度的几何基元。实验证明了该算法在复杂建筑物点云数据分割效果和运算效率上的有效性。     

用小波变换和数学形态学算法研究文本图像去噪

针对文本图像存在的噪声,提出了小波变换和数学形态学相结合的文本图像去噪算法。通过小波变换对原始图像进行多尺度分解,对小波近似系数进行线性拉伸处理,细节系数进行域值化处理后重建图像,对重建图像进行直方图均衡化,然后再进行数学形态学运算去除剩余噪声。结果显示本文方法对于存在大量噪声的文本图像可以起到很好的去噪效果。     

基于分水岭变换的多尺度遥感影像分割算法

图像分割是一种重要的图像分析技术,对图像分割的研究一直是图像技术研究中的热点和焦点。分水岭算法是基于数学形态学理论的图像分割算法,但是对噪声敏感且存在过分割的现象。为提高图像分割效果,本文通过对影像进行滤波处理,用改进的快速区域合并算法优化分水岭算法进行影像分割。实验结果与均值漂移算法得到的结果对比,证明此算法可以获得较好的分割效果。     

基于数学形态学与多尺度的建筑物信息提取

针对传统分类方法提取高分辨率影像时,计算量大、算法效率低等缺点,从面向对象的角度采用数学形态学与多尺度相结合的方法对高分辨率影像进行分割;并将得到的最优分割对象与K-means、最大似然分类方法进行比较。该方法首先选用符合目标提取特征的结构元素探测影像边缘信息,再把探测得到的不同尺度边缘信息进行熵权边缘融合。结果表明,该方法提取的建筑物信息优于传统方法。     

结合光谱和纹理的高分辨率遥感图像分水岭分割

针对遥感图像分割时仅利用光谱信息容易造成过分割和边缘定位不准的问题,提出一种结合光谱强度和纹理信息的遥感图像分水岭分割算法。首先分别提取图像的光谱梯度和纹理梯度,提出一种改进双边滤波模型,滤除图像中的噪声的周时,采用了一种局部的平滑尺度,能够有效消除纹理信息,借助于滤波算法,分别对原图像和Gabor纹理特征图像进行平滑处理,利用边缘检测算子得到光谱梯度和纹理梯度。最后利用形态学膨胀方法进行融合融合,使用分水岭变换对图像分割。用三幅高分辨率彩色遥感图像数据进行实验,并与JSEG（Joint Systems Engineering Group）和多分辨率分割方法进行比较,结果表明该方法具有较高的边界定位准确性,同时降低了过分割和欠分割现象。     

MSCMO：基于数学形态学算子的尺度空间聚类方法

提出了一种基于数学形态学算子的多尺度聚类方法 :首先将数据进行二值图像化处理 ,利用一次闭开运算去除噪声干扰后再利用逐步增大结构元素的闭运算构建尺度空间 ,图像内的连通单元集随着尺度上升不断融合 ,最终全部归并。将连通集覆盖下的点集归为一类 ,以上步骤就对应了一个多尺度层次聚类过程。本算法的一个最大优点是聚类个数事先无需设定 ,而被确定为跨越最多尺度 (具有最长尺度生存期 )的类别个数。此外 ,参数少、能够提取任意形状的类别、具有较强的抗噪声能力也是算法的优点。对自构建数据与地震数据的聚类实验验证了方法的有效性和实用性     

基于形态学重构运算的地面目标识别算法

针对在热红外遥感图像上识别背景复杂的地面目标较为困难这一问题,提出了基于形态学重构运算的地面目标识别算法。该算法首先对形态学重构运算的背景抑制原理及其算法的适应性进行了分析,并将该算法应用于对原始图像的背景抑制与处理;然后,对处理后的图像进行分割,获得感兴趣的目标区域;最后,通过对感兴趣区域特征的提取与匹配识别目标。实验结果表明,该方法能从复杂自然场景中有效地识别出目标。     

数学形态学在居民地街区合并中的应用

通过对数学形态学相关算法的研究分析,结合地图上居民地街区合并的特点,提出了用数学形态学中图像闭运算的算法进行居民地街区自动合并的方法,为地图上街区式居民地的合并综合,提供了一种新的方法.     

结合形态学重建的高分辨率遥感图像建筑物提取

针对城区人字形屋顶的建筑物,设计一种结合形态学重建的高分辨率遥感图像建筑物提取方法。该方法首先对输入图像进行形态学重建滤波处理,然后分别检测建筑物的屋脊线和阴影信息,再利用形态学开重建运算将屋脊线与建筑物阴影两者之间的信息关联起来,从而实现建筑物提取。通过QuickBird全色图像建筑物提取试验,验证本文方法的可行性和有效性。     

深度卷积神经网络支持下的遥感影像语义分割

针对高分遥感影像语义分割面临的类别不平衡和上下文信息利用不充分问题，本文提出了一种优化的DeeplabV3+算法。首先通过修改交叉熵损失函数，解决数据不平衡问题；其次使用Vortex Pooling取代ASPP模块提高上下文信息；然后采用多尺度输入充分利用图像的多尺度信息，并用投票策略进行特征融合提高图像分割准确性；最后使用形态学作后处理消除拼接痕迹和噪声。在CCF大赛的数据集上进行训练，并与其他经典语义分割算法进行比较。试验结果表明，该算法充分利用上下文信息，有效减少了错误分类，且使分割边界更精确，尤其对于线状目标的捕捉能力更强；在整幅测试影像上的MIoU可达85.21%，明显优于SegNet、U-Net算法。     

结合模糊分割和遗传算法的航空影像车辆提取方法

利用高分辨率遥感影像实现道路车辆监测在交通管理系统中占有重要地位,然而受成像条件及车辆本身颜色多样性的影响,很难从遥感影像中直接提取道路车辆。为此,本文提出了一种结合遗传算法和数学形态学的遥感影像道路车辆提取方法。首先利用模糊聚类方法建立影像分割模型,并利用遗传算法对其进行求解,从而实现影像中道路、车辆及环境的精确分割;然后对分割结果中不同层进行赋值,实现分割结果的二值化;最后利用数学形态学操作从分割的道路-车辆的二值结果中剔除道路,从而实现道路车辆的提取。利用本文方法对航空影像进行了道路车辆提取试验。试验结果表明,本文方法不仅能够准确识别地面车辆位置,还能精确提取其轮廓线。     

利用PLSA技术进行图像分割

引用概率潜语义分析（PLSA）技术作了航空影像图像分割的尝试,介绍了PLSA图像分割的原理方法和分割的具体算法。通过三幅航空影像分割实验,并与生物地理学图像分割（BBOIS）方法和基于吸引子算法的结果作了对比,结果表明,本文方法具有一定的优越性,是一个很有潜力的图像分割方法。     

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。     

高分辨率影像融合算法对滨海湿地土地利用分类精度的影响

针对融合算法对影像分类精度具有明显影响的问题,本文选择连云港海岸带埒子河口滨海湿地为研究区,以GF-1卫星影像为数据源,首先分别使用Gram-Schmidt算法、PCA算法及Brovey算法进行影像融合。然后在eCognition软件平台上,基于面向对象多尺度分割技术,利用随机森林算法对影像进行土地利用分类,并对分类结果进行精度评价。试验结果表明,不同融合算法影像融合效果明显不同,其中,Gram-Schmidt算法融合后的影像质量最好,且分类精度最高;Brovey融合算法对植被和水体有较好的光谱保真性,并且改变波段组合后分类精度有明显提高;PCA算法在3种融合算法中精度最低。     

基于边缘的多光谱遥感图像分割方法

从Marr视觉计算理论和Tobler地学第一定律出发,提出了基于边缘的多光谱遥感图像分割方法.在基于边缘的多光谱遥感图像分割方法中,由边缘检测、边缘综合、边缘生长、区域标号等环节组成.该遥感图像分割方法在可视化开发平台Delphi中予以编程实现.将之应用于日本熊本市（Kumamoto）的Quickbird多光谱遥感图像中,并与多种遥感分割算法进行了比较：（1）从多光谱遥感图像各波段亮度信息利用的程度上看,提出的遥感图像分割方法能充分利用多波段亮度信息;（2）从遥感图像分割结果上看,由于分别对不同的波段进行边缘检测,并在此基础上进行边缘综合、边缘生长,遥感图像中的细节特征得到了充分体现,遥感图像分割效果更理想;（3）从计算复杂度和计算效率上看,基于边缘的多光谱遥感图像分割法较其他分割方法有一定的优势.     

一种融合PSO和Isodata的遥感图像分割新方法

针对当前遥感图像分割方法存在的缺点,将人工智能领域的粒子群优化方法应用到遥感图像分割方面,提出了一种融合PSO和Isodata的遥感图像分割新方法。对不同分辨率遥感图像的分割实验结果表明,融合PSO和Isodata的遥感图像分割新方法能够自适应确定聚类数目,避免了聚类过程的随机性,使分割结果更加接近实际情况。     

面向地学应用的遥感影像分割评价

影像分割是面向地理对象影像分析(GEOBIA)中的一个关键环节。分割评价有助于为影像选择合适的分割方法和最佳分割尺度。本文提出一种以遥感地学应用面向的对象为依据的分割方法分类及评价体系。首先将影像分割方法分为面向局部特征监测的典型目标识别和面向全局特征监测的面向GEOBIA的分割方法两组,进而针对这两组分割方法提出了两套分割评价测度指标及相应的综合评价方法。在面向典型目标识别的分割方法评价中,使用区域内部非均质度、区域间灰度对比度、区域间散度对比度、边界点梯度和单位像素运行时间作为评价测度,并针对由于评价测度间的相关性而无法直接确定各测度权重分配的问题,提出利用熵权法为各个评价测度分配权重以获得综合评价结果的分割评价方法,该评价方法可用于选择合适的分割方法。用于面向GOEBIA的分割方法中使用分割区域内均质性和区域间异质性作为评价测度,这种评价方法适用于选择最优分割尺度参数。本文通过定量试验论证了这两种评价方法的有效性,试验结果表明其在遥感应用中具有实际意义。最后本文分析了影像分割评价方法的不足及未来的发展方向。     

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。     

基于分水岭和多尺度分割方法的耕地信息提取

在探讨了分水岭和多尺度相结合的影像分割方法的基础上,研究了高分辨率影像耕地的信息分类以及分类精度评定;重点对影像分类精度进行了分析,在影像分类的过程中,分别采用基于像素的分类方法和基于对象的分类方法,实验结果表明基于对象的耕地分类方法精度远高于传统的分类方法。