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.     

一种改进的变权重MRF遥感图像变化检测方法

基于马尔科夫随机场(Markov Random Field,MRF)模型下的遥感图像变化检测因固定组合能量函数导致的边缘分割模糊问题,提出了一种改进的变权重MRF遥感图像变化检测方法。该方法首先通过模糊C均值(Fuzzy C-means,FCM)算法对差值图像进行聚类分割,并依此分割结果作为变权重MRF的初始分割条件进行最终的分割;最后对分割结果进行掩膜处理,得到最终的变化检测结果。采用真实遥感影像进行对比实验,结果表明所提方法变化检测精度更高,边缘检测更加平滑,区域一致性更好。     

结合双树复小波纹理特征和MRF模型的遥感图像分割

针对经典的小波纹理不能准确地表达影像纹理特征的问题，以及影像分割结果缺少对像元空间相关性和分布关系的考虑。本文提出了结合双树复小波（DT-CWT）纹理和马尔可夫随机场（MRF）模型的高分辨率遥感影像分割方法。首先，通过双树复小波变换提取影像纹理特征，联合光谱特征形成表达影像信息的混合特征向量；然后，将混合特征向量高斯归一化处理，并用K-means聚类的方法对特征空间中的混合特征向量聚类得到初始分割图；最后，借助马尔可夫随机场模型在初始分割结果中引入上下文信息，基于贝叶斯最大后验概率准则得到最终的分割结果。本文通过双树复小波纹理提高了特征表达的准确度，同时使用马尔可夫随机场模型减弱了分割结果中同质区域的“椒盐噪声”，从而进一步提高了高分辨率遥感影像分割的精度。     

视觉感受与Markov随机场相结合的高分辨率遥感影像分割法

鉴于视觉感受对外界强大的感知与识别能力,模拟视觉神经感知的工作机制,并结合Markov随机场模型,提出一种影像分割方法。首先,分析视觉感知系统的工作机制,将其特性归纳为等级层次性、学习能力、特征检测能力和稀疏编码特性,继而利用小波变换、非监督聚类、特征分析和Laplace分布模拟视觉工作机制,然后结合Markov随机场模型实现高分辨率遥感影像的分割。通过不同卫星的真实遥感影像进行了相关试验。试验结果表明本文提出的方法在高分辨率遥感影像分割任务中有非常良好的表现。     

结合特征场和标号场MRF的区域化纹理图像分割

为了实现对纹理图像的分割,需利用建模像素间相互作用关系,因此本文利用在标号场和特征场中分别建模邻域多边形和邻域像素之间的作用关系,并提出一种基于马尔科夫随机场(Markov Random Field,MRF)的区域化纹理图像分割方法。即利用Voronoi划分技术,将图像划分为若干个多边形;在标号场上利用Gibbs分布建模相邻多边形标号间的相互作用,在特征场上利用高斯分布建模多边形内邻域像素间光谱测度的相关性;结合贝叶斯定理建立分割模型;通过最大期望值(Expectation Maximization,EM)算法来估计模型参数,进而获得最优分割结果。本文分别对合成纹理图像、自然纹理图像和遥感图像进行分割实验,并对分割结果进行定性和定量评价。通过计算混淆矩阵得出Kappa值为0.97,满足了优秀分类器的标准。本文提出的算法具有很强的抗噪和描述复杂光谱测度的能力,可行性好,准确性高。     

一种新的MSTAR SAR图像分割方法

提出了一种新的MSTAR SAR图像分割方法。该方法首先根据地物的散射机制进行属性散射中心(attributed scattering centers,ASC)特征提取,构造属性散射中心特征向量;然后使用马尔科夫随机场(Markov random field,MRF)结合属性散射中心特征对MSTAR SAR图像进行空间邻域关系描述;最后运用标号代价能量优化算法得到最终的分割结果。MSTAR SAR数据上的实验结果证明了其有效性。     

一种基于退化模型的高分辨率SAR去噪算法

为了保持高分辨率合成孔径雷达（SAR）图像中的纹理结构，提出了一种基于高斯．马尔可夫模型（Gauss-Markov Model）的方法来抑制SAR图像的斑点噪声。通过引入贝叶斯分析框架，建立Markov随机场的退化图像恢复模型，从而将图像的恢复问题转化为求解最大后验概率（MAP）问题，并直接从噪声图像中估计随机场模型参数进行有效的噪声抑制。实验结果表明，对所研究的高分辨SAR图像，基于退化模型的去噪算法（RMBD）不论是在噪声的去除上还是在结构信息等细节的保持上均不同程度地优于其他常用斑点去噪方法。     

基于马尔柯夫随机场的多波段遥感影像纹理分割研究

利用马尔柯夫随机场（MRF），对光谱矢量在二维空间的映射模式予以描述，建立了基于马尔柯夫随机场的多波段纹理模型，提出了在多波段遥感影像中吉布斯（Gibbs）分布势函数和吉布斯参数的计算方法，并提出了一种迭代修正的多波段遥感影像纹理分割方法。     

一种有效的MSTAR SAR图像分割方法

提出了一种有效的MSTAR SAR图像分割方法。该方法首先对待处理图像进行过分割操作,得到过分割图像区域,然后对过分割后的图像进行图像区域级和像素级的特征提取,得到用于表示图像的特征向量,接着对MSTAR SAR图像使用空间隐含狄利克雷分配模型(sLDA)和马尔科夫随机场(MRF)建立本文所提出的模型,得到能量泛函,最后运用Graph-Cut算法和Branch-and-Bound算法对能量泛函进行优化,得到最终的分割结果。通过使用MSTAR SAR图像进行分割实验比较,仿真结果表明了方法的有效性。     

基于模糊马尔可夫随机场的无监督遥感图像分割算法

遥感图像分割是对遥感图像进行处理的最为关键的一步.马尔科夫随机场模型作为先验模型,在图像分割领域已经得到了广泛的应用,实践证明该模型有助于提高图像分割的效果.但是由于环境和传感器的影响,遥感图像具有灰度变化大、纹理复杂及边界模糊等特点,经典的马尔科夫随机场模型在遥感图像分割中的分割效果通常并不理想.本文针对遥感图像分割中某些像素分类的不确定性,建立了模糊马尔可夫随机场模型(FMRF).该模型结合分割问题中的随机性与模糊性,更合理地获取了图像的先验知识,较好地符合了遥感图像的特点,因而使得图像分割过程中使用先验知识更为准确.同时算法针对遥感图像的特点,结合了图像的灰度特征和纹理特征,从而使其能更准确地区分图像中的不同类.为使两种特征能够很好地结合,本文采用了贝叶斯分割方法,使用权值对图像特征进行权衡.同时本文采用最大期望算法(EM)对不完整的数据进行估计,应用模拟退火算法(SA)获得全局最优解,从而实现了无监督分割.实验证明,对于SAR图像,该方法较经典的马尔可夫随机场(MRF)算法和模糊C-均值(FCM)算法更好地处理了边缘的混叠,明显减少了斑点噪声,使分割结果更加准确.     

基于遥感信息的北京硬化地表格局特征研究

地表硬化是城市发展的重要特征之一,识别地表硬化程度对认识城市景观格局、物流、能流等社会、经济、自然过程具有重要意义.研究利用TM遥感影像,发展城市地表硬化度的遥感分析方法,提出地表硬化度指数,应用主成分回归方法,有效地拟合了地表硬化度和多光谱因子的关系(RTM=0.851,p<0.001).经统计检验:基于TM拟合的地表硬化度和真实的地表硬化度的相关性达到0.91(R=0.91).在此基础上,应用地表硬化度指数和基于目标分割的遥感分类方法,研究了北京市建城区(5环内)地表硬化度和建设密度的空间格局.结果表明:北京市城区中等(地表硬化度在50%-70%)和高密度建设用地(地表硬化度大于70%)总体比例大于70%,占绝对优势,其景观斑块的大小、形状等格局特征主导了北京城区景观格局的总体特征.但2-5环不同环带内硬化地表的格局特征明显不同.3-4环带是近20年城市发展的核心区,地表硬化格局综合体现了城市不同发展阶段的土地利用特征;2环带是老城区,以老北京胡同和文化古迹为主,高密度建设用地比例最高;5环带是城乡过渡区,以村镇、开发区为主体的高密度和中等密度建设覆盖比例为68.8%,斑块异质性较其他环带低,以林地、耕地等为主的硬化度较低的土地覆盖比例是31.2%,斑块异质性更低.     

基于MSA特征的遥感图像多目标关联算法

遥感图像中多目标关联存在以下两个问题:一是低时间分辨率观测使得目标状态信息无法准确估计,基于Kalman滤波的多目标关联算法不再适用;二是基于图像特征的目标关联算法又无法处理大场景观测中多个目标关联引起的模糊性.针对上述问题,提出一种基于多尺度自卷积特征匹配和关联代价矩阵最优化的多目标关联算法.实验表明该算法对遥感图像中多目标关联问题具有一定的适用性.     

遥感影像预分类精度对地物面积空间抽样估算的敏感性分析

传统的地物面积测量受精度和效率制约,为此引入了结合遥感影像的空间分层抽样方法.首先以遥感影像的预分类结果作为模拟地物的真实分布,在地物外沿等概率随机添加不同比例的错分像元,从而获得准真实地物区的摸拟预分类结果,并依此设定各层等比例取样的样本人层标志,指导地物样本的选取,然后以抽中样本地物的准真实值之和按比例推算出总量.通过比较分析各水平含量的地物类别、不同预分类精度、层内随机和系统抽样下的多次总量估计精度及其稳定性变化情况,结果表明:该方法不需要背景数据库等先验知识,在预分类达到一定精度之上时,依分类区域设立层标志的分层抽样方法所获得的总量估计精度及标准差均好于无分类支持的随机和系统抽样;当预分类精度达到50%以上时,具有较高的成本效率比,其中在60%时,各类地物在0.5%抽样率、95%的置信度下可以保证估计量精度在92%以上.     

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.     

农村中小学布局调整之空间可达性分析——以河南省巩义市初级中学为例

中小学布局调整是教育主管部门面临的一项重要任务,涉及教育资源的公平分配和合理利用,影响到义务教育法的落实和实施.在探讨中小学布局调整原理与方法的基础上,使用地理信息系统(GIS)技术建立人口分布、学校分布和交通条件等数据库,计算空间可达性指标,定量分析每一个居住区位学生上学的便捷程度,评估教育资源的空间分布差异,为学校布局规划提供重要的参考依据.使用比例模型、最近距离模型、机会积累模型、重力模型和改进重力模型,以巩义市初级中学为例,揭示学校分布与人口分布之间的关系,期望为农村中小学布局调整提供评估方法和规划依据.案例研究发现:农村义务教育在资源配置、最近入学距离、择校机会、供需平衡方面仍有一定的不均衡性.建议使用GIS和空间可达性指标评估中小学布局调整的公平性;进一步探索学生择校的空间规律,并使用Huff模型模拟学校与学生的最佳配置,为布局调整奠定定量分析基础.     

基于误差分析的组合分类器研究

提出了一种基于误差分析的组合分类器,通过结合两种监督分类方法,提出的算法分别估计了两种监督分类方法在计算过程中的误差,给出了规则输出的置信区间,再根据置信区间的大小对两种分类方法的输出结果进行加权平均,从而得到更精确的规则输出.利用该方法对遥感图像进行分类实验,在不同训练样本分布与不同训练样本数量的情况下,比较新的组合分类器与单一分类器的精度.结果表明新的组合分类器能够取得比单一的分类器更高的分类精度.结果还显示出,两个分类器的独立性越强,组合分类器的效果越好.另外一个实验比较了新的组合分类器与和式规则组合分类器的分类精度,结果仍显示出了新方法的优越性.     

基于支持向量机(SVM)单目标SAR图像分割

将考虑SAR图像局部灰度均值和方差及像素空间分布特征等统计量,以灰度共生矩阵产生的纹理统计量为特征向量,经过归一化后进行特征选择,然后输入到支持向量机中进行训练建模,利用支持向量机分类方法,以实现分割结果.最后,将此方法分类结果与传统方法进行了比较,从对比结果可以看出此方法行之有效.     

遥感图像分割的低维纹理特征算子与双变异蝴蝶优化算法

针对光学遥感影像受天气影响导致部分地物间形成弱边缘问题,提出一种低维纹理特征算子与双变异蝴蝶优化算法。首先提出一种适用于遥感影像的低维完备局部三值模式的纹理特征提取算子,并将其引入简单线性迭代聚类算法,对遥感影像进行初始分割,减小了噪音影响,同时增强算法对弱边缘的敏感度和分割准确性;然后采用双变异蝴蝶优化的支持向量机合并同质超像素块,以简单线性迭代聚类算法和低维纹理特征算子得到的综合特征作为输入,得到最终分割图像。利用2组高分辨率遥感影像进行分割实验,并与当下流行的卷积神经网络进行对比,实验结果表明,所提算法相较于传统算法对弱边缘有更好的分割效果,数据一的边界回归率(boundary recall,BR)值较对比算法平均提高了1.9%,Kappa系数平均提高了0.036;数据二的BR值较对比算法平均提高了2.33%,Kappa系数平均提高了0.027。对比实验证明了所提算法相较于卷积神经网络有更好的泛化性。