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。     

二值马尔科夫模型和多波段遥感影像的多尺度纹理分割

提出一种二值马尔科夫纹理分割模型,用于多波段遥感影像的纹理分割。将一次性多类纹理分割问题转化为多次的二类纹理分割,综合考虑影像二维空间尺度和光谱空间尺度,采取多级二值分割的方式,得到多尺度纹理分割结果。     

基于MRMRF的多光谱纹理影像分割方法

提出了一种新的基于多分辨率马尔可夫场(multiresolution Markov random field,MRMRF)模型的小波域多光谱纹理影像分割方法。该方法采用可变的权重参数连接小波分解的多尺度特征场和标记场,通过直接映射,将上一尺度的分割结果作为下一尺度的初始结果,最细尺度上的分割结果作为算法的最终分割结果。实验表明,本文算法能够降低多光谱纹理图像分割的错误率。     

纹理模型法用于影像纹理分类

在分析分形维和马尔可夫随机场两种主要纹理模型法的基础上,提出了先用马尔可夫随机场方法进行纹理分类,再用分形维方法对那些具有相同马尔可夫随机场模型及参数值相近的纹理影像进行分类的方法。     

广义马尔可夫随机场及其在多光谱纹理影像分类中的应用

在二维马尔可夫随机场模型的基础上，提出顾及波段间的空间相关性，发展了一种适用于多光谱纹理影像分类的广义马尔可夫随机场模型。鉴于广义马尔可夫随机场模型的复杂性，利用最大伪似然法建立了求解模型参数的简化方程式，实现了纹理特征的快速提取。结合提取的纹理特征影像和光谱特征影像，采用概率松弛算法实现影像的分类。实验证明，提出的基于广义马尔可夫随机场的多光谱纹理影像分类算法克服了传统的基于光谱特征的分类算法的局限性，提高了纹理影像的分类精度。     

纹理模型法用于影像纹理分类

在分析分形维和马尔可夫随机场两种主要纹理模型法的基础上,提出了先用马尔可夫随机场方法进行纹理分类,再用分形维方法对那些具有相同马尔可夫随机场模型及参数值相近的纹理影像进行分类的方法。该方法不仅能提供出影像纹理的纹理基元,还能给出影像粗糙性、自相似程度,减少了纳伪误差。     

一种基于马尔科夫随机场模型的彩色纹理图像分割

提出了一种基于Gabor滤波和马尔科夫随机场的彩色纹理特征图像的分割算法。首先对色彩和纹理特征进行了分析,将RGB色彩空间非线性变换到CIE-LUV空间,构造颜色的特征向量;然后对原始彩色图像进行Gabor滤波和高斯平滑处理,得到恰当表示原图像的灰度纹理图像;再对原图像建立MRF分割模型,结合色彩和纹理信息,运用贝叶斯理论和迭代优化算法估计最大后验概率(MAP)。实验表明,本文方法可以有效地实现图像分割。     

基于小波域分层Markov模型的纹理分割

提出了一种新的小波域分层Markov模型。该模型使用高斯马尔可夫随机场(Gauss Markov randomfield,GMRF)模型描述每一尺度小波系数向量的分布,考虑了同一尺度特征之间的相互作用;利用尺度间的因果马尔可夫随机场(Markov random field,MRF)模型和尺度内的非因果MRF模型来描述标记场的局部作用关系,以此确定标记场的先验信息。根据贝叶斯准则,利用多目标问题优化技术,给出了此模型相应的纹理分割算法。最后,与经典模型的分割算法进行了对比实验,验证了所提出算法的有效性。     

基于非规则无参数MRF模型的遥感影像像斑空间关系分析方法研究

针对遥感影像像斑特点和单像斑分析的不足,提出一种非规则马尔可夫随机场模型,将空间关系特征应用于遥感影像像斑的解译.该方法将基于邻接关系定义的随机场与BP神经元网络相结合,通过建立无参数邻域势函数,采用基于类别相邻规律的迭代统计方法,避免了传统吉布斯参数的复杂估计过程,实现了像斑单点势能和邻域势能计算.试验证明,该方法能有效实现像斑自身特征和邻域特征共同参与像斑属性判断,显著提高遥感影像像斑分析效果.     

纹理特征遥感影像分割研究

影像分割是面向对象的分类思想应用于遥感影像信息自动提取的基础,纹理是影像的基本特征,是影像分析、理解和识别的重要信息,纹理特性的有效表达和抽取,是基于纹理影像分割的前提。本文系统概述了近年来各类文献中使用频率较高的基于纹理的遥感影像分割方法,并以基于统计的方法、基于纹理结构的方法、基于模型的方法和基于空间/频率的方法四种基本类型为主线,对每一类分割方法的特点进行了分析和总结,在此基础上指出了基于纹理特征遥感影像分割的研究趋势。     

基于Wold特征的遥感图像的分割

马尔可夫随机场模型是一种较好的纹理模型，但由于它是一个低阶的纯随机模型，因此用于图像分割时，区分相近纹理的能力仍然有限。将结合2维Wold分解技术来对遥感图像进行分割，通过调整不同性质谱分量的比例关系，放大相近谱峰值之间的差别，从而有利于Harmonic滤波器的信号选取，改善低阶马尔可夫分割场模型不能刻画结构性纹理的缺点。实验方法对城区目标进行提取，结果表明该方法的有效性优于纯Markov随机场所采取的分割方法。     

卫星遥感影像纹理分析与分形分维方法

讨论了影像纹理分析的分维估计原理和具体方法,提出了多波段影像纹理概念和实施方法,介绍了以所述原理进行基于分维估计的单波段和多波段影像纹理分析试验的结果。     

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。     

一种基于马尔可夫随机场的影像纹理分类方法

针对纹理影像先估计出其马尔可夫随机场参数,后运用多元统计分析中模糊聚类分析的数学方法进行定量分类,从而为解决划分上的不确定性现象找出描述方法,获得客观的分类结果。     

顾及上下文信息的混合广义高斯密度模型遥感影像分类方法研究

提出了一种基于混合广义高斯密度模型(generalize Gaussian mixture model,GGMM),并顾及影像上下文信息的遥感影像分类方法。试验结果表明,该方法具有较强的鲁棒性,分类精度较传统的分类方法要好,在细节保持方面,较某些尺度上的面向对象的分类方法要好。     

基于MRF参数的纹理识别的线性规划法

介绍了基于MRF参数的线性规划法纹理识别的原理和单纯形算法。通过对7种从航空像片上采集的典型纹理的分类实验表明,平均正确识别率为0.94,平均正确拒绝率为0.92。