基于分水岭变换的遥感影像面向对象多尺度分割算法研究

面向对象多尺度分割技术建立一种基于多尺度分割、逐级分层提取地物边界的方法。并基于这一思想,提出基于分水岭算法和异质性最小区域合并算法相结合的快速分割方法。试验表明,该方法能快速准确地获得高分辨率遥感图像的分割结果。     

结合异质性及分水岭变换的遥感影像分割方法

面向对象的遥感信息提取,首要任务是对遥感影像进行分割,分割的目的在于把原始图像分割成一些在空间上相邻、光谱相似的同质区域。传统的分水岭变换对噪声敏感,易产生过分割现象,不能直接适用于遥感影像的信息提取。本文利用非线性同组滤波方法(PGF)消除原始影像噪声,根据高分辨率遥感影像地物的异质性特征,对分水岭初始分割结果进行异质性准则合并。实验结果表明,该方法对高分辨率遥感影像的分割效果良好,能够适用于面向对象的信息提取。     

利用小波变换的高分辨率多光谱遥感图像多尺度分水岭分割

为了减少仅用分水岭变换而导致的过分割问题,本文提出利用小波变换的多尺度处理方式用于融合后多光谱QuickBird图像的分割。整个分割过程包括多尺度图像表示、图像分割、区域合并和结果映射等过程。首先,依据原始图像的大小确定分解尺度并用小波变换产生各波段的低尺度图像。采用相位一致模型提取各近似系数的梯度,并逐尺度地融合各梯度图。分析不同尺度下的不同地物的局部梯度方差,以选择最佳的小波分解尺度。然后,通过移动阈值与扩展最小变换,利用多层次标记提取方法标记均质区域。进而,在梯度重建的基础上利用标记分水岭变换得到分割图像。其次,采取空间相邻关系、面积、光谱与纹理等多约束策略,以搜索最小合并代价的方式合并最初分割区域中的邻接区域对。最后,修改细节子图并进行小波逆变换将最初分割结果投影到更高尺度图像,同时处理边界上的像元以保持区域边界直至原始图像。实验结果表明本文方法不仅能够用于高分辨率多光谱遥感图像的分割,而且缓解了过分割问题且取得了较准确的分割效果。     

基于并行预分割的高分辨率遥感影像多尺度分割

分析高分辨率影像多尺度并行分割过程中数据分块间会产生“分隔线”的问题,发展了一种基于并行预分割的多尺度分割方法避免了“分割线”的产生,消除了其所带来的种种问题。实验结果表明：通过合理的阈值设置,并行预分割所得到的影像对象基本准确,最终分割也取得了较为理想的结果;且对于多种尺寸的遥感影像,基于并行预分割的影像分割过程相对于并行算法实施之前,效率都有了显著提升。     

一种面向对象的遥感图像多尺度分割方法

在分水岭分割算法的基础上,分析了分割后各个对象的性质及特点;在初分割的基础上,建立了各个对象之间的拓扑关系;再运用异质性最小的方法实现了区域合并,最终实现了图像的多尺度分割。     

一种区域自适应的遥感影像分水岭分割算法

提出了一种区域自适应的标记分水岭分割方法。该方法利用高斯低通滤波和概率统计相结合的方法,对梯度影像进行区域自适应阈值分割,提取分割标记,然后采用Meyer算法进行标记分水岭分割。实验结果表明,该算法能够有效解决遥感影像不同区域的分割问题,达到比较理想的水平。     

基于多尺度分割的对象级影像平滑算法

提出了一种对象级的保边缘影像平滑算法。该算法利用空间聚类对影像进行多尺度分割,在分割过程中,提取出不同尺度下的符合凸面模型(convexity model)的影像对象(image object);依据对象的统计参数对影像对象进行筛选,符合要求的影像对象内部进行平滑处理,其余对象不受影响。利用该方法可以有效地去除噪声和无用小目标,在不破坏指定目标边缘的同时,实现影像的平滑处理。     

标记分水岭算法及区域合并的遥感图像分割

传统的分水岭算法通常对梯度图像进行无标记分割，其结果是容易造成过度分割。本文采用了一种基于标记的分水岭算法，首先,利用Sobel边缘算子对原遥感图像进行梯度重建，获得梯度幅值图像，同时计算待分割区域的周长、面积和形态因子，并对其进行标记； 然后,利用距离函数图标定种子法和等值线跟踪法获得初始分割图像； 最后，利用改进的区域合并方法获得最终的分割结果。实验结果表明了该方法的有效性。     

高分辨率遥感影像多尺度分割中最优尺度选取方法综述

目前,对高分辨遥感影像进行地物获取一般采用面向对象的理念,而影像分割是面向对象理念中至关重要的初始环节,分割结果的好坏将直接影响后续的分类工作,分割尺度的选取已经成为了当前研究的一个热点。本文详细总结了前人对高分辨遥感影像多尺度分割中最优尺度的获取方法,指出了各方法的不足之处,并提出了尺度评定的研究前景。     

多特征融入的自适应遥感影像多尺度分割

针对现有遥感影像分割未充分利用丰富的地物属性信息,且分割模型采用全局固定参数未考虑特征维度空间的局部统计特性的局限,提出了一种多特征融入的自适应遥感影像多尺度分割方法.实验表明,本方法能有效利用基元的多维特征和特征维度空间局部统计信息,得到更合理的影像分割结果.     

分水岭变换在遥感影像线状特征提取中的应用

在现有目标识别方法的基础上,提出一种结合目标的特性进行分水岭变换提取目标的方法。试验结果表明,这种方法可以有效地从遥感影像中提取线状特征。     

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HIS变换和WT变换的遥感影像融合

遥感影像信息融合是近年来国际遥感领域的研究热点.传统的遥感影像融合主要是HIS变换法、加权平均法、PCA法等.利用小渡变换(WT)技术进行遥感影像融合是近年来的研究热点,但其直接舍弃了全色图像的低频率分量,在结果图像中容易出现分块效应.本文结合HIS变换和小波变换的互补性,提出了一种基于HIS变换和小波变换的遥感影像融合方法.通过实验、直观和定性分析,新方法既可以增强融合影像的空间细节表现能力,同时也很好地保留了多光谱影像的光谱信息.     

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。     

基于层次密度分析的遥感影像分割方法

传统的全局性密度分析指标往往无法适应局部集群分布特征,提出一种新的层次密度分析方法,达到自适应遥感影像分割的目的,取得了较好效果。     

基于语义分割的遥感影像建筑物提取

针对在遥感影像的建筑物提取过程中,建筑物密集且离散分布带来提取效果一般的问题,采用一种特征信息增强的U-net网络.模型使用MobileNet主干网络做编码器,用于影像的建筑物特征提取,考虑到下采样时低维信息逐渐丢失,以致边缘提取效果不佳,网络结合形态学的膨胀和闭运算优化提取结果的精度.实验结果表明,在多场景高分辨率的武汉大学遥感影像建筑物数据集上,结合形态学后处理的M-Unet(MobileNet U-net)提取结果不仅在视觉效果上表现优异,而且在精确度、召回率、F1-score、平均交并比MIou(Mean Intersection overunion)4个指标上分别达到96.2％、76.6％、84.6％和74.5％,均优于相同主干网络下的Pspnet和Segnet.     

基于直线和区域特征的遥感影像线状目标检测

针对高分辨率航空遥感影像中线状目标的特点,提出一种结合区域和直线特征识别线状目标的方法。在基于标记点分水岭变换进行初始分割的基础上,利用关于目标的知识和区域邻接图(RAG)对感兴趣区域进行合并,得到最终检测结果。实验结果表明,本文方法可以有效地从遥感影像中提取线状目标。     

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。