基于改进分块阈值的SAR图像分割算法

提出改进分块阈值的SAR图像分割算法,该算法不但能够充分利用图像的局部细节信息,而且利用子图像块上边和左边子图像块的统计特征,增加子图像块间的连续性限制条件。通过试验对比,证明本文提出的算法能够得到更好的分割效果。     

基于粒子群优化算法的最大类间方差多阈值图像分割

最大类间方差法是图像分割中一种常用的阈值分割方法,对于单阈值分割具有显著的效果,但是对于多阈值分割,计算复杂度大、耗时较多。本文将粒子群优化算法与最大类间方差法结合,提出了一种新的图像分割方法,该方法利用粒子群优化算法的寻优高效性,并由灰度图像的最大类间方差值作为适应值,搜索最优分割阈值,实现图像的多阈值分割。实验结果显示,新方法大大缩短了寻找最优阈值的时间,降低了运算复杂度,提高了图像分割速度,说明基于粒子群优化算法的图像分割算法是可行的、有效的。     

快速的Otsu双阈值SAR图像分割法

提出了一种结合规则划分和M-H（Metropolis-Hastings）算法的SAR图像分割方法。首先,利用规则划分将图像域划分成子块,并假设每个子块内像素服从同一独立的Gamma分布;根据贝叶斯定理,构建基于子块的图像分割模型;然后,利用M-H算法模拟该分割模型,实现SAR图像分割及模型参数估计。在M-H算法中,设计了改变参数矢量、改变标号场及分裂或合并子块三个移动操作。为了验证提出的分割方法,分别对真实及模拟SAR图像进行分割实验。定性及定量评价结果表明了本文方法的可行性及有效性。     

基于多尺度空间分析的图像阈值分割方法

在通过一阶差分确定阈值的基础上,依据多尺度滤波思想,提出一种基于多尺度空间分析的阈值分割方法对图像进行分割。将该方法与其他分割方法进行了比较,证明了本文算法的有效性。     

粒子群算法及多阈值指数熵的遥感影像变化检测方法研究

在遥感影像检测中,一般采用多变化阈值来提高检测精度,但会导致运算量的增加。为解决该问题,提出利用粒子群算法及多阈值指数熵的遥感影像变化检测新方法。首先采用影像差值法构造差异影像;然后提出利用粒子群和多阈值指数熵的遥感影像分割方法,并将其用于对差异影像进行分割获取变化区域;最后对选取的实验数据进行变化检测,并与基于模糊C均值、双阈值指数熵、三阈值指数熵的非监督变化检测方法进行比较。实验结果显示,提出的变化检测方法其精度为94.77%,本案方法是一种有效地、可靠的遥感影像变化检测方法。     

改进的自适应遗传算法在遥感图像分割中的应用

为了自动确定遥感图像分割的最佳阈值,本文提出了一种改进的自适应遗传算法,并利用该算法对二维Otsu图像阈值分割函数进行了全局优化,提高了分割闻值的求解速度。该算法能够根据个体适应度大小和群体的分散程度自动调整遗传控制参数,从而能够在保持群体多样性的同时加快收敛速度,克服基本遗传算法的收敛性差、易早熟问题。实验结果表明,该算法具有良好的收敛速度和稳定性,达到较好的图像分割效果,大大缩短了计算时间。     

基于智能遗传算法和Otsu法的多目标图像分割方法

为了克服传统遗传算法在优化多目标图像分割参数时易陷入局部收敛和搜索效率低的缺陷,本文提出一种基于智能遗传算法和Otsu法的多目标图像分割方法,并将它应用于航空影像的分割。实验结果表明,本文提出的算法比传统遗传算法可以更加快速、更稳定地获取图像分割的最优阈值。     

改进分数阶达尔文粒子群的多Renyi熵图像分割算法

针对智能优化图像分割算法易陷入局部最优、分割精度不高等问题,本文融合改进的分数阶达尔文粒子群算法和二维Renyi熵多阈值,提出了一种新的多阈值遥感图像分割算法。算法利用粒子自身进化信息来定义进化因子,结合进化因子并利用高斯图函数调整分数阶次a系数以实现精确计算和快速收敛;根据局部最优概率因子对局部最优位置进行Levy飞行随机扰动以提高算法跳出局部最优的能力;同时将二维Renyi熵单阈值扩展到多阈值分割上,并结合改进的分数阶达尔文粒子群算法,将二维Renyi熵多阈值应用于遥感图像分割中仿真结果表明,与其他2种智能优化分割算法相比,本文分割算法在细节处理和分割精度上均有明显优势,在PRI上至少提升7.27%、VOI至少降低6.5%、GCE至少降低10.4%.     

基于多分辨分析的图形图像滤波算法

本文在分析了现有的基于小波分析的滤波算法之不足的基础上，提出了一种新的基于多分辨分析的信号与噪声分离方法和相应的图形图像滤波算法，该方法在滤去噪声的同时可以较好地保持图形图像上的结构特征。     

基于Matlab分割彩色等高线地形图

彩色地形图包含丰富的地理信息,通过黑、绿、棕、蓝等颜色表示道路、等高线、河流等空间信息,对识别地物、丰富地形图有着重要的作用.地形图中等高线是内插生成数字高程模型,显示三维地形的基础数据,分割彩色地形图对指导等高线自动提取工作意义重大.通过研究图像分割原理和方法,基于Matlab软件结合阈值分割对彩色地形图等高线进行实...     

结合LOG算子和大津法的遥感影像边缘检测方法

针对遥感影像具有丰富的细节和混合噪声,采用传统高斯拉普拉斯(LOG)算子难以有效地提取遥感影像地物边缘信息,文章提出一种结合LOG算子和大津法(Otsu法)的遥感影像地物边缘信息提取算法。此算法采用中值滤波对原始影像进行消噪,利用Otsu算法对滤波后影像进行自适应阈值分割得到目标影像,采用LOG算子对目标影像进行边缘信息提取。以安宁某区域的遥感影像为例,实验结果表明,提出的算法与传统LOG算子相比,具有更高的提取精度,能有效地提取出遥感影像的真实边缘、减少伪边缘。     

Otsu法、区域生长法及形态学相结合的遥感图像海岸线提取

针对现有的海岸线提取方法精度低,无法满足处理各种传感器卫星图像及对线性多样复杂的海岸线提取的需求,本文提出了一种将Otsu法、区域生长法及形态学相结合的遥感图像海岸线提取方法。并且通过试验证明,该海岸线提取方法可以充分发挥Otsu、区域生长法及形态学方法在提取海岸线方面的各自优势,大大提高了海岸线的提取精度。并利用该方法对两种不同的卫星图像数据进行海岸线提取,验证了该方法在不同条件下均有良好的适用性。     

JSEG改进算法在多光谱遥感影像区域分割上的应用

图像分割是对图像进行感兴趣区域提取与识别的基础,是图像分析的关键步骤.基于区域分割的JSEG算法是一种既融合了颜色信息又融合了空间信息的图像分割方法,在普通图像和视频图像中都能得到良好的分割结果.将这一算法引入到遥感影像的分割中,并对其做出改进,使之适用于多光谱遥感影像和纹理特征复杂的遥感影像的区域分割.实验结果表明,该算法很好的解决了由于影像中复杂的地物信息而产生的不同区域边界模糊的问题.     

基于数学形态学的第四系地层遥感影像分割

利用数学形态学的方法对遥感影像的第四系地层进行了影像分割实验。经实验结果得出,利用数学形态学的基本运算组合成的各种算子:高、低帽变换、滤波与阈值截取相结合的增强方法,通过选择合适的结构元素,对图像进行预处理后,就可以用形态学方法对第四系地层进行影像分割。经过处理的遥感影像,能够更有效地提取影像的目标。实验结果表明了本文所提的方法的有效性。最后,对形态学方法的不足之处和将来的研究方向展开了讨论。     

A comparison of unsupervised segmentation parameter optimization approaches using moderate- and high-resolution imagery

Unsupervised segmentation optimization methods have been proposed to aid in selecting an “optimal” set of scale parameters quickly and objectively for object-based image analysis. The goal of this study was to qualitatively assess three unsupervised approaches using both moderate-resolution Landsat and high-resolution Ikonos imagery from two study sites with different landscape characteristics to demonstrate the continued need for analyst intervention during the segmentation process. The results demonstrate that these methods selected parameters that were optimal for the scene which varied with method, image type, and site complexity. Several takeaways from this exercise are as follows: (1) some methods do not work as intended, (2) single-scale unsupervised optimization procedures cannot be expected to properly segment all the features of interest in the image every time, and (3) many multi-scale approaches require subjectively chosen weights or thresholds or additional testing to determine those values that meet the objective. Visual inspection of segmentation results is still required in order to assess over and under-segmentation as no method can be expected to select the best parameters for land cover classifications every time. These approaches should instead be used to narrow down parameter values in order to save time.     

五种分割算法在高分辨率遥感图像中的适用性分析

本文将5种图像分割算法应用在高分辨率遥感图像分割上,并利用图像分割评价指标,对5种分割算法进行了对比分析,评价了各种方法的优缺点,讨论了它们在高分辨率遥感图像分割中的适用性,明确了不同分割方法的适用条件。实验结果表明,改进的分水岭分割法与JSEG分割法在高分辨率遥感图像分割中的适用性比较强,对大小斑块分割结果都比较好,而其他3种方法不能兼顾不同等级的斑块。     

高分辨率遥感影像语义分割的半监督全卷积网络法

在遥感领域,利用大量的标签影像数据来监督训练全卷积网络,实现影像语义分割的方法会导致标签绘制成本昂贵,而少量标签数据的使用会导致网络性能下降。针对这一问题,本文提出了一种基于半监督全卷积网络的高分辨率遥感影像语义分割方法。通过采用一种集成预测技术,同时优化有标签样本上的标准监督分类损失及无标签数据上的非监督一致性损失,来训练端到端的语义分割网络。为验证方法的有效性,分别使用ISPRS提供的德国Vaihingen地区无人机影像数据集及国产高分一号卫星影像数据进行试验。试验结果表明,与传统方法相比,无标签数据的引入可有效提升语义分割网络的分类精度并可有效降低有标签数据过少对网络学习性能的影响。     

Hybrid region merging method for segmentation of high-resolution remote sensing images

Image segmentation remains a challenging problem for object-based image analysis. In this paper, a hybrid region merging (HRM) method is proposed to segment high-resolution remote sensing images. HRM integrates the advantages of global-oriented and local-oriented region merging strategies into a unified framework. The globally most-similar pair of regions is used to determine the starting point of a growing region, which provides an elegant way to avoid the problem of starting point assignment and to enhance the optimization ability for local-oriented region merging. During the region growing procedure, the merging iterations are constrained within the local vicinity, so that the segmentation is accelerated and can reflect the local context, as compared with the global-oriented method. A set of high-resolution remote sensing images is used to test the effectiveness of the HRM method, and three region-based remote sensing image segmentation methods are adopted for comparison, including the hierarchical stepwise optimization (HSWO) method, the local-mutual best region merging (LMM) method, and the multiresolution segmentation (MRS) method embedded in eCognition Developer software. Both the supervised evaluation and visual assessment show that HRM performs better than HSWO and LMM by combining both their advantages. The segmentation results of HRM and MRS are visually comparable, but HRM can describe objects as single regions better than MRS, and the supervised and unsupervised evaluation results further prove the superiority of HRM.     

高分辨率遥感影像分割方法研究

在遥感应用分析中,遥感影像分割是低层影像处理和中高层影像分析和理解的桥梁,是实现遥感影像信息自动提取的关键步骤,具有重要的意义。随着大量高分辨率遥感影像的出现,传统基于像素的影像处理方法已不能适应高分辨率遥感影像。近年来,国内外研究者们提出了面向对象影像的分析方法,而面向对象影像分析方法的关键就是影像分割,影像分割精度直接影响着高分辨率遥感信息提取和目标识别的精度。首先给出一般图像分割方法的综述;然后分析和总结了当前主要的高分辨率遥感影像分割方法,着重阐述了均值漂移、分形网络进化、马尔科夫随机场等分割方法的特点和研究现状;最后,对高分辨率遥感应用分析中影像分割方法的发展趋势进行了讨论与展望。     

高分辨率遥感影像超像素的模糊聚类分割法

传统模糊C均值聚类在影像分割中只考虑影像的灰度特征,导致该算法用于高空间分辨率遥感影像分割时分割结果不理想。针对该问题,本文提出了一种高分辨率遥感影像超像素的模糊聚类分割方法。该方法首先利用分水岭变换算法产生多个超像素子区域;然后比较各个子区域间光谱特征的相似性;最后利用融合光谱特征的模糊C均值聚类对这些超像素子区域进行合并。试验选用4组不同场景的遥感影像,采用定性和定量相结合的方法评价试验结果。试验结果表明,该方法有效提高了分割区域的分割精度,并取得了较好的分割视觉效果。