结合结构和光谱特征的高分辨率影像分割方法

影像分割是高分辨率遥感影像基于对象分析的先决和关键步骤。传统的遥感影像分割方法往往仅利用影像的光谱或结构信息。本文提出一种结合结构和光谱特征的分割方法。首先使用形态学运算提取结构信息,并与光谱信息结合,采用光谱角距离来衡量结构-光谱特征的相似性,进行区域生长获得初始分割结果,然后通过区域合并改善初始结果获得最终结果。研究中采用城市地区的高分辨率遥感影像,通过目视评价和定量评价并与现有的其他分割方法进行比较,验证了所提出方法的有效性。     

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。     

9711号台风及伴生暴雨的卫星云图特征

711号台风是近年来影响我国的一个强度和范围最大的台风。台风登陆时,正值天文大潮期,因而引起风暴潮,使得浙江、上海、江苏等沿海海堤坝损坏严重。台风登陆后,台风中心途经5个省,致使七省一市出现暴雨,山东及辽宁两省出现区域性大暴雨天气。直接经济损失达250亿元。本文按卫星云图上显示的9711号台风云系演变特征,将9711号台风活动过程分为四个阶段,即发展加强阶段、登陆阶段、台风外围云系与北方冷锋云系合并阶段及台风云系向温带气旋云系演变阶段。最后讨论了台风暴雨的时空分布与不同阶段台风云系的关系。     

基于形态分割的高分辨率遥感影像道路提取

基于灰度形态学,提出一种从高分辨率遥感图像提取道路网络的方法.首先利用灰度形态特征对遥感影像进行分割,进而得到基本的道路网络轮廓.然后在此基础上,利用线段特征匹配方法提取道路网络.提出的方法能适应于从道路和背景区别不很清楚的遥感图像中提取道路.实验结果也表明,本文方法能有效地从遥感影像中提取道路网络.     

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。     

一种顾及几何特征的云模型遥感影像分割方法

将云模型与模糊理论相结合,提出了一种基于不确定性的、顾及几何特征的遥感影像分割方法。该方法用分水岭算法对原影像进行分割获得初始分割图斑,再将图斑抽象成云模型,以云模型实现图斑对象表达,在基于云概念的光滑度、紧凑度定义的基础上,构造差异性度量准则和相应的云模型综合算法,并由云综合运算实现不同粒度空间下的区域合并,达到多尺度遥感影像分割的目的。几组实际影像数据的分割实验证明了该方法的有效性。     

基于微分形态学断面的遥感影像分割方法

介绍形态学测地重建与开闭重建运算,提出基于微分形态学断面的影像分割方法。首先生成原始影像的微分形态学断面影像,然后比较得到像点的微分断面特征,最后以微分断面特征为基础实现影像分割。以IKONOS卫星影像为例,该方法能够有效地分割噪声严重、反差较低的遥感影像,同时在保持物体的形状、大小信息等方面具有优势。     

基于暗原色先验的遥感影像去雾方法研究

目前,遥感影像应用的场景越来越多,但受到空气污染或气候等原因影响,局部地区雾霾现象严重,严重影响遥感影像质量。针对这一问题,本文结合遥感影像的特点提出了一种基于暗原色先验的遥感影像去雾方法。首先,结合遥感影像的特点,在求取暗通道过程中设置失效点,排除不符合暗原色先验的像素点;其次,根据获得的暗通道计算大气光值;然后,求取透射率图并用导向滤波精细化,根据大气传输模型求得去雾后的影像;最后,分别用无人机影像和Landsat卫星遥感影像进行去雾实验,验证了本文方法的有效性。     

一种基于数学形态学的遥感影像分割方法

介绍形态学测地重建与开闭重建运算,提出基于微分形态学断面的影像分割方法。该方法首先生成原始影像的微分形态学断面影像,然后通过比较得到像点的最大微分断面值以及相对应的特征结构元素,最后以特征结构元素为层次,逐层分割影像。以IKONOS卫星影像为例,该方法能够有效地实现影像的分割,在分割较低反差的影像部分等方面具有优势。     

基于高分辨率遥感影像的耕地地块提取方法研究

针对耕地地块提取问题,提出了一种基于图像分割的耕地地块提取新方法。该方法以高分辨率遥感影像为基础,借助于边缘提取和数学形态学的方法,通过边缘检测、边缘闭合、区域标号和后处理四个步骤,提取耕地地块。该方法在IDL6.3平台下编程实现。将此方法应用于北京地区QuickBird多光谱遥感影像,结果表明此方法有较好的定位精度,又在一定程度上去除了噪声,具有较好的实用性。     

多维特征自适应MeanShift遥感图像分割方法

针对MeanShift算法分割遥感图像的自动化程度和精度不高的问题,提出一种多特征自适应Mean—Shift遥感图像分割方法。3组实验结果表明,本方法相比EDISON软件能得到更好的分割效果,且能在一定程度上提高遥感影像分割的自动化。     

基于吸引子的图像分割新方法的研究

提出了一个“边界点”的新概念,并引用正态分布中大于3倍标准差的事件为小概率事件,作为图像分割中边界点“捡起”或“卸下”的依据。与其他方法相比,能使“捡起”、“卸下”的决策计算大大简化。通过对两幅航空影像的分割实验表明,新方法的分割效果是好的,是一个很有实用潜力的图像分割方法。     

一种融合数学形态学运算的多尺度建筑物分割算法

多尺度分割算法是面向对象的图像分析方法中的一种较为成熟、稳定的分割算法,但存在部分分割不准确和分割效率低等问题.为此,提出一种融合数学形态学运算的多尺度建筑物分割算法:首先利用高斯滤波器对遥感图像进行滤波处理,然后通过数学形态学运算对图像进行腐蚀处理,最后采用多尺度分割算法得到建筑物影像.对昆明市局部区域的QuickBird图像进行多尺度建筑物分割实验的结果表明,该算法具有分割精度高、效率快等优点,对类似工作有一定的借鉴意义.     

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。     

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。     

基于Delaunay三角网表达的图像分割

由于图像的复杂性和模糊性进一步增强,传统的图像分割算法已经无法满足其对分割精度的要求。为了进一步提高图像分割的精度,本文提出了一种结合SIFT特征提取与Delaunay三角网表达的图像分割方法,该方法可以有效削弱噪声对图像分割结果的影响,与传统去噪滤波相比,平滑过程中模糊图像边缘的程度比较低,同时,运用超像素思想,将传统基于像素单元的分割方法运用到超像素上,对被三角网划分的子区域进行聚类,最后得出分割结果。与传统算法相比,本文算法在分割精度方面有显著提高。     

基于灰度分级的图像分割算法的研究

通过对灰度图像的灰度级压缩,将图像中每个像素的灰度值用一个合适的类标志来代替,构成一个“类-图像”。在一个“好”的分类标准的控制下,实现对图像的分割。     

双模态脉冲耦合神经网络高分辨率光学卫星影像分割

针对应用PCNN分割高空间分辨率光学卫星影像存在的问题,提出一种双模态PCNN算法。利用北京地区QuickBird影像进行实验,结果表明,该算法能够弱化影像目标内部灰度变化信息对结果的影响,并能提取影像目标几何结构特征信息,为高空间分辨率光学卫星影像分割提供了一种新方法。     

基于Gabor纹理描述的遥感影像分割

本文引入了在不同影像层次上的Gabor纹理特征,采用分裂-合并加智能像素精致的方法,实现遥感影像的非监督分割。实验结果表明采用Gabor滤波器为基础的多分辨率分析来描述高分辨率遥感影像的纹理特征,可以明显地描述影像的高、低频特征,并且基于Gabor纹理特征进行遥感影像的分割是有效的;将本文方法的分割结果与经典的eCognition分割结果进行了对比试验,表明本文方法的分割结果较好。