多尺度对象高空间分辨率遥感影像谱聚类分割

针对基于像素模型的单尺度或多尺度谱聚类影像分割方法在相似矩阵存储、特征分解效率及分割精度方面存在的不足。该文首先通过给定多组空间及光谱带宽参数,利用mean-shift初分割生成不同尺度的超像素对象层;然后联合像素与超像素对高空间分辨率影像中的不同类别地物进行的多尺度建模表达其空间拓扑关系,即在图割理论框架下建立"像素-超像素"联合的多尺度无向权图模型G(V,E,W),同时根据遥感影像纹理特征丰富的特点,在顶点相似性计算过程中融合纹理特征;最后使用基于normalized cut准则的谱聚类算法,对图模型划分得到最终分割结果。该方法较好地降低了基于像素的谱聚类分割方法的计算复杂度,同时提高分割结果准确率。标准测试数据集和"高分2号"遥感影像分割结果表明了该方法的有效性。     

倾斜摄影测量三维表面模型立面分割方法

针对倾斜摄影测量三维重建得到的三维表面模型在平面尤其是异形平面处产生的规则性缺失,难以快速准确提取出建筑物几何平面的问题,本文提出一种基于高斯混合模型和图割的SurfaceCut层级分割方法。首先对模型进行拓扑重建、几何与纹理信息的预计算;其次使用高斯混合模型方法对模型进行过分割,使模型过分割为几何特征相似、纹理特征一致的超点点集;最后利用最大流最小割算法对目标平面进行二分类分割,并且为修复模型不规则立面区域,设计了一种立面修复算法。利用不同类型的建筑物模型进行实验,验证了方法的有效性。     

基于图割算法的摄影测量点云面向对象分类方法

针对摄影测量点云分类问题,提出一种基于图割算法的面向对象分类方法。由于摄影测量点云质量相对较差,文中首先基于区域增长分割思想,提出一种新的点云体素生成方法,将摄影测量点云聚为不同的对象;然后将不同的对象作为节点,将分类问题建模为一个多标记问题,引入图割算法优化获取邻域内平滑一致的分类结果。利用两组摄影测量点云数据进行实验,正确率分别为87.3%和88.7%,比基于单点的分类方法分别提高2%和2.6%。     

基于Mean Shift的大批量遥感影像分割方法

由于收敛速度快、分割精度好,Mean Shift算法被广泛应用于影像分割中,但是处理大遥感影像时,Mean Shift算法存在速度慢、效率低下等问题。为此提出一种基于Mean Shift的分块并行无缝分割算法。首先在分块并行Mean Shift分割的基础上,通过标签影像的统一编码和重叠区域标签值建立对应关系,确定分块线的消除准则;然后进行标签影像的行和列拼接;最后对拼接后的标签影像进行矢量化,生成最终分割结果。实验表明,该算法相对于原始Mean Shift算法,在保证分割结果可靠性的同时大大提高了影像分割的效率,能够很好地解决大批量遥感影像的分割问题。     

融合LiDAR点云与正射影像的建筑物图割优化提取方法

提出一种基于图割算法的建筑物LiDAR点云与正射影像融合提取方法。首先,利用LiDAR点云计算3个几何特征：平整度、法向量分布和高程纹理一致性。同时利用航空正射影像计算颜色特征——归一化植被指数（NDVI）。然后将两类特征联合构建能量函数数据项,综合数字表面模型（DSM）和NDVI构建平滑项,采用图割算法优化得到初始的建筑物区域。最后利用初始建筑物边缘一定范围内的正射影像颜色信息,采用前后景分割的思想进一步优化建筑物边缘。应用ISPRS Vaihingen测试数据进行试验,结果表明本文方法具有较高的建筑物提取精度。     

条件随机场框架下基于随机森林的城市土地利用/覆盖遥感分类

针对"基于像素的条件随机场(conditional random fields,CRFs)模型能否在m级分辨率的多光谱遥感图像分类中表现良好"的问题,提出了集成图像的光谱、方向梯度直方图和多尺度多方向Texton纹理等多种线索的CRFs模型定义方法。利用上述特征,选择随机森林(random forests,RF)定义CRFs关联势函数;利用特征对比度加权的Potts函数定义CRFs交互势函数,并且建立了多标签的RF-CRFs模型;对该模型进行分项参数训练以及基于图割的α-膨胀算法推理;利用典型城区的Quick Bird多光谱图像进行模型的验证与精度评价。结果表明RF-CRFs模型的分类精度可达82.52%以上,比RF分类器的分类精度提高了3.35%。     

基于遥感影像的地块边界半自动提取

针对遥感影像图中地块的提取,提出了一种基于高斯模型的地块边界的半自动提取方法。以无人机影像为实验数据,首先利用影像分割得到包含要提取地块的窗口影像;然后利用高斯模型对地块进行提取,该算法解决了传统图割算法抗噪能力差的问题。随后,运用数学形态学对分割的结果做进一步处理;最后利用边界提取函数对地块边界进行提取并对边界进行拟合。实验结果证明,本文算法不仅提取地块精度较高,而且适当的减轻了工作人员的工作强度。     

DSSRM级联分割的SAR图像变化检测

SRM(Statistical Region Merging)分割算法具有快速、稳定和抗噪强的优点,基于此,本文提出一种基于DSSRM(Dynamic Sorting Statistical Region Merging)级联分割的SAR图像变化检测方法。首先,针对SRM算法基于单特征静态排序导致的过分割问题,提出一种动态排序模式的DSSRM算法以减少差异图像分割错误,该算法建立基于合并区域的多特征马氏距离排序准则,在每次合并之后更新区域邻接矩阵并重新排序;然后,基于互信息最小化准则构造多通道差异数据集以提高算法对区域合并的约束能力;最后,提出一种级联分割变化检测框架,第1级利用SRM算法将差异图像映射到超像素空间,第2级采用DSSRM算法对超像素进行动态合并获得收敛的分割结果,第3级采用简化SRM方法进行三次合并获得最终的变化检测图。实验结果表明,该方法可以获得比SRM方法和目前流行方法更好的检测性能。     

基于均值漂移和谱图分割的极化SAR影像分割方法及其评价

提出了一种基于均值漂移和谱图分割的极化SAR(PolSAR)影像分割方法。首先,通过均值漂移算法对PolSAR影像进行过分割处理,并基于Wishart统计分布和假设检验的方法构建边缘检测器,充分利用了PolSAR影像的全极化信息提取边缘信息;然后,在过分割和边缘信息的基础上构建相似性度量矩阵,并采用归一化割准则实现PolSAR影像的分割。该算法充分利用了均值漂移算法过分割的特点,降低了谱图分割算法的运算代价,并结合谱图分割算法全局优化的优点改善了PolSAR影像的分割结果;最后,利用Radar-sat-2全极化影像进行了实验,并采用改进的分割效果评价方法实现了精度评价。实验表明,该算法有效地实现了PolSAR影像的分割,显著提高了谱图分割算法的效率,分割结果优良,分割精度优于eCognition软件中的多尺度分割方法。     

高分辨率遥感图像道路分割算法

为了提高从高分辨率遥感图像(high-resolution remote sensing image,HRI)中提取道路信息的自动化程度和准确性,发展了一种HRI道路分割算法,主要包括光谱合并、边界合并和基于形状特征的道路区域提取等3个步骤。其中,前2个步骤是基于区域生长的图像分割算法。光谱合并综合考虑了区域的均值、方差等统计特征量,以提高分割精度;边界合并采用了基于矢量梯度的边界计算方法,以准确提取多光谱HRI中的边界强度;结合全局最优合并算法实现光谱和边界合并,以得到最优化的分割结果。在道路区域被完整分割出来的基础上,利用形状特征提取道路,采用圆形度特征区分道路和非道路。利用2景Orb View3多光谱图像进行道路提取实验的结果表明,该方法的道路提取结果总精度和Kappa系数分别在97%和0.8以上,明显优于SVM监督分类方法。     

结合光谱、纹理与形状结构信息的遥感影像分割方法

针对目前遥感影像分割中多特征利用的问题,提出一种综合利用光谱、纹理与形状信息的分割方法.该方法在进行初始分割的基础上,统计区域的光谱和LBP纹理特征;然后依据光谱、纹理与形状特征计算相邻区域之间的异质性,并以此为基础构建区域邻接图(region adjacency graph,RAG);最后在邻接图的基础上采用逐步迭代优化算法进行区域合并获取最终分割结果.采用QuickBird和SAR影像的分割试验,证明该算法能充分利用影像中地物的光谱、纹理与形状信息,分割效果良好,效率高.     

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%.     

利用线性判别分析的LDA-SIFT影像匹配算法

针对SIFT算法特征向量维数较高,匹配实时性较差的问题,提出一种利用线性判别分析的LDA-SIFT算法。该算法首先利用SIFT算法提取特征点并生成特征向量矩阵;然后将特征向量矩阵转换为种子点向量矩阵并为数据设置标签;接着利用线性判别分析对种子点向量进行降维;最后在低维特征空间将种子点向量矩阵转换为特征向量矩阵并在欧式空间匹配,运用RANSAC算法剔除误匹配。采用多组图像验证该算法匹配的性能,实验结果表明,LDA-SIFT算法能够有效降低特征向量维度,缩短特征匹配时间,匹配精度与降维前相近。     

可变类多光谱遥感图像分割

确定图像类别数是图像分割中的重要任务,在大多数分割算法中需由用户预先指定类别数。受地物目标及其分布的多样性、复杂性和未知性等因素的限制、对彩色遥感图像而言,人为确定其类别数非常困难。为此,提出了一种基于区域和统计的可变类分割方法,融合规则划分技术和R.JMCMC算法,利用规则划分将图像域划分成若干个规则子块,并假设每个规则子块内的像素服从同一独立的多值Gaussian分布;在此基础上南贝叶斯定理构建图像分割模型;利用ReversibleJump Markov Chain Monte Carlo(RJMCMC)算法模拟该模型,实现罔像类别数的自动确定及图像粗分割;为了进一步提高图像分割精度,设计精细化操作,对Worldview-2合成及彩色遥感图像和多光谱IKONOS图像进行可变类分割,实验结果表明,提出方法不仅能自动确定图像类别数,还可以较好地实现区域分割。本文方法较好地实现彩色遥感图像的可变类分割。     

融合光谱及形态学信息的对象级空间特征提取方法

针对传统的高分辨率遥感影像分割方法仅利用光谱特征或者形态学特征的弊端,提出了一种融合光谱信息和形态学信息的多尺度分割算法。该算法首先利用差分多尺度形态学序列特征与影像光谱特征构造光谱-形态学特征集,然后利用Hausdorff距离计算相邻像素的边权值并构造图模型,利用最小生成树Kruskal算法完成影像的初始分割,最后结合分形网络进化的区域异质性准则完成区域合并。在该分割结果的基础上,提出了面向对象的灰度共生矩阵特征和面向对象的像元形状指数特征。实验结果显示,所提出的分割方法在效果和效率上均优于eCognition 8.0和Meanshift算法,并且对象级灰度共生矩阵特征和对象级像元形状指数特征明显优于传统的像素级特征。     

一种基于自适应M-S模型的遥感影像分割方法

提出一种基于自适应M-S模型的遥感影像多特征融合的分割方法。首先结合改进的Sobel算子进行阈值化轮廓提取方法提取边缘信息;然后利用波段距离加权函数计算边权值,同时按照一定的原则加入边缘特征,采用最小生成树算法获得初始分割对象;最后在光谱特征和纹理特征的辅助下进行自适应M-S模型合并,合并后的对象即为分割结果。为了验证该方法的可行性,采用Quickbird影像和高分二号影像进行实验分析并对结果做出定性和定量评估。实验结果表明,基于自适应M-S模型的遥感影像分割方法的分割精度优于分形网络演化算法,同时分割速度也略有提升。     

融合像素—多尺度区域特征的高分辨率遥感影像分类算法

针对基于像素多特征的高分辨率遥感影像分类算法的"胡椒盐"现象和面向对象影像分析方法的"平滑地物细节"现象,提出了一种融合像素特征和多尺度区域特征的高分辨率遥感影像分类算法。(1)首先采用均值漂移算法对原始影像进行初始过分割,然后对初始过分割结果进行多尺度的区域合并,形成多尺度分割结果。根据多尺度区域合并RMI指数变化和分割尺度对分类精度的影响,确定最优分割尺度。(2)融合光谱特征、像元形状指数PSI(Pixel Shape Index)、初始尺度和最优尺度区域特征,并对多类型特征进行归一化,最后结合支持向量机(SVM)进行分类。实验结果表明该算法既能有效减少基于像素多特征的高分辨率遥感影像分类算法的"胡椒盐"现象,又能保持地物对象的完整性和地物细节信息,提高易混淆类别(如阴影和街道,裸地和草地)的分类精度。     

基于最大投票融合的高光谱影像半监督分类

高光谱影像中的标记样本往往有限,即使利用大量的训练样本,分类结果也会出现大量斑点状的误分点。利用JSEG分割的方法生成了同质区,以获取大量未标记样本的标签,并在光谱特征的基础上进行了多特征提取,提高了类别辨识度;利用最大投票原则,对分类图和分割图进行融合,将分割斑块内的类别众数作为该斑块的类别。实验证明,最大投票融合的方法减少了斑块状的误分点,大大提高了分类精度。     

视觉皮层振荡神经网络在遥感影像分割中的应用

对于具有复杂场景的遥感影像,提出了基于各向异性扩散特征保持平滑的简化LEGION算法,弥补传统LEGION图像分割算法对噪声敏感的不足。对于多（高）光谱影像,则采用马氏距离计算光谱向量间的连接权得到扩展LEGION算法进行分割。实验结果表明,LEGION算法较传统的图像分割方法对单波段灰度遥感影像目标及其重要细节部分的分割效果更显著;扩展LEGION算法适用于多光谱遥感影像分割。     

基于Quick Shift算法的高光谱影像分类

论述了面向对象分类方法处理高光谱高空间分辨率影像的优势与流程;分析了快速漂移(Quick Shift)算法的原理,该算法在进行模式搜索时具有可控制模态选择和平衡"过分割"与"欠分割"的特点.将该算法应用于高光谱影像分割,可得到面向对象分类所需的较理想的"同质"影像对象.为提高影像分割的效率,提出了一种基于灰度共生矩阵的...