基于变分水平集的两相遥感影像分割

首先介绍了经典的变分水平集影像分割模型——Chan-Vese模型及其解算的基本原理,然后利用该模型对遥感光学影像进行两相分割实验,并从分割效果和分割时间2个方面与k均值聚类算法得到的结果进行了比较。实验表明,对遥感影像进行高斯平滑预处理后再进行变分水平集影像分割可以得到较好的分割效果。     

基于水平集的曲线演化在图像分割中的应用

图像分割是图像处理中的一项基础工作,一般有基于边界和基于区域的分割方法。随着水平集理论的提出,主动轮廓模型尤其是C-V模型,在图像分割中的应用得到迅速发展。多相C-V模型,融合形状先验、纹理等信息的模型也被提出并得到较好的应用。将C-V模型应用于图像分割中,对合成图像和真实图像的分割实验,以及与其他分割方法的对比实验证明了该模型在图像分割中的有效性。     

先验形状约束的水平集分割模型

传统C-V模型只利用了图像的灰度信息,分割精度不高。本文凭借水平集理论在拓扑结构优化及形状建模方面的优势,以普遍类型的规则建筑物为例,研究如何将人的先验知识融合至水平集框架中,并提出先验形状约束的建筑物目标分割模型,以改善高分辨率遥感影像中建筑物受干扰情况下分割的完整性及准确性。试验证明,该模型分割结果较C-V模型有很大提高,基本能保持与eCognition多尺度分割相近的精度。     

一种用于SAR图像分割的几何活动轮廓模型

基于SAR图像边缘检测算子和变分水平集方法,依据能量最小化准则,提出了一种新颖的几何活动轮廓模型.其基本思想是,直接定义关于水平集函数的能量泛函,并将经典模型中基于梯度算子的边缘指示函数,替换为基于ROEWA算子的边缘指示函数,提高了模型对于SAR图像的边缘检测能力;同时在新模型中加入水平集函数惩罚项,确保水平集函数逼近符号距离函数.由于该项的作用,模型的数值求解可采用简单的显式差分格式迭代,并保持较快的收敛速度.针对仿真图像、Radarsat和华东电子研究所实测数据的实验结果表明,该模型具有实现简单、分割边界定位准确和收敛速度较快等优点.     

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.     

一种新的SAR图像局部统计活动轮廓模型及算法

近年来变分水平集方法在图像分割中得到了广泛应用,但此类方法的能量泛函是非凸的,易陷入局部极小值解。本文基于AA(Aubert-Aujol)去噪模型和变分水平集方法,提出一个局部统计活动轮廓模型,通过凸松弛技术将提出的分割模型转换成全局优化模型,再加入一个迫近算子项,将提出的模型转化为ROF去噪模型,最后采用快速去噪算法,得到一个全局最优的快速分割算法。此算法不涉及差分或微分方程,只需要简单的差分运算,提高了数值运算速度。对实测SAR图像进行分割实验,结果表明,本文提出的全局分割模型不但能够快速、有效地分割SAR图像,取得全局最小值,而且可以更准确地得到图像分割边缘。     

结合水平集与光流的序列影像运动分割技术研究

提出一种结合变分水平集分割与变分光流的运动分割方法。该方法将光流能量函数与水平集分割能量函数进行整合形成新的运动分割能量函数,并采用变分方法进行优化。采用无人机序列影像对该运动分割方法进行实验分析,实验结果表明该方法在目标运动位移过大时,既能准确地估计出运动矢量,又能精确地分割出目标区域。     

融合颜色和纹理特征的彩色图像分割

根据高分辨率遥感影像中地物呈高斯分布的特性,文章将水平集与Bayesian统计理论相结合,提出一种统计理论框架下的广义水平集分割模型;并利用多元高斯分布融合图像的颜色和纹理信息,实现彩色图像的分割及建筑物目标提取.实验结果表明,该模型实现了与eCognition软件中多尺度分割相近的效果,且能够实现不同尺度目标的分割,易于向高维特征扩展,可扩展性强.     

多相位水平集高分辨率遥感影像非监督分类

高空间分辨率遥感影像(特别是城区场景)常表现出高的光谱异质性、地物细节丰富且地物拓扑关系复杂等特点,这对影像分类产生较大干扰,导致分类精度不高。针对以上情况提出一种新的非监督多相位水平集分类方法:该方法以基于区域竞争思想及Bayes准则的多相位水平集分类框架作为高分辨率遥感影像分类的基础,通过采用Parzen窗非参数密度估计方法来改善复杂场景下样本概率密度估计的准确性,从而增加分类模型的抗干扰能力;此外,为提高多水平集模型演化效率,在模型求解中提出一种简单而有效的水平集函数重初始化方案。通过与前人工作的试验对比及分析,验证了提出的模型在复杂场景及存在上述干扰的情况下表现出好的分类效果。     

多尺度水平集SAR影像水体自动分割方法

针对高分辨率SAR影像的水体特性,提出了一种新的可精确、快速、自动完成高分辨率SAR影像水体分割的方法。该方法将多尺度分析技术与水平集理论相结合,在考虑全局信息的同时,也顾及到了局部信息。同时,为了满足SAR图像的分布特性,将Gamma统计模型引入到水平集能量函数中,利用OTSU算法来初始化零水平集。为了消除SAR影像中疑似水体的目标,对分割结果进行了后处理。实验表明,该方法在提高精度的同时,也大大提高了水体提取的效率。