结合光谱相似性与相位一致模型的高分辨率遥感图像分割方法

提出一种结合高分辨率遥感图像的光谱相似性与相位一致边缘检测模型的分水岭分割方法。分水岭分割算法的性能依赖于图像边缘梯度图。利用同类地物的光谱相似性特点,可有效抑制相位一致模型边缘检测中产生的伪边缘和噪声信息,从而获得更好的遥感图像分割结果。本文首先基于目标像元与其邻域像元之间的光谱曲线距离之和定义光谱相似性模型,结合相位一致模型获得边缘响应强度;然后利用自动标记分水岭变换方法实现高分辨率遥感图像分割。使用本文方法和其它方法对遥感图像进行了分割实验,并利用基于多光谱信息熵方法对分割结果进行了非监督评价和比较,同时对计算耗时进行了对比分析。结果表明本文所提方法可以有效地抑制遥感图像的过分割现象,并取得较好的分割结果。     

结合相位一致和分水岭变换的高分辨率遥感影像分割方法北大核心CSCD

针对噪声导致高分辨遥感影像分割存在过分割或者欠分割的问题,提出结合相位一致和分水岭变换的高分辨率影像分割方法。该方法首先采用基于光谱相似性的相位一致的模型方法来获得边缘响应幅度,再采用自动标记分水岭算法对影像进行分割;基于相邻分割对象的空间位置、形状、面积等特征多重约束,提出相邻分割对象合并代价函数模型,对分割结果进行优化并获取最终分割结果。选择典型地区实验影像进行分割实验,通过目视评价和监督评价,并与典型分割方法进行比较,验证所提分割方法的有效性。     

结合光谱和尺度特征的高分辨率图像边缘检测算法

高分辨率遥感图像具有高度细节化的多尺度表达能力,在有效表达地物边缘信息的同时,目标内部几何细节常以噪声的形式出现.提出将光谱相异性和小波变换相结合的边缘特征检测算法,克服了小波变换导致的边缘变形,并能够有效抑制噪声.根据光谱角原理定义归一化光谱相异性模型,并与二进小波变换结合,同时利用梯度方向余弦值对各个波段的梯度幅值加权,最后根据向量场模型计算多光谱图像的梯度幅值和梯度方向,细化后获取由细到粗的多层次边缘特征.实验结果与小波变换和传统检测算子的检测结果相比,表明该算法利用光谱相异性信息增强边缘响应强度,保证了所有尺度下获取的边缘轮廓不失真,边缘点定位准确;加权处理突出了多波段梯度主方向信息,也有效抑制了高分辨率图像上目标内部精细几何细节形成的噪声.     

边缘惩罚层次区域合并SAR图像分割算法

该文利用方向边缘强度信息,建立一种新的边缘惩罚SAR图像分割模型,提出一种最小化该模型的层次区域合并算法。利用多方向比例边缘检测算子(MDRED)提取边缘强度信息,并结合分水岭变换获得高质量的初始过分割结果。利用多边形近似区域边缘,提取边缘的方向,将方向边缘强度映射(OESM)融入边缘惩罚中,获得惩罚强度与边缘强度呈反比的惩罚项。逐渐增大边缘惩罚项的强度,获得由图像特征驱动的层次区域合并算法。利用区域邻接图(RAG)表示图像分割,提高区域合并的速度。实验表明:该文方法与其它方法相比在性能和效率上都有优势,获得更好的分割结果。     

一种基于k均值的多相位水平集遥感图像分割方法

针对遥感图像的特点,本文提出了一种基于K-均值与改进的多相位水平集模型结合的新方法。相比于传统的水平集模型,改进模型在能量函数中考虑了图像的面积、梯度信息和边缘检测。图像的梯度信息可以克服分割中存在的边缘定位的不准确,边缘检测可以在曲线衍化过程中更好的保持边缘信息。为了加快边缘的收敛速度,避免陷入局部最优,本文提出先对图像进行中值滤波来平滑图像和消除部分噪声,然后利用K均值进行聚类得到明显的特征差异。接着用Sobel算子进行梯度重建,然后用改进的多相位水平集模型进行分割。实验结果显示本文的算法对于遥感图像的分割在时间和精度上都有较好的效果。     

基于机载高光谱遥感图像的城市绿地覆盖研究

针对Kappa系数低,绿地提取结果完整性差和图像分割精度低的问题,进行基于机载高光谱遥感图像的城市绿地覆盖研究.利用小波变换融合机载高光谱遥感图像,增强图像,清晰化图像边缘并分割图像,获取多个不规则的多边形图像,合并匹配度较高的机载高光谱遥感图像,在提高数据完整度的同时简化数据,提取机载高光谱遥感图像中的绿地覆盖特征,...     

自适应空间约束融入混合模型的遥感图像分割

为了降低图像噪声的影响并提高遥感图像分割精度,提出了一种自适应空间约束融入混合模型的遥感图像分割算法。考虑到学生t分布具有重尾特性比高斯分布更具有鲁棒性,利用学生t混合模型(Student’s-t Mixture Model, SMM)建模像素光谱测度概率分布。为了避免图像噪声对分割结果的影响,基于马尔可夫随机场利用局部像素类属概率定义组份权重,将像素空间相关性融入SMM,进而构建出空间约束图像分割模型。为了实现自适应平滑系数的模型参数求解,采用梯度下降方法求解分割模型。采用本文算法对添加噪声的遥感图像进行分割实验,结果表明,所提算法可有效降低图像噪声的影响,同时可准确分割高分辨率遥感图像。     

一种基于纹理特征的遥感影像分水岭分割算法

针对分水岭分割的过分割问题,提出了一种基于纹理特征的高分辨率遥感影像分水岭分割算法。该算法对基于灰度共生矩阵不同特征值得到的纹理影像分别进行降水分水岭变换,进而将两个分割结果进行叠加,最后采用一种新颖的结合纹理特征的区域合并方法完成影像分割。实验表明,文中算法能够准确定位对象的边缘,有效克服过分割及欠分割现象,具有更高的分割精度与稳定性。     

基于Contourlet域图谱聚类和多尺度Markov模型的多光谱遥感图像分割

针对多光谱遥感图像的特点,结合图谱聚类、Co ntourlet系数分布的统计特性和多尺度Markov模型, 提出了一种基于Contourlet域图谱聚类和多尺度Markov模型的分割(CSCMMS)方法。首先对 待分割图像进行Contourlet变换,利用图谱聚类对最粗尺度低频图像聚类得到可靠的初始分 割结果;然后 利用互信息构造Contourlet域的多尺度Markov模型,结合多尺度、多方向的图像信息将低频 图像的初始分 割结果逐尺度传递到最细尺度,得到原始图像的分割。对合成图像和多光谱遥感图像的实验 结果表明,提 出方法在边缘信息保持和噪声敏感性上具有明显改进,错分率和运算时间进一步降低。     

基于同质区分割的非线性端元提取算法

端元提取是高光谱遥感图像混合像元分解的关键步骤。传统端元提取算法忽略了高光谱图像中地物空间分布相关性与非线性结构,制约了端元提取算法的精度。针对高光谱图像的空间关系与非线性结构,提出一种基于同质区分割的非线性端元提取算法。使用超像素分割方法将图像分割为若干同质区,利用流形学习构造高光谱图像数据的非线性结构,最后在同质区内提取端元并利用聚类方法优选端元。模拟和真实图像数据实验表明,该算法能够保证高光谱数据的非线性结构,端元提取结果优于其他传统线性端元提取方法,在低信噪比的情况下,可以保持较好的端元提取结果。     

改进的分水岭算法在医学图像分割中的应用

针对传统分水岭算法对噪声敏感和易于产生过分割的问题,提出了一种将同态滤波增强与控制标记符分水岭相结合的分割策略.该方法先进行同态滤波增强预处理,再采用改进控制标记符的分水岭分割算法进行分割.仿真实验表明,提出的算法很好地抑制了过分割,实现了有意义的医学图像区域分割,同时还具有较强的区域轮廓定位能力,不需要再进行后续的合并处理,算法简单,并且能够适应医学图像分类与信息提取的需求.     

Automatic Detection of Geospatial Objects Using Multiple Hierarchical Segmentations

The object-based analysis of remotely sensed imagery provides valuable spatial and structural information that is complementary to pixel-based spectral information in classification. In this paper, we present novel methods for automatic object detection in high-resolution images by combining spectral information with structural information exploited by using image segmentation. The proposed segmentation algorithm uses morphological operations applied to individual spectral bands using structuring elements in increasing sizes. These operations produce a set of connected components forming a hierarchy of segments for each band. A generic algorithm is designed to select meaningful segments that maximize a measure consisting of spectral homogeneity and neighborhood connectivity. Given the observation that different structures appear more clearly at different scales in different spectral bands, we describe a new algorithm for unsupervised grouping of candidate segments belonging to multiple hierarchical segmentations to find coherent sets of segments that correspond to actual objects. The segments are modeled by using their spectral and textural content, and the grouping problem is solved by using the probabilistic latent semantic analysis algorithm that builds object models by learning the object-conditional probability distributions. The automatic labeling of a segment is done by computing the similarity of its feature distribution to the distribution of the learned object models using the Kullback-Leibler divergence. The performances of the unsupervised segmentation and object detection algorithms are evaluated qualitatively and quantitatively using three different data sets with comparative experiments, and the results show that the proposed methods are able to automatically detect, group, and label segments belonging to the same object classes.     

基于数学形态学的遥感图像分割算法

文章提出了一种适合于高分辨率可见光遥感图像分割的算法。该算法是一种结合数学形态学运算和SUSAN边缘检测的图像分割算法，可以有效地将图像中的多个具有特定结构的小目标区域分割开来。     

受昆虫视觉启发的多光谱遥感影像小目标检测

现有多光谱遥感影像目标检测算法大多依赖于结构化背景模型和先验信息,背景复杂化和先验信息匮乏将导致高虚警率的检测结果。受昆虫视觉系统中小目标检测神经元的启发,跳出传统研究思路,提出多光谱遥感影像小目标仿生检测模型及相应的目标检测方法。该方法利用神经元非线性滤波特性对突变信号的敏感性,在局部区域内通过背景纹理抑制和目标边缘增强实现目标检测。实验结果表明该方法在高复杂度背景条件下获得较为稳定的低虚警率检测效果。同时该算法可以较好地平衡背景复杂度和空间分辨率之间的矛盾关系,相比现有检测算法还具有原理简单、易于实现等特点。     

基于相位一致性改进的活动轮廓分割模型

为了实现甲状腺超声图像中结节组织的快速准确分割,克服图像灰度分布不均匀和边缘模糊对分割结果造成的影响,采用了基于相位一致性改进的活动轮廓分割模型。首先,利用相位一致性边缘检测原理构造一种新的速度函数,不仅弥补了梯度算子边缘检测中由于滤波处理造成边缘损坏的缺陷,而且可以灵活地控制曲线演化速率;然后,将该速度函数乘入到无边缘主动轮廓模型的能量项中,避免了线性组合中的权重分配问题,同时具有全局分割能力。通过理论分析和实验验证,改进模型的相对差异度均小于1%,运行时间均低于对比模型。结果表明,新模型实现了灰度分布不均匀图像的精确分割,同时分割效率也有所提高。     

改进的分水岭算法在图像分割中的研究

图像分割作为图像处理中最基础的研究领域之一,占有很重要的地位,是大多数图像分析和处理的不可替代并且是首要步骤的一个基础环节,在理论研究和实际应用中都得到了人们广泛指重视,目前已提出了多种不同的图像分割方法,总体上来说这些算法主要建立在基于图像本身的相似性上,在许多应用领域都获得了成功,但是没有一种方法适用于所有的图像。分水岭算法近年来得到比较广泛的应用,此次研究中用基于形态学的分水岭分割方法对图像处理,进行仿真,与其他方法相比可以较好的分割对象。     

基于相位一致与区域生长的自然彩色图像分割

提出一种自然彩色图像中有意义区域的分割方法.利用相位一致模型检测图像边界,根据边界颜色在图像空间及色彩空间的联合分布,对长边界进行K-means聚类形成有意义的种子生长点,合并短边界以克服局部细节的干扰,最后区域生长方法作用于色彩空间得到封闭的分割区域.算法克服了传统区域生长算法缺少区域模型的局限性,同时将其成功应用到彩色图像,并得到与视觉判断相一致的有意义的分割结果.实验结果显示了所提方法对于不同自然彩色图像的有效性与适应性.     

Integrated method for boundary delineation of agricultural fieldsin multispectral satellite images

Most agricultural statistics are calculated per field, and it is well known that classification procedures for homogeneous objects produce better results than per-pixel classification. In this study, a multispectral segmentation method for automated delineation of agricultural field boundaries in remotely sensed images is presented. Edge information from a gradient edge detector is integrated with a segmentation algorithm. The multispectral edge detector uses all available multispectral information by adding the magnitudes and directions of edges derived from edge detection in single bands. The addition is weighted by edge direction, to remove "noise" and to enhance the major direction. The resulting edge from the edge detection algorithm is combined with a segmentation method based on a simple ISODATA algorithm, where the initial centroids are decided by the distances to the edges from the edge detection step. From this procedure, the number of regions will most likely exceed the actual number of fields in the image and merging of regions is performed. By calculating the mean and covariance matrix for pixels of neighboring regions, regions with a high generalized likelihood-ratio test quantity will be merged. In this way, information from several spectral bands (and/or different dates) can be used for delineating field borders with different characteristics. The introduction of the ISODATA classifier compared with a previously used region growing procedure improves the output. Some results are compared with manually extracted field boundaries