多类型特征协同的Markov随机场方法在遥感影像分割中的应用

发布时间：2020-12-10 05:22

　　近年来,随着国内外高空间分辨率遥感卫星的成功发射,对地观测数据的分辨率也越来越高.但近阶段我国对遥感影像数据处理的能力对于满足国家发展高分辨率遥感系统的迫切需求来讲还有待加强.于是,对于高分辨率遥感数据的分析和处理成为目前遥感领域研究的重要科学问题.分割作为该应用领域中最重要和最具有挑战性的问题.而针对海量遥感影像数据的分割而言,通过基于统计概率的方法备受关注.其中,马尔科夫随机场（Markov Random Field,MRF）方法应用较为广泛.但是,目前现有的基于MRF的方法也存在一些待改进的地方:（1）像素级的特征提取方法中由于像素的邻域范围相对较小,分割结果失去了重要的细节特征并且产生了大量的碎片.因此,在分割过程中经常发生误分.（2）对象级的特征提取方法中的MRF模型的初始分割的不准确性和上下文关系的不规则限制了分割精度.针对上述问题,本文主要做了以下研究工作:提出了对于遥感影像分割的交替迭代的马尔科夫方法（Alternating iterative Markovmethod for remote sensing image segmentation,AIMRF）,使得模型可... 

【文章来源】：河南大学河南省

【文章页数】：77 页

【学位级别】：硕士

【部分图文】：

图２－丨图像分割定义的图解??．上述可观出，记．

与像素级特征提取的ＭＲＦ模型不同的是：对于一幅图像，基于对象级特征提取的??ＭＲＦ模型首先使用基本的无监督分割算法Ｍｅａｎ－Ｓｈｉｆｔ算法对图像进行初始分割，从而将??图像划分为初始分割区域集．如图３－２所示，用ｎ表示过分割后形成的区域对象，??及＝化丨１＾＾｝，其中ｋ为过分割区域的个数？接下来就可以定义区域临接图（ＲＡＧ）??Ｇ?＝?（ｒ，￡），其中Ｆ?＝?｛Ｈ…，〇是位置集合，每个＼代表了对应的过分割区域？；，??￡?＝?（６）是边集，如果区域。和厂相邻．我们定义为这两个区域共享的边的长度为??＿??图３－２对象级特征提取模型概率图??３．２．２像素级特征提取子模型的建立??（１）像素级特征提取子模型的建立??假定影像数据的观测值为；；＝｛乃，乃，一，兄，｝，其中的任意一个像素点；；，＿在设定好分??类标记Ｘ的情况下都是彼此相互独立的，而在位置／处的观测值％相对于分类标记Ｘ的??条件分布仅仅只和位置／处标记Ｘ的取值相关，那么下式成立：??２２??

?其中７Ｖ，包含了位置Ｖ（的周边??８个元素??图３－１像素级特征提取模型概率图??（２）对象级特征提取模型概率图的建立??与像素级特征提取的ＭＲＦ模型不同的是：对于一幅图像，基于对象级特征提取的??ＭＲＦ模型首先使用基本的无监督分割算法Ｍｅａｎ－Ｓｈｉｆｔ算法对图像进行初始分割，从而将??图像划分为初始分割区域集．如图３－２所示，用ｎ表示过分割后形成的区域对象，??及＝化丨１＾＾｝，其中ｋ为过分割区域的个数？接下来就可以定义区域临接图（ＲＡＧ）??Ｇ?＝?（ｒ，￡），其中Ｆ?＝?｛Ｈ…，〇是位置集合，每个＼代表了对应的过分割区域？；，??￡?＝?（６）是边集，如果区域。和厂相邻．我们定义为这两个区域共享的边的长度为??＿??图３－２对象级特征提取模型概率图??３．２．２像素级特征提取子模型的建立??（１）像素级特征提取子模型的建立??假定影像数据的观测值为；；＝｛乃，乃，一，兄，｝，其中的任意一个像素点；；，＿在设定好分??类标记Ｘ的情况下都是彼此相互独立的

【参考文献】：
期刊论文
[1]面向对象的遥感影像信息提取研究[J]. 刘小鹏,窦关新,赵宝军,韩丛波.  北京测绘. 2016(02)
[2]基于Fisher准则的多阈值图像分割方法[J]. 温淑焕,唐英干.  激光与红外. 2008(07)



本文编号：2908151