对简单线性迭代聚类算法改进的遥感影像超像素分割方法
发布时间：2021-09-02 18:49
随着超像素算法的发展,简单线性迭代聚类算法（SLIC）简单和良好的分割效果被广泛应用,主要应用在林地信息提取、目标跟踪、生物医学图像等领域。但针对简单线性迭代聚类算法在纹理较为复杂的遥感影像分割中的不足,提出了一种改进SLIC的超像素分割算法（M-SLIC）。首先使用均值漂移算法对预处理后的LandSat8遥感影像进行均值漂移,再结合均匀模式+旋转不变的线性反投影算法（LBP）和SLIC算法,对遥感影像进行超像素分割处理。结果表明:M-SLIC超像素分割算法分割遥感影像时相比较SLIC算法在边缘召回率上提高了1.5%,在欠分割错误率上降低了2%,M-SLIC算法能够更好地贴合遥感影像边缘,对于颜色相近的地物分割的欠分割错误率更低,更适合纹理较为复杂的林地遥感影像。
【文章来源】：东北林业大学学报. 2020,48(11)北大核心CSCD
【文章页数】：6 页
【部分图文】：
原始图像与不同处理图像的比较
因此,M-SLIC在LandSat8遥感影像处理中,能够很好的捕捉地物变化特征,反映不同地物典型的纹理信息,并且边界捕捉更精准,具有更好的准确率和鲁棒性;M-SLIC在欠分割错误率以及覆盖率上优于SLIC、SLIC融合纹理、LSC、SEEDS算法。图3 不同超像素不同算法的边缘召回率和欠分割错误率变化趋势
图2 LandSat8遥感影像分割结果表3 几种主要算法运行时间对比 算法 不同超像素不同算法的运行时间/s 100块超像素 200块超像素 300块超像素 400块超像素 500块超像素 600块超像素 700块超像素 800块超像素 900块超像素 1 000块超像素 M-SLIC 3.10 3.15 3.18 3.40 3.50 3.70 3.75 4.05 4.10 4.15 SLIC纹理 3.04 3.12 3.20 3.27 3.30 3.42 3.47 3.51 3.74 3.82 SLIC 2.13 2.17 2.25 2.31 2.39 2.45 2.58 2.75 2.92 3.11 SEEDS 1.12 1.18 1.21 1.28 1.33 1.38 1.46 1.51 1.57 2.44 LSC 2.55 2.57 2.61 2.56 2.72 2.75 3.05 3.13 3.22 3.31
【参考文献】：
期刊论文
[1]FLIC: Fast linear iterative clustering with active search[J]. Jiaxing Zhao,Ren Bo,Qibin Hou,Ming-Ming Cheng,Paul Rosin. Computational Visual Media. 2018(04)
[2]改进的GrabCut算法木材表面缺陷图像分割试验[J]. 白雪冰,宋恩来,李润佳,许景涛. 东北林业大学学报. 2017(10)
[3]基于改进SLIC方法的彩色图像分割[J]. 张亚亚,刘小伟,刘福太,张建廷. 计算机工程. 2015(04)
[4]商标图像平滑滤波算法研究与应用[J]. 黄晓刚,刘苏. 机械制造与自动化. 2014(01)
[5]自适应Mean Shift算法的彩色图像平滑与分割算法[J]. 王晏,孙怡. 自动化学报. 2010(12)
[6]一种新的基于高阶非线性扩散的图像平滑方法[J]. 贾迪野,黄凤岗,苏菡. 计算机学报. 2005(05)
本文编号：3379539
【文章来源】：东北林业大学学报. 2020,48(11)北大核心CSCD
【文章页数】：6 页
【部分图文】：
原始图像与不同处理图像的比较
因此,M-SLIC在LandSat8遥感影像处理中,能够很好的捕捉地物变化特征,反映不同地物典型的纹理信息,并且边界捕捉更精准,具有更好的准确率和鲁棒性;M-SLIC在欠分割错误率以及覆盖率上优于SLIC、SLIC融合纹理、LSC、SEEDS算法。图3 不同超像素不同算法的边缘召回率和欠分割错误率变化趋势
图2 LandSat8遥感影像分割结果表3 几种主要算法运行时间对比 算法 不同超像素不同算法的运行时间/s 100块超像素 200块超像素 300块超像素 400块超像素 500块超像素 600块超像素 700块超像素 800块超像素 900块超像素 1 000块超像素 M-SLIC 3.10 3.15 3.18 3.40 3.50 3.70 3.75 4.05 4.10 4.15 SLIC纹理 3.04 3.12 3.20 3.27 3.30 3.42 3.47 3.51 3.74 3.82 SLIC 2.13 2.17 2.25 2.31 2.39 2.45 2.58 2.75 2.92 3.11 SEEDS 1.12 1.18 1.21 1.28 1.33 1.38 1.46 1.51 1.57 2.44 LSC 2.55 2.57 2.61 2.56 2.72 2.75 3.05 3.13 3.22 3.31
【参考文献】：
期刊论文
[1]FLIC: Fast linear iterative clustering with active search[J]. Jiaxing Zhao,Ren Bo,Qibin Hou,Ming-Ming Cheng,Paul Rosin. Computational Visual Media. 2018(04)
[2]改进的GrabCut算法木材表面缺陷图像分割试验[J]. 白雪冰,宋恩来,李润佳,许景涛. 东北林业大学学报. 2017(10)
[3]基于改进SLIC方法的彩色图像分割[J]. 张亚亚,刘小伟,刘福太,张建廷. 计算机工程. 2015(04)
[4]商标图像平滑滤波算法研究与应用[J]. 黄晓刚,刘苏. 机械制造与自动化. 2014(01)
[5]自适应Mean Shift算法的彩色图像平滑与分割算法[J]. 王晏,孙怡. 自动化学报. 2010(12)
[6]一种新的基于高阶非线性扩散的图像平滑方法[J]. 贾迪野,黄凤岗,苏菡. 计算机学报. 2005(05)
本文编号：3379539
本文链接：https://www.wllwen.com/guanlilunwen/gongchengguanli/3379539.html
