改进的各向异性扩散滤波在高分辨率遥感影像分割中的应用研究

发布时间：2020-11-18 19:03

　　 随着卫星技术的发展,卫星的空间分辨率越来越高,但是我们的遥感影像自动处理方法却越来越不能满足需要。由于高空间分辨率影像呈现出更为丰富的地物信息,影像中背景噪声也变得更加复杂,传统的广泛采用的中低分辨率遥感影像处理方法已经无法很好的满足需要。其中,快速而精准地识别高空间分辨率遥感影像地物的方法,是目前最迫切需要解决的问题之一。分割技术是高空间分辨率遥感影像地物识别的第一步,首先将具有复杂背景噪声和纹理的遥感影像进行分割,然后对分割后的区域进行分析处理,从而间接实现对高空间分辨率遥感影像地物的识别。本文在研究了大量图像分割算法后,拟采用分水岭变换算法作为本文的分割方法。然而,由于高空间分辨率遥感影像过于复杂的背景噪声和地物内部纹理信息的影响,使得采用传统的分水岭变换算法的分割结果,往往出现过分割的情况,这需要对传统的分水岭变换算法进行改进。为了解决影像的过分割问题,本文引入了各向异性扩散滤波算法并对其进行改进。改进后的算法在去除影像背景噪声的同时,还能够更好的保留边缘信息并突出边缘位置的细节。第一,改进了各向异性扩散滤波中的梯度模。采用非局部均值算法(NLM算法)平滑后的梯度模替换原始的梯度模,增强了该滤波的抗噪性,尤其是强噪声,以及边缘信息。第二,改进了原始算法中扩散系数的获取方法。提出了一种自适应的方法实现扩散系数的自动获取,这降低了人为因素的影响。第三,采用多尺度形态学梯度。传统的单一尺度的形态学梯度无法准确的提取梯度信息,本文采用了多尺度形态学梯度。这既避免了大尺度形态学梯度造成的边缘间相互影响,出现梯度的极大值与真实的边缘信息不一致的情况,又避免了小尺度形态学梯度无法取得很好的去噪效果,从而增强影像的边界信息和梯度图像的抗噪性。第四,使用了扩展极小值变换来消除梯度图像中的局部“谷底”和“毛刺”,保留梯度图像中显著的“山峰”,更进一步避免过分割情况的出现。最后,分别采用本文提出的方法和市场上主流商用分割软件eCogniton,对无人机航拍影像和QuickBird影像进行分割试验。采用六种指标试验结果进行评价:过分割指数(OR)、欠分割指数(UR)、差异距离(Dij)、潜在分割误差(PSE)、多边形数量比(NSR)和欧几里德距离(ED),结果表明,本文提出方法的分割精度均高于eCogniton。
【学位单位】：湖北大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：P237
【部分图文】：

以获得各种各样的高空间分辨率的遥感影像，如美国的ＩＫＯＮＯＳ分辨率为ｌｍ、??ＱｕｉｃｋＢｉｒｄ的分辨率为０．６１ｍ，以及以色列的ＥＲＯＳ－ｂｌ分辨率为０．５ｍ，我国的高??分二号卫星，除全色波段的分辨率达到０．８ｍ，其余波段均为０．４ｍ，图１．１是高??空间分辨率的高分二号影像和低分辨率的Ｌａｎｄｓａｔ?８影像对比图。这些高空间分??辨率遥感影像数据在国土资源勘察、农作物的长势监测、病虫害的监测以及土壤??１??

像更加模糊，对边界轮廓造成破坏；若Ａ：值太小，会出现图像没有经过完整的平??滑，无法较好的消除噪声的影响。式２．４中的两种扩散方程会得到相似的扩散效??果，但是两种扩散方程得到的最终扩散尺度结果不同，如图２．１，从图中可以看??出＾的扩散方程优先对非边界的部分进行扩散，＾是优先对边界区域进行扩散，??且在相同的像素点，ｃ２的扩散程度比Ｃｌ更大。??１１??

?第３章数学形态学和分水岭变换原理???内部，参考点的位置不同，得到的结果往往不同。Ｆ面的图片展示中，利用黑色??和白色分别表示二值图像像元值为１和０的区域，而形态学操作就是对其中像元??值是１的部分进行操作。??１、膨胀和腐蚀??（１）膨胀，用结构元素Ｂ膨胀Ａ表示为Ｚ十Ｓ，公式定义为：??Ａ?？?Ｂ?＝?［ｘ＼［（Ｂ）ｘ?ｎ?ａ］?ｄ）］?（３．１）??式３．１中可以很明显的看出用结构元素Ｂ膨胀Ａ的具体步骤为：首先对结??构元素Ｂ获取关于原点的映射，再将映射的结果平移ｘ，此处需要明确Ａ与Ｂ??的映射结果必须存在交集，其图解如下。??
【参考文献】

相关期刊论文 前10条

1 刘扬;付征叶;郑逢斌;;高分辨率遥感影像目标分类与识别研究进展[J];地球信息科学学报;2015年09期

2 王江涛;练煜;石红岩;;结合模糊C均值聚类和边缘检测算法的彩色图像分割[J];兰州文理学院学报(自然科学版);2015年02期

3 何晨;王超;;一种基于纹理特征的遥感影像分水岭分割算法[J];信息技术;2015年02期

4 江怡;梅小明;邓敏;陈杰;陈铁桥;;一种结合形态滤波和标记分水岭变换的遥感图像分割方法[J];地理与地理信息科学;2013年02期

5 钮圣虓;王盛;杨晶晶;陈更生;;完全基于边缘信息的快速图像分割算法[J];计算机辅助设计与图形学学报;2012年11期

6 鄢煜尘;周前进;段柳云;陈庆虎;;形态学重度污染文本图像去噪处理[J];武汉大学学报(信息科学版);2012年09期

7 陈景广;佘江峰;黄海涛;;基于形态学的多尺度遥感图像分割方法[J];地理与地理信息科学;2012年04期

8 陈杰;邓敏;肖鹏峰;杨敏华;梅小明;刘慧敏;;利用小波变换的高分辨率多光谱遥感图像多尺度分水岭分割[J];遥感学报;2011年05期

9 余旺盛;侯志强;宋建军;;基于标记分水岭和区域合并的彩色图像分割[J];电子学报;2011年05期

10 李亮;舒宁;黄亮;;基于改进的区域增长算法的高分辨率影像分割[J];地理空间信息;2010年05期

相关硕士学位论文 前1条

1 梅媚;计算机辅助CT图像脂肪检测算法研究与系统实现[D];天津大学;2003年

本文编号：2889083