高分辨率遥感影像超像素的模糊聚类分割法

发布时间：2021-06-10 12:42

　　传统模糊C均值聚类在影像分割中只考虑影像的灰度特征,导致该算法用于高空间分辨率遥感影像分割时分割结果不理想。针对该问题,本文提出了一种高分辨率遥感影像超像素的模糊聚类分割方法。该方法首先利用分水岭变换算法产生多个超像素子区域;然后比较各个子区域间光谱特征的相似性;最后利用融合光谱特征的模糊C均值聚类对这些超像素子区域进行合并。试验选用4组不同场景的遥感影像,采用定性和定量相结合的方法评价试验结果。试验结果表明,该方法有效提高了分割区域的分割精度,并取得了较好的分割视觉效果。 

【文章来源】：测绘学报. 2020,49(05)北大核心EICSCD

【文章页数】：9 页

【部分图文】：

图1 分割流程

由图2所示,4景影像中主要包含道路、水体、绿地和建筑物等地物。S1为建筑区,建筑物类型多样,建筑物内部光谱结构丰富;S2覆盖了公园景观,较S1的面积更大。相比S1和S2,S3和S4的分辨率较高,地物边界清晰,且光谱信息更加丰富,比如道路与建筑物,还有植被与裸地都呈现出明显的边界。S4为建筑区密集住宅区。2.2 超像素分割试验结果

过分割试验结果

【参考文献】：
期刊论文
[1]遥感影像建筑物提取的卷积神经元网络与开源数据集方法[J]. 季顺平,魏世清.  测绘学报. 2019(04)
[2]一种融合超像素与最小生成树的高分辨率遥感影像分割方法[J]. 董志鹏,王密,李德仁.  测绘学报. 2017(06)
[3]结合光谱和纹理的高分辨率遥感图像分水岭分割[J]. 张建廷,张立民.  武汉大学学报(信息科学版). 2017(04)
[4]基于超像素和模糊聚类的医学超声图像分割算法[J]. 陈放,杨艳.  半导体光电. 2016(01)
[5]结合结构和光谱特征的高分辨率影像分割方法[J]. 刘婧,李培军.  测绘学报. 2014(05)



本文编号：3222393