基于超像素初始分割和区域合并的遥感分类研究

发布时间：2023-04-20 01:31

　　图像分割是图像处理中必不可缺的部分。在高分辨率遥感影像的探索和应用中,通常需要提取关于影像的某些区域的信息。自20世纪70年代以来,图像分割一直受到人们的高度关注。在以往的研究中,尽管学者们已经提出了各种不同的分割技术,但由于各种影像的特定问题,多种尺寸以及特定区域的影像差异,仍然缺乏一种普适的,可以用于所有影像的通用分割方法。同样,也缺乏科学和通用的准则来确定图像分割的成功与否。本文选用高分辨率GF-1遥感数据作为数据源,从图像分割和图像分类两个方面出发,研究适用于大区域下的高分辨率遥感影像的图像处理技术。取得的成果概括如下:(1)基于GF-1卫星影像,选取适合的图像增强技术和噪声去除技术以减少图像过分割,通过分水岭变换完成图像的初始分割。结合基于图论的方法,通过建立一定的区域异质性度量准则,对初始分割区域进行区域合并,形成原始图像的超像素分割结果。(2)基于GF-1卫星影像,以超像素分割结果,作为支持向量机图像分类的特征提取样本,通过选择适当的特征集合,对高分辨率遥感影像进行土地覆盖类型提取。(3)完成对实验区高分辨率影像的图像分类实验及相应评价。最后,对分类结果进行精度分析和综合...

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 引言
    1.1 研究背景与研究意义
    1.2 国内外研究现状
        1.2.1 图像分割
        1.2.2 图像分类
        1.2.3 存在问题及发展趋势
    1.3 研究目标
    1.4 研究内容与技术路线
        1.4.1 研究内容
        1.4.2 技术路线
    1.5 创新点
    1.6 论文内容安排
2 基于初始分割和区域合并的超像素分割算法
    2.1 超像素分割算法简介
    2.2 标记分水岭算法原理及改进
        2.2.1 实现原理及基本步骤
        2.2.2 存在问题及改进
    2.3 数学形态学原理
        2.3.1 数学形态学
        2.3.2 二值形态学及基本运算
        2.3.3 灰度形态学及其基本运算
    2.4 形态学分水岭算法流程
        2.4.1 形态学滤波
        2.4.2 梯度提取
        2.4.3 扩展极小变换
    2.5 基于图论的区域合并
        2.5.1 区域邻接图的构造
        2.5.2 区域异质度函数
        2.5.3 最近邻接图的构造
3 基于支持向量机的遥感影像分类
    3.1 高分辨率遥感影像的特征提取
        3.1.1 光谱特征
        3.1.2 纹理特征
        3.1.3 形状特征
    3.2 分类器构造
        3.2.1 多类分类器
        3.2.2 本文分类器
4 应用实例
    4.1 算法流程
    4.2 实验区影像数据介绍及概况
        4.2.1 GF-1卫星主要参数
        4.2.2 实验区概况
    4.3 遥感影像预处理
    4.4 地物分类标准
    4.5 实验结果
    4.6 综合评价与分析
        4.6.1 区域合并评价与分析
        4.6.2 图像分类精度评价与分析
5 结论
    5.1 成果
    5.2 存在问题与未来展望
致谢
参考文献
附录 (个人简介)



本文编号：3794614