当前位置:主页 > 科技论文 > 自动化论文 >

基于K-means算法分割遥感图像的阈值确定方法研究

发布时间:2018-08-26 08:34
【摘要】:当前遥感图像分割中阈值确定方法忽略了前景和背景内在的联系,导致过分割和轮廓模糊,造成整体性能低下。为此,提出一种新型基于K-means算法分割遥感图像的阈值确定方法,通过K-means算法对遥感图像进行分割,利用最大类间方差方法得到分割遥感图像的初始阈值,依据该阈值将遥感图像划分成两类,求出两类的均值,将其作为K-means聚类算法的两个初始聚类中心,通过K-means聚类方法逐次迭代,不断更新聚类中心,直至得到聚类准则函数,从而求出遥感图像的最佳分割阈值。实验结果表明,采用所提方法确定遥感图像分割中的阈值,不仅效率高,而且整体性能优越;将得到的阈值应用于遥感图像分割中,能够使目标和背景被有效分离,且分离后目标部分轮廓比较清晰。
[Abstract]:The current threshold determination method in remote sensing image segmentation neglects the internal relation between foreground and background, which leads to over-segmentation and contour blurring, resulting in low overall performance. In this paper, a new threshold method for remote sensing image segmentation based on K-means algorithm is proposed. The initial threshold of remote sensing image segmentation is obtained by using the K-means algorithm, and the maximum inter-class variance method is used to segment the remote sensing image. According to the threshold, the remote sensing images are divided into two classes, and the mean values of the two classes are calculated, which are regarded as the two initial clustering centers of the K-means clustering algorithm. The clustering centers are updated continuously by iterating through the K-means clustering method until the clustering criterion function is obtained. Thus the optimal segmentation threshold of remote sensing image is obtained. The experimental results show that using the proposed method to determine the threshold in remote sensing image segmentation not only has high efficiency but also has superior overall performance, and applying the obtained threshold to remote sensing image segmentation can effectively separate the target from the background. And the contour of the target after separation is clear.
【作者单位】: 安阳师范学院计算机与信息工程学院;安阳师范学院软件学院;
【基金】:河南省教育厅自然科学研究项目(16B520003)资助
【分类号】:TP751

【参考文献】

相关期刊论文 前7条

1 任旭瑞;周坚华;;输入特征向量的自适应优化——以遥感图像K-均值聚类为例[J];遥感信息;2016年02期

2 阳天舒;李梅;信荟敏;赵永红;;基于形态学的自适应阈值分割算法[J];电子设计工程;2015年13期

3 张璐璐;何宁;徐成;王金宝;;基于K-means聚类的遥感影像条状地物半自动提取方法[J];北京联合大学学报(自然科学版);2015年01期

4 霍迎秋;秦仁波;邢彩燕;陈曦;方勇;;基于CUDA的并行K-means聚类图像分割算法优化[J];农业机械学报;2014年11期

5 王爱莲;伍伟丽;陈俊杰;;基于K-means聚类算法的图像分割方法比较及改进[J];太原理工大学学报;2014年03期

6 CHEN Na;XU Ze-shui;XIA Mei-mei;;Hierarchical hesitant fuzzy K-means clustering algorithm[J];Applied Mathematics:A Journal of Chinese Universities(Series B);2014年01期

7 李雪莲;;基于数据挖掘聚类分析的图像分割的研究和应用[J];宝鸡文理学院学报(自然科学版);2014年02期

【共引文献】

相关期刊论文 前10条

1 刘斌;何进荣;耿耀君;王最;;并行机器学习算法基础体系前沿进展综述[J];计算机工程与应用;2017年11期

2 赵红丹;田喜平;;基于K-means算法分割遥感图像的阈值确定方法研究[J];科学技术与工程;2017年09期

3 滕大伟;宋健;王凯;;基于区域生长的采摘机器人视觉识别方法[J];农机化研究;2017年03期

4 王三虎;强彦;;基于混沌粒子优化匹配的无线传感网簇区域生成算法[J];计算机工程与设计;2016年11期

5 李建林;薛晓丽;唐旭清;;H1N1流感病毒的HA、NA蛋白序列进化树[J];食品与生物技术学报;2016年10期

6 文静;曹妍;牟向伟;;双重遗传算法在文本聚类中的应用[J];计算机工程与设计;2016年09期

7 顾玉宛;史国栋;刘晓洋;赵德杰;赵德安;;基于空间特征谱聚类算法的含噪苹果图像优化分割[J];农业工程学报;2016年16期

8 王欣;高炜欣;武晓朦;王征;李华;;基于模糊模式识别的焊缝缺陷图像检测[J];西安石油大学学报(自然科学版);2016年04期

9 曹洪武;王振磊;姚娜;姚江河;;基于SLIC和多尺度显著性的红枣图像分割算法[J];江苏农业科学;2016年03期

10 林宇洪;陈清耀;邱荣祖;;基于K-means聚类的木材运输行为的可视化监管[J];青海师范大学学报(自然科学版);2016年01期

【二级参考文献】

相关期刊论文 前10条

1 袁周米琪;周坚华;;自适应确定K-means算法的聚类数:以遥感图像聚类为例[J];华东师范大学学报(自然科学版);2014年06期

2 霍迎秋;唐晶磊;尹秀珍;方勇;;基于压缩感知理论的苹果病害识别方法[J];农业机械学报;2013年10期

3 吕继东;赵德安;姬伟;;苹果采摘机器人目标果实快速跟踪识别方法[J];农业机械学报;2014年01期

4 冯波;郝文宁;陈刚;占栋辉;;K-means算法初始聚类中心选择的优化[J];计算机工程与应用;2013年14期

5 胡炼;罗锡文;曾山;张智刚;陈雄飞;林潮兴;;基于机器视觉的株间机械除草装置的作物识别与定位方法[J];农业工程学报;2013年10期

6 王晋年;顾行发;明涛;周翔;;遥感卫星数据产品分类分级规则研究[J];遥感学报;2013年03期

7 陈科尹;邹湘军;熊俊涛;彭红星;郭艾侠;陈丽娟;;基于视觉显著性改进的水果图像模糊聚类分割算法[J];农业工程学报;2013年06期

8 刁智华;王欢;宋寅卯;王云鹏;;复杂背景下棉花病叶害螨图像分割方法[J];农业工程学报;2013年05期

9 张红颖;;改进的Bernsen算法实证研究[J];电子世界;2013年04期

10 虎晓红;李炳军;刘芳;;多颜色空间中玉米叶部病害图像图论分割方法[J];农业机械学报;2013年02期

【相似文献】

相关期刊论文 前10条

1 李伟;;遥感图像中的道路提取[J];自动化博览;2006年05期

2 李传龙;李颖;马龙;;一种新的遥感图像海岸线检测方法[J];计算机仿真;2010年08期

3 张学良;肖鹏峰;冯学智;;基于图像内容层次表征的遥感图像分割方法[J];中国图象图形学报;2012年01期

4 秦其明;遥感图像自动解译面临的问题与解决的途径[J];测绘科学;2000年02期

5 陈小琪;现代计算机印前制版技术在遥感图像印制中的应用研究——以《长江经济带可持续发展地图集》为例[J];地球信息科学;2000年02期

6 邓湘金,彭海良;一种基于遥感图像的机场检测方法[J];测试技术学报;2002年02期

7 余杰千,方涛,陈雍业;一种有效的遥感图像无缝分割方法[J];计算机应用;2003年12期

8 吴为禄;遥感图像中的云层消除处理[J];铁路航测;2003年01期

9 于辉,徐军;彩色遥感图像目标提取方法研究[J];遥感技术与应用;2003年06期

10 黄勇杰,王树国,刘俊义,陈东;遥感图像去云算法研究[J];仪器仪表学报;2003年S2期

相关会议论文 前10条

1 张凤春;董增寿;刘明君;;基于局部方差均衡的遥感图像增强方法[A];第六届全国信息获取与处理学术会议论文集(2)[C];2008年

2 邓冰;林宗坚;彭晓东;;遥感图像信息度量的原理与方法[A];《测绘通报》测绘科学前沿技术论坛摘要集[C];2008年

3 江兴方;江鸿;何贤强;;遥感图像两种半自动拼接方法的研究[A];全国农业遥感技术研讨会论文集[C];2009年

4 罗睿;张永生;范永弘;邓雪清;;遥感图像基于内容查询的研究与实践[A];第十三届全国遥感技术学术交流会论文摘要集[C];2001年

5 陈东;庞怡杰;黄勇杰;;大倾斜航空遥感图像快速自动镶嵌技术[A];图像 仿真 信息技术——第二届联合学术会议论文集[C];2002年

6 黄勇杰;王树国;刘俊义;陈东;;遥感图像去云算法研究[A];首届信息获取与处理学术会议论文集[C];2003年

7 谢建春;赵荣椿;;遥感图像中的军用机场识别算法研究[A];信号与信息处理技术第三届信号与信息处理全国联合学术会议论文集[C];2004年

8 陈姚;王金亮;李石华;;遥感图像中云层遮挡影响消除处理方法研究述评[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

9 张磊;朱磊;;遥感图像中直线目标的检测[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年

10 邱磊;李国辉;衡祥安;;一种基于交互学习的遥感图像挖掘方法[A];第一届建立和谐人机环境联合学术会议(HHME2005)论文集[C];2005年

相关重要报纸文章 前5条

1 蒋建科邋孙宏金 陈树琛;传回清晰遥感图像[N];人民日报;2008年

2 记者 郑千里;北京地区有了航空遥感图像[N];科技日报;2000年

3 本报通讯员;煤航遥感院获美国快鸟遥感图像西部代理权[N];中煤地质报;2005年

4 王石;印度通过“快鸟”影像发现古墓地[N];中国测绘报;2010年

5 记者 马彦平 张桂敏;澳大利亚钾矿钻探启动[N];农资导报;2011年

相关博士学位论文 前10条

1 朱光;基于遥感图像的交通道路目标识别方法研究[D];吉林大学;2015年

2 祁友杰;基于SoC技术的遥感图像快速匹配方法研究[D];东南大学;2016年

3 江兴方;遥感图像去云方法的研究及其应用[D];南京理工大学;2007年

4 滕鑫鹏;遥感图像道路提取研究[D];江苏大学;2014年

5 刘春红;超光谱遥感图像降维及分类方法研究[D];哈尔滨工程大学;2005年

6 刘哲;基于信息融合的遥感图像处理方法研究[D];西北工业大学;2002年

7 强赞霞;遥感图像的融合及应用[D];华中科技大学;2005年

8 杜根远;海量遥感图像内容检索关键技术研究[D];成都理工大学;2011年

9 陶午沙;基于结构模型的遥感图像军事阵地目标特征分析及其识别技术研究[D];国防科学技术大学;2004年

10 林剑;基于模糊理论的遥感图像分割方法研究[D];中南大学;2003年

相关硕士学位论文 前10条

1 邱磊;基于内容的遥感图像挖掘方法研究[D];国防科学技术大学;2005年

2 陈浩;高分辨遥感图像灾区建筑检测[D];南京理工大学;2015年

3 朱然;大数据量复杂背景下桥梁水坝目标快速识别[D];电子科技大学;2015年

4 王静静;基于NSCT和Shearlet变换的遥感图像增强研究[D];新疆大学;2014年

5 柴宏磊;基于知识的遥感图像港口目标识别[D];电子科技大学;2015年

6 冯一鸣;基于遥感图像中港口目标的分割算法研究与实现[D];西安电子科技大学;2014年

7 吴云坤;遥感图像变化检测技术研究[D];国防科学技术大学;2013年

8 王旭;无参考遥感图像质量综合评价算法研究[D];西安电子科技大学;2015年

9 宋玉梅;基于遥感图像的内河航道识别研究[D];重庆交通大学;2015年

10 张少辉;基于刃边法的遥感图像重建方法研究[D];西安电子科技大学;2014年



本文编号:2204309

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/2204309.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户12949***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com