简单线性迭代聚类的高分辨率遥感影像分割

发布时间：2017-08-08 02:02

  本文关键词：简单线性迭代聚类的高分辨率遥感影像分割

  更多相关文章： 高分辨率遥感影像 SLIC超像素 影像过分割 影像分割 超像素合并 聚类

【摘要】：影像分割是面向对象影像分析的基础和关键。针对传统影像分割方法地物边界依附性差、易受影像噪声影响等问题,提出一种简单线性迭代聚类(Simple Linear Iterative Clustering,SLIC)的高分辨率遥感影像分割方法。该方法首先用SLIC算法对影像过分割生成SLIC超像素,之后根据相似性规则对SLIC超像素进行合并实现影像分割;然后通过构造Lab颜色空间下的五维特征参数度量影像像素的局部特征差异,并通过SLIC算法把具有相似性特征的像素聚类生成超像素,克服影像噪声对分割结果的影响;最后根据相似性合并规则以超像素为基本单元进行区域合并,从而达到分割目的。实验结果表明,所提出方法具有良好的高分辨率遥感影像分割结果。
【作者单位】： 中南大学地球科学与信息物理学院;东华理工大学江西省数字国土重点实验室;
【关键词】： 高分辨率遥感影像 SLIC超像素 影像过分割 影像分割 超像素合并 聚类
【基金】：地理空间信息工程国家测绘地理信息局重点实验室经费资助项目(201322) 江西省数字国土重点实验室开放研究基金资助项目(DLLJ201406) 国家自然科学基金(41201428) 测绘遥感信息工程国家重点试验室开放研究基金项目(13R01)
【分类号】：TP751
【正文快照】： 2.东华理工大学江西省数字国土重点实验室,南昌344000)0引言高空间分辨率遥感影像如GeoEye1、WorldView、Ikonos、QuickBird等广泛应用于农作物产量评估、森林火灾检测、地物分类等领域。与基于像元的方法相比较,面向对象的方法更适合高分辨率遥感影像的信息提取与分析。影像

【相似文献】

中国期刊全文数据库 前10条

1 高伟;刘修国;彭攀;陈启浩;;一种改进的高分辨率遥感影像分割方法[J];地球科学(中国地质大学学报);2010年03期

2 阚晓云;孙景振;王红伟;;无人机影像分割尺度及地物分类研究[J];科技广场;2013年11期

3 洪志佳;;面向对象信息提取中影像分割参数的选择[J];河南科技;2014年10期

4 肖奥;赵文吉;;基于最小异质性区域生长法的多尺度城市地物影像分割[J];首都师范大学学报(自然科学版);2010年01期

5 苏伟;李京;陈云浩;张锦水;胡德勇;刘翠敏;;基于多尺度影像分割的面向对象城市土地覆被分类研究——以马来西亚吉隆坡市城市中心区为例[J];遥感学报;2007年04期

6 冯益明;李增元;武红敢;陈尔学;;基于灰度与纹理信息融合的影像分割方法[J];遥感技术与应用;2006年06期

7 黄晓霞,李红旮,黄波;SAR影像中海洋浮油膜特征分割的Level Set方法[J];遥感学报;2005年05期

8 黄亮;左小清;冯冲;聂俊堂;;基于Canny算法的面向对象影像分割[J];国土资源遥感;2011年04期

9 贾迪;杨金柱;张一飞;赵大哲;于戈;;自适应脑组织影像分割[J];吉林大学学报(工学版);2012年01期

10 史晓霞;李京;周冠华;赵静;;基于Mean-shift影像分割算法的TM影像分类及城市扩展研究[J];地理与地理信息科学;2009年01期

中国重要会议论文全文数据库 前1条

1 莫登奎;林辉;;一种稳健的高分辨率遥感影像分割方法[A];第十二届全国图象图形学学术会议论文集[C];2005年

中国硕士学位论文全文数据库 前7条

1 张爱竹;基于智能优化算法的高分辨率震害影像分割[D];中国石油大学(华东);2014年

2 莆杰艺;基于异质性最小准则的基元合并影像分割方法研究[D];长安大学;2013年

3 黄亮;一种融合边缘与对象异质性的影像分割算法[D];昆明理工大学;2011年

4 袁秀华;高分辨率遥感影像分割研究[D];江西理工大学;2014年

5 王博;基于高分辨率影像的改进分水岭算法影像分割参数优选研究[D];兰州大学;2013年

6 吕佩育;基于影像分割的无人机影像密集匹配算法研究与实现[D];西安科技大学;2013年

7 王刚;基于影像分割的SAR影像变化检测技术研究[D];解放军信息工程大学;2012年

，

本文编号：637692