学位论文 > 优秀研究生学位论文题录展示

粒度理论下的多尺度遥感影像分割

作　者: 张桂峰
导　师: 李德仁；巫兆聪
学　校: 武汉大学
专　业: 摄影测量与遥感
关键词: 多尺度影像分割粒度分层粒度合成区域自适应标记分水岭影像分割尺度综合尺度选择监督法分割结果评价
分类号: TP751
类　型: 博士论文
年　份: 2010年
下　载: 850次
引　用: 3次
阅　读: 论文下载

内容摘要

高空间分辨率遥感技术的发展在给遥感应用带来机遇的同时也带来了挑战,传统基于像素的影像分析方法局限性日益凸显。面向对象遥感影像分析技术在消除椒盐噪声、处理空间关系方面具有极大的优势,已成为当前发展趋势。在面向对象的遥感影像分析技术中,一个非常关键的技术就是影像分割。高分辨率遥感影像上,地物种类众多,且呈现层次性、结构化特征。为从多角度、多层次分析与理解地学现象,需要利用不同尺度的分割结果进行分析。但是,目前已有的大部分多尺度分割算法对高分辨率遥感影像的针对性不够,并且各层信息难以传递。鉴于此,论文将粒度理论里的粒度合成及粒度分层技术引入到高分辨率遥感影像分割过程中来,力图探索一条高分辨率遥感影像多尺度分割的有效途径。论文从遥感影像所反映地物的多尺度特性出发,结合粒度合成及粒度分层技术,对粒度概念下的高空间分辨率遥感影像多尺度分割做出了一些理论探讨、算法设计和实验分析工作,主要内容如下：(1)提出了一种嵌入边缘信息区域自适应的标记分水岭高分辨率遥感影像分割方法。该方法通过阈值分割方法从梯度影像上提取标记影像,且阈值通过区域自适应方法进行确定。对于每一像素,阈值由局部区域梯度分布及影像直方图的分位数共同决定。区域自适应的阈值生成方法保证了纹理丰富区域阈值高,而光谱变化平缓的区域阈值低。此方法生成的标记影像更符合实际情况。嵌入置信度的边缘提取方法一定程度上可提取弱边缘,且边缘定位精度高。利用其修改梯度影像,使得边缘上点最后被浸没到,成为对象边界。(2)提出了两种标记分水岭多尺度影像分割方法：基于尺度空间和基于Mumford-Shah模型的多尺度影像分割方法。基于尺度空间的方法利用标记分水岭方法分割尺度空间中多个尺度的影像,从而获得多尺度的分割结果。同时以尺度空间为基础,建立多尺度分割与多尺度边缘提取间的尺度联系,将同一尺度影像上提取的边缘引入到标记分水岭分割过程中。基于Mumford-Shah模型的标记分水岭尺度化方法以标记分水岭方法所得同质斑块为基元,通过不断合并合并代价最低的相邻斑块来实现Mumford-Shah函数的最小化。以区域拟合误差与相邻斑块公共边长度的比值来定义合并代价,其间边缘信息的引入,使得公共边与边缘重叠度高的相邻斑块被合并概率降低。(3)提出了基于分割结果评价的尺度选择方法。以分类样本为参考数据,利用分割结果评价方法评价各尺度分割结果的吻合程度,以选择各类地物的最佳分割尺度。分类样本反映了分类目的,因此,由此方法选择的尺度更能符合分类目。另外,遥感影像地物种类众多且固有尺度不尽相同,这也决定了需要选择出多个最合适分割尺度。考虑到同一地表覆盖类型内地物尺度相似,因此可以为每一种地表覆盖类型选择出一个最合适的分割尺度。对于某一地表覆盖类型,尺度选择时以该地表覆盖类型的样本数据为参考数据。(4)提出了两种尺度综合理论与方法：基于粒度分层技术和基于粒度合成技术。基于粒度分层技术的尺度综合方法将影像分割过程分为两个层次：粗分割与细分割。粗分割将影像按地表覆盖类型划分为多个大的影像斑块,细分割则将每个大的斑块细分,细分所用尺度依据斑块所属地表覆盖类型确定。基于粒度合成的尺度综合方法利用尺度选择技术为每一地表覆盖类型选择一个最佳尺度的分割结果,形成中间粒度空间,并利用拓扑结构合成技术完成粒度空间的合成,最终实现尺度综合。论文的主要创新点在于：(1)提出了两种标记分水岭多尺度分割方法：基于尺度空间的以及基于Mumford-Shah式的。基于尺度空间的标记分水岭多尺度分割方法以尺度空间为基础,建立了多尺度边缘提取与多尺度影像分割间的尺度联系,每个尺度影像分割时引入对应尺度的边缘信息。基于Mumford-Shah式的标记分水岭多尺度分割方法,以标记分水岭方法所得同质斑块为基元并引入边缘信息,可消除大量小面积斑块及提高边界定位精度。(2)提出了基于分割结果评价的尺度选择技术。以分割评价结果为标准进行尺度选择,而分割质量体现了分割结果与样本数据的符合程度,因此该尺度选择方法所得尺度能更好的符合应用目的。(3)提出了两种尺度综合理论和方法：基于粒度分层理论及基于粒度合成理论。基于粒度分层的尺度综合方法利用分层方法来分割遥感影像,利用上一层获得的信息指导下一层分割尺度的选择,实现了信息在不同层之间的传递,同时实现了多个尺度分割结果的综合。基于粒度合成的尺度综合方法将不同尺度的分割结果综合,最终分割结果中综合了多个尺度的影像斑块。该方法将多维任务分解为多个一维任务然后进行综合,提高分割效率和减小分割难度。本文将粒度概念引入到高空间分辨率遥感影像分割过程中,实验与分析表明,本文所提方法能自适应的为包含不同类型地物的影像、不同分类目的提供满足分类要求的分割结果,具有良好的可行性与有效性。尚需进一步研究的问题：(1)研究能依据地表覆盖类型自动确定尺度选择中的分割结果度量标准与方法,增强尺度选择技术的自适应性。(2)研究不同地物类型对应分割尺度之间的差异,将地物划分为更多地表覆盖类型,使得同一地表覆盖类型中的地物分割尺度更为接近。(3)在基于粒度分层技术的尺度综合里,充分利用上一层分割中获得信息(如斑块的破碎度)进行尺度选择,提高分割效率。(4)研究每种地表覆盖类型最佳分割特征与分割方法,并利用不同特征与方法来获取每种地表覆盖类型的最适合的分割结果。

全文目录

摘要  5-8
Abstract  8-11
目录  11-14
第一章绪论  14-28
  1.1 研究目的和研究背景  14-17
  1.2 国内外研究现状与发展趋势  17-25
    1.2.1 面向对象遥感影像处理技术的研究现状  17-19
    1.2.2 影像分割技术的研究现状  19-24
    1.2.3 粒度理论下影像分割的研究现状和趋势  24-25
  1.3 本文主要研究内容  25-26
  1.4 论文组织  26-28
第二章基于尺度空间的多尺度线特征提取  28-54
  2.1 尺度概述  28-29
  2.2 尺度空间  29-34
    2.2.1 线性尺度空间  29-31
    2.2.2 非线性尺度空间  31-34
  2.3 基于尺度空间的遥感影像的多尺度表示  34-36
    2.3.1 基于线性尺度空间的遥感影像多尺度表达  35
    2.3.2 基于非线性尺度空间的遥感影像多尺度表达  35-36
  2.4 边缘提取  36-42
    2.4.1 基于一阶导数的边缘检测算子  37-39
    2.4.2 基于二阶导数的边缘检测算子  39-40
    2.4.3 Canny边缘检测算子  40-42
  2.5 嵌入置信度的多尺度边缘提取  42-49
    2.5.1 Canny边缘检测算子中嵌入置信度  42-47
    2.5.2 嵌入置信度边缘检测方法的多尺度改造  47-49
  2.6 实验与分析  49-53
    2.6.1 影像的多尺度表达  50
    2.6.2 尺度因子对边缘提取的影响  50-53
  2.7 本章小结  53-54
第三章多尺度分水岭影像分割  54-95
  3.1 图像分割概念及粒度原理  54-55
  3.2 分水岭影像分割方法  55-58
    3.2.1 连续域的分水岭变换  55-56
    3.2.2 离散域分水岭变换  56-58
  3.3 基于区域自适应的标记分水岭影像分割  58-66
    3.3.1 标记分水岭影像分割  59-60
    3.3.2 区域自适应的标记影像自动提取  60-63
    3.3.3 影像标记  63-66
  3.4 基于尺度空间的多尺度标记分水岭分割  66-71
    3.4.1 概述  66-67
    3.4.2 标记分水岭中边缘信息的引入  67-71
    3.4.3 多尺度标记分水岭算法  71
  3.5 基于基元合并的多尺度标记分水岭分割  71-79
    3.5.1 Mumford-Shah函数  72-73
    3.5.2 基于M-S函数的基元合并  73-74
    3.5.3 基于M-S模型的基元合并算法实现与优化  74-79
  3.6 实验与分析  79-94
    3.6.1 嵌入边缘信息的标记分水岭影像分割  80-87
    3.6.2 基于尺度空间的多尺度标记分水岭分割  87-90
    3.6.3 基于基元合并的多尺度标记分水岭分割  90-94
  3.7 本章小结  94-95
第四章地表覆盖类型与分割尺度  95-110
  4.1 地表覆盖类型与分割尺度的关系  95
  4.2 地表覆盖类型划分  95-99
    4.2.1 地表覆盖及其类型  95-98
    4.2.2 地表覆盖类型划分技术框架  98-99
  4.3 基元特征提取  99-101
    4.3.1 基元光谱特征  99
    4.3.2 基元谱段组合特征  99-100
    4.3.3 基元纹理特征  100-101
    4.3.4 基元空间关系特征  101
  4.4 地表覆盖类型划分规则提取  101-108
    4.4.1 常见地物特征响应  102-104
    4.4.2 地表覆盖类型可区分性分析  104-106
    4.4.3 地表覆盖类型分层划分  106-108
  4.5 划分结果后处理  108-109
  4.6 本章小结  109-110
第五章基于粒度理论的尺度综合  110-134
  5.1 基于粒度理论的尺度综合原理  110-113
    5.1.1 基于粒度分层技术的尺度综合  110-111
    5.1.2 基于粒度合成技术的综合  111-113
  5.2 基于分割结果评价的尺度选择  113-115
    5.2.1 局部最优匹配法  113
    5.2.2 差异度量  113-115
    5.2.3 尺度选择  115
  5.3 基于粒度合成技术的高分辨率遥感影像分割  115-123
    5.3.1 基于粒度合成技术的影像分割技术  116
    5.3.2 多光谱影像梯度计算及尺度选择  116-119
    5.3.3 基于粒度综合技术的影像分割流程  119-123
  5.4 基于粒度分层技术的高分辨率遥感影像分割  123-133
    5.4.1 基于粒度分层技术的影像分割技术  123
    5.4.2 波段权重设置与尺度参数训练  123-130
    5.4.3 基于粒度分层的影像分割流程  130-133
  5.5 本章小结  133-134
第六章实验及分析  134-147
  6.1 实验数据说明  134-136
  6.2 地表覆盖类型划分  136
  6.3 基于粒度合成理论的多尺度影像分割  136-139
  6.4 基于粒度分层理论的多尺度影像分割  139-142
  6.5 结合规则的最近邻法的分类  142-146
  6.6 本章小结  146-147
第七章总结与展望  147-150
  7.1 本文主要工作与贡献  147-148
  7.2 将来的研究工作与展望  148-150
参考文献  150-160
攻读博士学位期间发表的论文和科研情况  160-162
  一、发表论文情况  160
  二、主要参加项目  160-162
致谢  162

粒度理论下的多尺度遥感影像分割

内容摘要

全文目录

相似论文