学位论文 > 优秀研究生学位论文题录展示

多尺度遥感图像分割算法研究与应用

作　者: 徐颖莎
导　师: 王卫红
学　校: 浙江工业大学
专　业: 计算机软件与理论
关键词: 遥感图像图像分割多尺度分水岭均值漂移
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 181次
引　用: 0次
阅　读: 论文下载

内容摘要

随着信息技术、空间技术的飞速发展和卫星空间分辨率的不断提高,高分辨率遥感图像在各个领域得到了广泛地应用。遥感图像分割指的是通过对遥感图像进行处理和分析,提取目标的技术和过程。由于高分辨率遥感图像通常表现出:图像细节信息丰富、地物几何结构显著、目标结构复杂等特点,使得没有完全可靠的模型对其分割进行指导,从而在一定程度上阻碍了遥感领域中分割技术的应用。尺度问题是遥感中的一个根本问题,不同地物具有不同的最优空间尺度,需要针对研究目标选择适宜的尺度进行分割,进而得到贴合地物目标的对象进行分析。本文针对遥感图像的特点,研究并改进了传统图像分割的技术,使之适用于遥感图像的多尺度分割。主要工作包括以下几个方面:首先,对当前主流的图像分割方法进行了系统的分析、分类和总结,总结了各类方法的优缺点,为不同图像数据条件和应用场合下选择分割算法提供了一定的依据;其次,分析了分水岭算法的原理及数学模型,阐述了经典的v-s沉浸分水岭分割算法,指出了其过分割的缺陷及现有的改进方法;分析了均值漂移算法的原理及其在图像分割中的应用,为多尺度的遥感图像分割提供理论基础;接着,针对遥感分割中多尺度的需求,提出了基于分水岭的多尺度遥感图像分割和基于均值漂移的多尺度遥感图像分割两类算法。前者的方法利用多尺度形态学的梯度算子进行边缘检测,对分水岭分割获得的初始分割进行模糊C均值聚类,最后得到基于面元的分割结果,通过不同的聚类中心个数及分水岭分割中参数的设置,实现多尺度的分割;后者的方法在均值漂移算法的优化阶段,引入多尺度的分割方法,通过图像在不同尺度上的合并,实现多尺度的分割。最后,设计实现了包含常用图像分割、边缘检测、图像增强、多尺度遥感图像分割等功能的遥感图像处理演示系统,并将多尺度遥感图像分割应用于城市绿地分割。

全文目录

摘要  5-6
ABSTRACT  6-10
第1章绪论  10-16
  1.1 选题背景及意义  10-11
  1.2 国内外发展动态  11-13
  1.3 本文的研究内容  13-14
  1.4 论文组织结构  14-16
第2章遥感图像及图像分割技术概述  16-27
  2.1 遥感图像  16-17
    2.1.1 遥感技术  16-17
    2.1.2 遥感图像的获取  17
  2.2 图像分割技术概述  17-26
    2.2.1 图像分割定义  17-18
    2.2.2 基于阈值的分割方法  18-19
    2.2.3 基于边缘检测的分割方法  19-23
    2.2.4 基于区域的分割方法  23-24
    2.2.5 三类分割算法比较  24-26
  2.3 多尺度分割  26
  2.4 本章小节  26-27
第3章分水岭算法及均值漂移算法  27-46
  3.1 分水岭算法相关理论  27-39
    3.1.1 数学形态学的基本操作  27-29
    3.1.2 分水岭分割算法原理  29-30
    3.1.3 分水岭变换数学模型  30-34
    3.1.4 V-S 分水岭分割算法流程  34-38
    3.1.5 分水岭算法的缺陷及解决方法  38-39
  3.2 均值漂移算法原理  39-44
    3.2.1 基本的Mean Shift 算法  39-40
    3.2.2 引入核函数的Mean Shift 算法  40-43
    3.2.3 常见的核函数  43-44
  3.3 LUV 颜色特征空间  44-45
  3.4 本章小节  45-46
第4章多尺度遥感图像分割  46-58
  4.1 遥感图像多尺度分水岭分割算法  46-52
    4.1.1 多尺度形态梯度算子  46-47
    4.1.2 模糊C 均值聚类  47-49
    4.1.3 多尺度分水岭分割算法  49-50
    4.1.4 实验结果及分析  50-52
  4.2 遥感图像多尺度均值漂移分割算法  52-57
    4.2.1 基于均值漂移的遥感图像分割  52-54
    4.2.2 引入多尺度的均值漂移遥感图像分割  54-55
    4.2.3 实验结果及分析  55-57
  4.3 本章小节  57-58
第5章多尺度遥感图像分割算法的应用  58-62
  5.1 遥感图像处理演示系统  58-60
  5.2 多尺度遥感图像分割在城市绿地分割中的应用  60-61
  5.3 本章小节  61-62
第6章结论与展望  62-64
  6.1 结论  62-63
  6.2 展望  63-64
参考文献  64-67
致谢  67-68
攻读学位期间参加的科研项目和成果  68

相似论文

森林防火系统中图像识别算法的研究,TP391.41
数字图像处理在集装箱检测中的应用研究,TP274.4
个性化人工膝关节设计及其生物力学特性研究,R318.1
空中目标抗干扰识别跟踪系统,TN215
基于图像处理技术的烟叶病害自动识别研究,S435.72
红外图像目标识别及跟踪技术研究,TP391.41
细菌聚类算法及其在图像分割问题中的研究与应用,TP391.41
基于回声状态网络的移动话务量预测方法,TN929.5
基于可视特征的彩色图像分割方法及应用研究,TP391.41
基于水平集区域分割的医学图像融合算法研究,TP391.41
基于多尺度分析的图像融合算法研究,TP391.41
基于分水岭与水平集的钼靶图像肿块分割方法,TP391.41
基于粒子群优化的Fuzzy c-mean聚类算法的基因芯片图像处理,TP391.41
基于视觉的类人足球机器人目标定位算法设计,TP391.41
复杂相变热图序列相变线提取算法研究,TP391.41
肺部病灶感兴趣区域分割算法研究,TP391.41
基于CCD探测技术的棉花“三丝”自动剔除系统研究,TP391.41
基于参数活动轮廓模型的医学图像分割方法研究,TP391.41
运动目标检测算法研究,TP391.41
皮肤纹理图像特征的提取与分析,TP391.41