可見光遙感圖像分割與提取研究.pdf

1、圖像分割是遙感圖像處理的重要研究內容?？梢姽膺b感圖像的處理在軍事和民用方面都具有廣泛的應用，而對可見光遙感圖像的分割是其中的重要的研究內容之一?，F(xiàn)有的遙感目標提取方法大都是在紅外圖像或者SAR圖像上對某一類特定目標進行的，而可見光遙感圖像上的分割方法大都是針對中低分辨率圖像上的地物地貌分類。將中低分辨率遙感圖像上的地物分類看作是一種分割，對這種區(qū)域性目標的現(xiàn)有分割方法通常效率比較低、實時性比較差。而對中高分辨率上邊界清晰的地物目標而言，

2、目前的提取方法基本處于人工經(jīng)驗判讀或人機交互的半自動處理階段，需要解決地物目標提取的智能化與自動化。本文針對可見光遙感圖像中感興趣目標分割提取的幾個關鍵問題進行研究，根據(jù)不同的分割需求，對中低分辨率的區(qū)域性目標或中高分辨率的弱小目標分別采用不同的分割或提取方法。論文中對實際遙感圖像進行了實驗，驗證了所提出方法的有效性。
　　 本文在對已有的遙感圖像分割算法進行充分研究與分析的基礎上，所做的主要研究工作如下：
　　 (1)

3、考慮中低分辨率可見光遙感圖像。對其上的區(qū)域性目標的分割問題進行了深入研究。針對可見光遙感圖像上的城區(qū)目標通常具有邊界模糊、連通面積大而導致分割速度慢等特點，本文基于模糊集理論提出一種矢量模糊分割法，通過樣板法與模糊統(tǒng)計法相結合的方法構造模糊隸屬函數(shù)，并構造了一個模糊訓練過程來驗證方法的有效性。
　　 (2)研究了中高分辨率可見光遙感圖像中感興趣目標分割的自動化技術?，F(xiàn)有的目標分割方法，要么是需要先驗知識的有監(jiān)督的自動分割，要么是

4、無需先驗知識但需要人工初始化的無監(jiān)督分割。本文依據(jù)解決計算機視覺中的丟失數(shù)據(jù)問題的思路，對最大期望法的初始化方法進行改進，實現(xiàn)了迭代過程中參數(shù)的自動初始化，從而實現(xiàn)了感興趣目標的自動分割。
　　 (3)當感興趣目標處在一個比較復雜的背景下，需要引入額外的附加先驗才能夠實現(xiàn)提取。論文引入了目標的形狀先驗。對復雜背景下的目標以受云層遮擋的海上艦船為例，通過分析獲得艦船目標的形狀模板作為先驗，基于水平集理論的形狀距離表示，將目標與復雜

5、背景放在一起構造模型，并構造對應的能量函數(shù)，在能量最小化的過程中實現(xiàn)感興趣目標的分割提取。
　　 (4)最后，為了實現(xiàn)完整的可見光遙感圖像上感興趣目標的解譯識別，在保證高準確率和低時間復雜度的同時，建立了一個感興趣目標的人機交互分割提取系統(tǒng)。研究工作中的新貢獻在于：●基于貝葉斯準則提出了城區(qū)的矢量模糊分割方法，相較于傳統(tǒng)的多尺度分割方法，該方法快速有效，且具有較高的準確率?！駥σ曈X上的參數(shù)估計提出了一種自動初始化方法，稱之為方向

6、標定法。使用該方法時，目標分割過程既無需初始化也無需人工參與，只依據(jù)圖像自身的光譜屬性和顏色屬性通過自身的初始化與迭代來實現(xiàn)。實驗驗證了該方法的有效性和可靠性?！襻槍τ性茖诱趽醯暮Ｉ吓灤岢隽艘环N云層艦船模型(cloud cover shipmodel)，將感興趣目標與背景作為一個整體來看待。根據(jù)可見光遙感圖像上云層是否存在陰影建立不同的模型以及對應的能量函數(shù)。實驗驗證了該方法的有效性。綜上，本文的研究工作首先從理論上進行分析，進而進行