分享到:

基于信息聚类的遥感图像分割

图像分割是图像处理的一项关键步骤,也是后续图像分析和解译的基础.聚类算法可以方便地利用图像特征空间中像素光谱测度的自然聚类特征实现图像分割,因此在图像分割中有着极其广泛的应用[1-3].传统上,基于聚类的图像分割仅仅实现硬划分,即每个分割像素确切地属于一个目标类;实际上,由于遥感图像的覆盖范围广泛,包含大量复杂的地物信息,常常出现同物异谱、同谱异物现象,很难确切地知道其像素所属目标类.因此,遥感图像分割更适合软划分,即每个分割像素以不同的隶属度隶属于每个目标类.模糊集理论恰好是实现软划分的有利工具,从而模糊聚类算法成为聚类算法研究的主流[4-5].典型的模糊聚类算法、模糊C均值(FCM)算法,可以依据最小二乘原理实现对图像数据的模糊划分.但其只考虑像素与聚类中心的相关性,并没有从整体上考虑像素与整个聚类集间的相关性,从而使其对图像噪声和异常值敏感.而且,FCM聚类算法过分依赖于聚类中心的选取,并且聚类中心的选取具有任意性,因此降...  (本文共6页) 阅读全文>>

辽宁工程技术大学
辽宁工程技术大学

基于信息聚类的遥感图像分割

传统聚类算法依赖于表征聚类性的特征量,并且当其用于图像分割时聚类特征量定义的不完备性会导致图像分割精度降低以及噪声敏感性增强。为此,本文摒弃了利用聚类特征量表达聚类的思想,以互信息定义全局相似性,提出了基于信息聚类的遥感图像分割方法。首先,利用Gaussian分布和Potts模型分别建立图像的特征场模型和标号场模型;然后,定义二元或多元组合的互信息测度,以表征同质区域内以及同质区域间像素灰度的相似性测度,即类内相似性和类间差异性;在此基础上结合两者之间的平衡关系建立目标函数,通过最大化求解目标函数,进而完成全色遥感图像的最优分割。利用提出的基于信息聚类的两种遥感图像分割方法分别对模拟图像和真实全色遥感图像进行分割实验;实验结果表明,基于信息聚类的遥感图像分割方法可以有效的实现影像区域的最优划分,并通过定性及定量评价可知提出算法具有较高的影像分割的精度,并具有较好的抗噪性。  (本文共70页) 本文目录 | 阅读全文>>

吉林大学
吉林大学

基于聚类分析的遥感图像分割方法

伴随遥感探测技术和航天技术的高速革新,遥感平台传回的高分辨率图像涵盖的信息也日渐丰富,其中涵盖了广泛的地球地表信息和光谱信息,如地表的形状、纹理等内容。遥感图像携带的丰富数据量为众多领域应用打下了良好基础,但遥感图像所含有的丰富数据在当前并不能转变为有效信息以供人类使用,因此需要人们加大在遥感信息提取方面的投入,同时也是众多研究领域的一项发展基础,旨在将遥感信息携带的有效信息实现高效率转化,并使其在众多研究领域内实现深入的应用。首先需要将遥感图像进行有效分割,图像分割的优劣将直接决定了后续的特征提取等质量。聚类分析作为当前经典的多变量统计方法,已经成为多个领域数据分析汇总使用较为频繁的工具之一,聚类分析理论和应用推动了当前如机器学习、图像处理、生物学等多个领域的不断发展。聚类算法属于一种无监督的学习方法,即不需要进行训练样本,这就使得聚类方法能够很好的应用在图像分割领域。本文所涉及的图像分割技术则是在当前研究成果基础上进行的改进...  (本文共110页) 本文目录 | 阅读全文>>

长沙理工大学
长沙理工大学

基于支持向量聚类的遥感图像分割算法研究

遥感图像分割是实现遥感图像理解关键的一步,是一个跨越图像处理、模式识别、计算机视觉、神经网络等多学科研究领域的综合性研究课题,有着广阔的应用前景,近年来受到人们普遍重视。由于遥感图像具有尺寸大、多波段、内容丰富多样、纹理特征丰富、多尺度等特征,使得遥感图像的分割比一般图像的分割难度更大。支持向量聚类方法是当前倍受关注的聚类分析方法,本文在认真研究了传统聚类分析方法和支持向量机理论的基础上,将支持向量聚类方法应用到遥感图像分割领域,实现了图像分割。该方法的主要思想是样本点经过一个非线性映射映射到一个高维特征空间,并在此空间中寻找一个包围所有样本点且具有最小半径的超球,当这个球面被映射回数据空间时,能分割成几个部分,每个部分都包含了独立的数据点簇,进而将数据样本点分割。该方法的优点一是通过二次规划问题求解,能得到全域最优解;二是能处理任意形状的聚类,并能划分有重叠区域的聚类形状,对噪声也能有效分析。实验结果显示能获得理想的分割效果,...  (本文共62页) 本文目录 | 阅读全文>>

中国计量学院
中国计量学院

基于模糊聚类的遥感图像分割方法的研究

遥感图像的聚类分割是分析遥感图像中地貌特征与空间关系的重要步骤。由于遥感图像具有数据维度高、数据量大、数据结构复杂的特点,传统的模糊聚类方法在遥感图像分割中的应用并不能达到分割精度要求。人工鱼群算法(Artificial Fish School Algorithm, AFSA)设计灵感来源于仿生学中鱼群自发的觅食行为,是一种智能优化算法,具有良好的并行性、自组织性和自适应性,在分类领域的有着成功应用。相比于传统的模糊聚类(Fuzzy C-Means, FCM)方法,将人工鱼群算法引入模糊聚类中,利用人工鱼群算法的自组织性和自适应性来对初始聚类中心点进行选择,以克服模糊聚类对初始聚类中心点敏感和容易陷入局部最小值的缺点。本文尝试提出一种局部二值算子(Local Binary Pattern, LBP)的人工鱼群模糊聚类图像分割方法(CSIFWCM),引入描述LBP算子图像像素点的空间特征信息,利用空间像素点的关系特征提高图像的分割...  (本文共69页) 本文目录 | 阅读全文>>

西安电子科技大学
西安电子科技大学

基于半监督集成的遥感图像的分割和分类

遥感对地观测技术目前已广泛应用于战场情报侦察、目标识别、气候变化监测、植物生长监测、灾害监测、数字地球等方面。遥感图像的分割,分类和识别是遥感图像处理和解译的关键。近年来,半监督学习理论和方法已经引起了广泛关注,本文研究基于半监督学习理论和方法的遥感图像分割与分类,主要分为以下几个方面:1.针对谱聚类算法对参数的敏感性和不能应用于大规模数据聚类的局限性,构造应用于大规模数据聚类的基于随机均匀采样结合最近邻准则的半监督多参数谱聚类算法。采用自调节参数从而避免参数的选择,在聚类中加入成对限制的先验信息来提高聚类性能。实验结果表明:该算法在多光谱遥感图像的分割中表现出良好的性能。2.针对SAR图像目标的特性,提出一种基于半监督路径相似度的Semi-Boost集成算法,并将其应用于SAR图像目标识别。对数据点的相似度矩阵加入由有标签样本产生的成对限制信息,通过该相似度矩阵的引导,把无标签样本中置信度较高的点加入到有标签的训练样本中,通过...  (本文共67页) 本文目录 | 阅读全文>>