一种融合边缘与对象异质性的影像分割算法

论文摘要

随着以QuickBird, IKONOS, WorldView, GeoEye等为代表的商业高分辨率卫星的出现和发展,推动了空间科技和空间信息产业的快速发展,但也带来了巨大的挑战。为了使高空间分辨率的遥感影像从数据转换成为信息,达到服务各个领域的要求,就必须将各个领域所需的专题信息数据提取出来。在此需求下信息提取与目标识别技术应运而生,且成为高空间分辨率遥感影像数据处理领域中的研究热点。传统基于像元的信息提取技术在提取中具有很大的局限性,而面向对象的影像分析方法则在消除椒盐噪声和处理空间关系上有很大的优势,该方法不仅提高了提取的精度,而且大大缩短了信息提取的时间,不论在提取精度还是时间效率上都比传统的分类算法有较大的优势。但由于面向对象的影像分析方法是以对象为单元,而对象则是通过影像分割得到,所以分割结果的好坏将将直接影响后续的信息提取精度。目前,在影像分割算法方面还没有一个统一和普适性较好的分割方法。鉴于此,论文将数学形态学、边缘检测和对象异质性等技术引入到高空间分辨率遥感影像分割过程中,力图研究出一套有效的影像分割算法。论文从高空间分辨率遥感影像的颜色、形状及整体异质性出发,结合数学形态学、邻域处理及边缘检测等技术,对数学形态学、边缘检测和对象异质性等技术进行集成,在此基础上做出一些理论探讨、算法设计和实验分析等工作,其内容如下：(1)提出了一种数学形态学改进的Canny分割算法。该算法首先通过数学形态学消除高空间分辨率遥感影像的噪声,然后采用Canny算法进行边缘检测。采用该方法可以保留更多的边缘信息,提高了分割的精度；(2)提出了一种数学形态学改进的多尺度分割算法。采用传统的多尺度分割算法得到的影像对象“破碎”和过分割现象较为严重。而采用数学形态学优化高空间分辨率遥感影像的背景信息及噪声后可以有效地解决以上问题；(3)提出一种融合边缘与对象异质性的影像分割算法。该方法将地物边缘引进多尺度分割算法,通过边缘信息引导影像对象的生成,该方法可以大大提高影像分割的精度。

论文目录

• 摘要
• Abstract
• 第一章 引言
• 1.1 选题的背景和意义
• 1.1.1 选题背景
• 1.1.2 研究的理论意义
• 1.1.3 研究的实际意义
• 1.2 研究目的和内容
• 1.2.1 研究目的
• 1.2.2 研究的内容
• 1.3 影像分割国内外研究现状
• 1.3.1 单一的基于边缘或区域的影像分割方法
• 1.3.2 集成的分割方法
• 1.3.3 结合特定理论的影像分割方法
• 1.4 研究的技术路线和论文结构安排
• 1.4.1 研究的技术路线
• 1.4.2 论文结构安排
• 第二章 一种数学形态学改进的Canny分割算法
• 2.1 数学形态学
• 2.1.1 基本集合定义
• 2.1.2 数学形态学基本运算
• 2.2 边缘检测
• 2.2.1 并行边界技术
• 2.2.2 Canny算子
• 2.2.3 串行边界技术
• 2.3 邻域运算
• 2.3.1 基本概念
• 2.3.2 影像平滑
• 2.4 数学形态学改进的Canny分割算法
• 2.4.1 传统Canny算法实现过程
• 2.4.2 算法思想
• 2.4.3 算法实现及实验
• 第三章 一种数学形态学改进的多尺度分割算法
• 3.1 多尺度分割
• 3.2 形态学改进的多尺度分割算法
• 3.2.1 算法思路
• 3.2.2 算法实验
• 第四章 一种融合边缘与对象异质性的影像分割算法
• 4.1 对象异质性
• 4.2 分级区域合并
• 4.3 融合边缘与对象异质性的影像分割算法
• 4.3.1 分割算法思路
• 4.3.2 算法实验
• 第五章 分割质量评价
• 第六章 总结与展望
• 6.1 本文主要工作与贡献
• 6.2 将来的研究工作与展望
• 致谢
• 参考文献
• 附录A 攻读硕士期间发表论文目录
• 附录B 攻读硕士期间参与的项目