首页> 正文

基于Bayesian的水平集图像分割方法在遥感影像建筑物提取中的应用

2020-12-07阅读(776)

基于Bayesian的水平集图像分割方法在遥感影像建筑物提取中的应用

论文摘要

遥感影像中建筑物目标具有高度多样性和复杂性,成功的建筑物识别系统将为其他类型的影像理解问题提供具有普遍指导意义的理论和方法。从单幅遥感影像中提取建筑物策略一般可分为边缘驱动策略和区域驱动策略,边缘驱动策略只适用于规则房屋的提取,区域驱动可提取出结构相对复杂的建筑物,但是提取出的建筑物在很大程度上依赖于图像分割结果。文中主要研究遥感影像的图像分割方法,为区域驱动的建筑物提取做好基础工作。图像分割是图像处理中一个基本而关键的环节,目前已提出很多图像分割算法,但由于遥感影像内容丰富,具有目标小,类型多,噪声大等特点,适合遥感影像图像分割的算法并不多。近年来提出的主动轮廓模型用数学模型来表征图像分割问题,可以将边缘、纹理、灰度、色彩等低层视觉属性和先验形状、色彩的经验统计等经验知识融为一体,对一系列的计算机视觉问题给出了统一的解决方法。因此,该方法在图像分割领域受到了越来越广泛地研究和应用。主动轮廓图像分割模型的基本思想是定义一条或多条封闭的初始轮廓线（初始曲线）,并定义有关图像信息的能量函数,最小化这个能量函数,然后驱使轮廓线不断地形变（演化）并在图像的某种特征（如梯度）处能量达到最小。这种模型求解时首先将能量函数用所选用的曲线演化方式表示出来（或者用参数化形式表示曲线或者利用水平集方法间接地表示曲线）,然后利用变分法最小化能量函数,得到一个有关偏微分方程（PDE）,最后使用离散化后的PDE方程驱动轮廓线迭代地演化。主动轮廓模型主要包括参数化主动轮廓模型和几何主动轮廓模型,参数化主动轮廓模型直接以曲线的参数化形式表达曲线的变形,难以处理曲线演化过程中的拓扑结构变化的问题,几何主地动轮廓模型用水平集函数间接地表达平面曲线的变形,水平集方法在形变过程中始终保持为一个连续的函数,容易处理拓扑结构变化的问题,且具有可靠的数值求解方法。本文主要讨论几何主动轮廓模型,将其应用于复杂遥感影像的建筑物提取。本文首先介绍水平集方法的基本理论和几种典型的几何主动轮廓模型;其次讨论了基于Mumford-Shah模型的C-V模型;然后提出基于Bayesian理论的几何主动轮廓模型;最后提出一种快速的基于区域竞争的主动轮廓图像分割模型。本文的主要创新点是:（1）在分析C-V模型的基础上,针对传统水平集方法在演化过程中需要不断地重新初始化的问题,对C-V模型进行改进,提高了曲线的演化速度,同时解决了传统水平集方法中何时初始化和如何初始化的问题。（2）提出一种基于Bayesian理论的主动轮廓模型,该模型从数理统计的角度上描述了C-V模型,是一种更广义的主动轮廓图像分割模型。首先利用Bayesian理论推导出最大后验概率（MAP）公式,定义有关MAP的能量函数,然后用几何主动轮廓对其最优化。为了将其应用于彩色图像分割中,并充分利用颜色间的相关性,采用多元正态分布描述区域信息。该模型易于综合纹理,形状等多种信息对模型进行扩充,对于不同类型的图像可选用不同的概率模型。（3）提出一种快速的基于区域竞争的多类图像分割模型。利用区域竞争曲线演化策略来表征任意类别数的图像分割问题,并保证轮廓曲线在演化过程中所得到的分割区域互不重叠,推导出一种新的快速曲线演化偏微分方程,与现有的一种曲线演化偏微分方程相结合,在提高曲线演化速度的同时保证了图像分割的精度。该模型可以实现预先知道目标类别数,但目标形状可以任意,且同类目标可以不连续的多类目标分割,既适刚于彩色图像分割又适用于灰度图像分割。此外,能量函数和曲线演化方程是相对独立的。

论文目录

  • 摘要
  • ABSTRACT
  • 第1章 绪论
  • 1.1 研究背景
  • 1.2 图像分割研究现状
  • 1.3 主动轮廓模型
  • 1.4 几何主动轮廓图像分割模型研究现状
  • 1.5 本文的主要工作
  • 第2章 水平集方法基本理论和典型的几何主动轮廓模型
  • 2.1 水平集方法
  • 2.2 曲线演化理论
  • 2.3 曲线演化的水平集描述
  • 2.4 经典的几何主动轮廓模型
  • 2.5 本章小结
  • 第3章 基于MUMFORD-SHAH模型的图像分割
  • 3.1 引言
  • 3.2 MUMFORD-SHAH模型及C-V模型
  • 3.2.1 Mumford-Shah模型
  • 3.2.2 简化Mumford-Shah模型—C-V分割模型
  • 3.2.3 C-V分割模型的水平集求解
  • 3.2.4 改进的C-V模型
  • 3.2.5 曲线演化方程的数值计算
  • 3.3 实验结果及讨论
  • 3.4 本章小结
  • 第4章 基于BAYESIAN的水平集彩色图像分割算法
  • 4.1 引言
  • 4.2 基于BAYESIAN理论的水平集主动轮廓模型
  • 4.2.1 Bayesian区域统计图像分割模型
  • 4.2.2 基于Gaussian分布的水平集求解
  • 4.2.3 算法描述
  • 4.3 实验结果及讨论
  • 4.4 本章小结
  • 第5章 基于区域竞争的多类目标分割
  • 5.1 引言
  • 5.2 基于BAYESIAN和区域竞争模型的多类分割算法
  • 5.2.1 基于多区域的Bayesian统计模型
  • 5.2.2 区域竞争曲线演化思想
  • 5.2.3 基于Gaussian分布的区域竞争曲线演化模型
  • 5.2.4 算法描述
  • 5.3 实验结果及讨论
  • 5.4 本章小结
  • 第6章 总结与展望
  • 6.1 总结
  • 6.2 今后的研究方向
  • 参考文献
  • 致谢
  • 攻读学位期间研究成果

    • 相关论文文献

    • [1].均匀先验分布Bayesian自适应波束形成方法[J]. 信号处理 2020(05)
    • [2].Bayesian inference for ammunition demand based on Gompertz distribution[J]. Journal of Systems Engineering and Electronics 2020(03)
    • [3].Variational Inference Based Kernel Dynamic Bayesian Networks for Construction of Prediction Intervals for Industrial Time Series With Incomplete Input[J]. IEEE/CAA Journal of Automatica Sinica 2020(05)
    • [4].Fault prediction method for nuclear power machinery based on Bayesian PPCA recurrent neural network model[J]. Nuclear Science and Techniques 2020(08)
    • [5].Bayesian regularized quantile regression:A robust alternative for genome-based prediction of skewed data[J]. The Crop Journal 2020(05)
    • [6].Simulation of Silty Clay Compressibility Parameters Based on Improved BP Neural Network Using Bayesian Regularization[J]. Earthquake Research in China 2020(03)
    • [7].Failure Statistics Analysis Based on Bayesian Theory: A Study of FPSO Internal Turret Leakage[J]. China Ocean Engineering 2019(01)
    • [8].Bayesian Analysis of Complex Mutations in HBV, HCV,and HIV Studies[J]. Big Data Mining and Analytics 2019(03)
    • [9].Hyperparameter Optimization for Machine Learning Models Based on Bayesian Optimization[J]. Journal of Electronic Science and Technology 2019(01)
    • [10].Comparison Between χ~2 and Bayesian Statistics with Considering the Redshift Dependence of Stretch and Color from JLA Data[J]. Communications in Theoretical Physics 2019(09)
    • [11].Bayesian Planning of Optimal Step-stress Accelerated Life Test for Log-location-scale Distributions[J]. Acta Mathematicae Applicatae Sinica 2018(01)
    • [12].Efficient Bayesian networks for slope safety evaluation with large quantity monitoring information[J]. Geoscience Frontiers 2018(06)
    • [13].A Novel Approach for QoS Prediction Based on Bayesian Combinational Model[J]. 中国通信 2016(11)
    • [14].Big Learning with Bayesian methods[J]. National Science Review 2017(04)
    • [15].MapReduce Based Parallel Bayesian Network for Manufacturing Quality Control[J]. Chinese Journal of Mechanical Engineering 2017(05)
    • [16].A Bayesian Based Process Monitoring and Fixture Fault Diagnosis Approach in the Auto Body Assembly Process[J]. Journal of Shanghai Jiaotong University(Science) 2016(02)
    • [17].Reliability Risk Evaluation Method for Complex Mechanical System Based on Optimal Bayesian Network[J]. Journal of Donghua University(English Edition) 2016(02)
    • [18].Prediction of TBM jamming risk in squeezing grounds using Bayesian and artificial neural networks[J]. Journal of Rock Mechanics and Geotechnical Engineering 2020(01)
    • [19].Calibrate complex fracture model for subsurface flow based on Bayesian formulation[J]. Petroleum Science 2019(05)
    • [20].Semiparametric Bayesian Inference for Accelerated Failure Time Models with Errors-in-Covariates and Doubly Censored Data[J]. Journal of Systems Science & Complexity 2017(05)
    • [21].Nonlinear Bayesian Estimation:From Kalman Filtering to a Broader Horizon[J]. IEEE/CAA Journal of Automatica Sinica 2018(02)
    • [22].Bayesian Regularized Regression Based on Composite Quantile Method[J]. Acta Mathematicae Applicatae Sinica 2016(02)
    • [23].Bayesian Reliability Assessment and Degradation Modeling with Calibrations and Random Failure Threshold[J]. Journal of Shanghai Jiaotong University(Science) 2016(04)
    • [24].Traffic-load prediction based on echo state network improved by Bayesian theory in 10G-EPON[J]. The Journal of China Universities of Posts and Telecommunications 2015(02)
    • [25].Investigating Genotype 1a HCV Drug Resistance in NS5A Region via Bayesian Inference[J]. Tsinghua Science and Technology 2015(05)
    • [26].基于Bayesian多分支岩石可钻性值估计[J]. 中国石油大学学报(自然科学版) 2014(03)
    • [27].基于异常值检验的Bayesian方法验前信息可信度计算[J]. 科学技术与工程 2012(31)
    • [28].Application of Bayesian approach to hydrological frequency analysis[J]. Science China(Technological Sciences) 2011(05)
    • [29].Phylogeny of Devonian Lycopsids Inferred from Bayesian Phylogenetic Analyses[J]. Acta Geologica Sinica(English Edition) 2011(03)
    • [30].随机加速寿命试验的Bayesian分析[J]. 淮阴工学院学报 2009(03)

    标签：;  ;  ;  ;  ;  

    基于Bayesian的水平集图像分割方法在遥感影像建筑物提取中的应用
    下载Doc文档

    猜你喜欢

    © 2024 毕速过 版权所有 鄂ICP备12018319号-5