遥感图像的K-均值聚类和分水岭分割算法的研究与实现

论文摘要

本文研究的内容是“利用遥感影像自动更新GIS矢量数据方法研究”中图像分割方法研究与实现部分,主要研究了遥感图像的边缘检测、K-均值聚类分割以及基于形态学的分水岭分割等算法。同时还介绍了遥感图像的预处理、数学形态学理论以及图像分割理论等相关知识。研究的主要内容有：（1）介绍了“利用遥感图像自动更新GIS矢量数据方法研究”的主要研究思路和研究内容。（2）介绍了遥感图像的预处理基础知识。针对遥感影像的特点重点进行了影像增强方法的研究,通过实验总结出了效果较好的增强方法。（3）对遥感图像分割中使用的数学形态学理论和图像分割理论进行了介绍。并将这两种基础理论应用于遥感图像的分割中。（4）研究了Canny等边缘检测算法、K-均值聚类分割算法、基于数学形态学的分水岭分割算法,并对算法进行了改进,取得了较好的效果。（5）采用数学形态学对K-均值聚类分割的结果进行处理,得到单一的目标信息,为下一步目标识别和矢量数据更新打好基础。（6）实践证明任何一种单一的分割算法都很难得到令人非常满意的结果,因此,本文将Canny算子的边缘检测结果应用于分水岭分割算法中,很好的抑制了过分割,取得了较好的分割效果。

论文目录

• 摘要
• Abstract
• 目录
• 1 绪论
• 1.1 研究的背景和意义
• 1.2 国内外研究现状
• 1.3 利用遥感图像自动更新GIS矢量数据方法的主要研究内容
• 1.4 本文内容安排
• 2 遥感图像预处理及理论知识介绍
• 2.1 遥感图像预处理
• 2.1.1 直方图均衡化
• 2.1.2 线性灰度变换
• 2.1.3 图像平滑滤波
• 2.3 数学形态学理论
• 2.3.1 二值图像中的形态学算法
• 2.3.2 灰度图像中的形态学算法
• 2.4 图像分割理论
• 2.4.1 图像分割的定义
• 2.4.2 图像分割的技术分类
• 3 遥感图像边缘检测算法研究
• 3.1 经典边缘检测算子综述
• 3.1.1 Robert算子
• 3.1.2 Sobel算子
• 3.1.3 拉普拉斯高斯算子（LOG）
• 3.2 Canny边缘检测算子分析
• 3.2.1 Canny算子边缘检测准则
• 3.2.2 Canny算子边缘检测算法
• 3.2.3 Canny算子边缘检测实验及分析
• 3.2.4 检测结果后续处理
• 4 遥感图像K-均值聚类分割算法研究
• 4.1 K-均值聚类分割算法描述
• 4.2 本文采用的K-均值聚类分割算法
• 4.2.1 聚类数目K值的确定
• 4.2.2 距离函数的确定
• 4.2.3 确定初始聚类中心
• 4.2.4 K-均值聚类分割算法实验及结果分析
• 4.4 聚类结果后续处理
• 5 分水岭分割算法研究
• 5.1 分水岭算法描述
• 5.2 分水岭算法实验及分析
• 5.2.1 对原始图像进行预处理
• 5.2.2 计算图像的形态学梯度
• 5.2.3 直接对梯度图像进行分水岭变换
• 5.2.4 标记分水岭变换
• 5.2.5 对标记符的改进
• 6 数据更新
• 7 总结与展望
• 7.1 总结
• 7.2 下步研究方向
• 致谢
• 参考文献