Print

基于双树复小波和灰度共生矩阵的遥感图像分割

论文摘要

图像分割作为图像智能化处理的重要发展方向,受到图像处理界的高度关注。遥感图像分割作为图像分割中一个重要应用,深受研究者的重视。由于遥感图像与其他类型图像相比,具有灰度级多、信息量大、边界模糊等特点,且存在“同物异谱”、“异物同谱”的现象,这些使得遥感图像分割难度较大。然而,随着对地观测卫星技术的不断成熟,所拍摄到的遥感图像其纹理信息越来越丰富,因此如何利用纹理信息对遥感图像进行分割成为当前国内外学者关注的问题之一,纹理特征的提取是该课题的基础。借助对遥感图像的纹理分析,提取遥感图像的纹理特征,可以推进遥感图像解译的自动化。在遥感图像分割中,将纹理分析的方法与常规的分割方法相结合,有助于提高遥感图像的最终分割精度,从而可以更好地理解遥感图像,并从遥感数据中提取各种有用的专题信息。本文在阅读大量文献的基础上,对基于纹理的遥感图像分割进行了研究,提出一种新的纹理特征提取方法,即:将双树复小波变换和灰度共生矩阵相结合描述遥感图像局部纹理特征。这种方法采用双树复小波高频模值子带Gamma分布与Lognormal分布参数组合特征、灰度共生矩阵特征组成的联合纹理特征作为遥感图像每一像素特征,然后通过K均值聚类完成遥感图像分割。实验结果表明,基于这种方法提取的纹理特征用到遥感图像分割中,得到了较高的分割精度。

论文目录

  • 摘要
  • Abstract
  • 1 绪论
  • 1.1 纹理概述
  • 1.2 纹理分析方法
  • 1.2.1 结构分析法
  • 1.2.2 统计分析法
  • 1.2.3 基于纹理的模型分析法
  • 1.2.4 信号处理方法
  • 1.3 纹理在遥感图像分割中的应用
  • 1.4 主要研究内容
  • 1.4.1 研究内容及目标
  • 1.4.2 论文组织
  • 1.4.3 章节安排
  • 2 理论基础
  • 2.1 傅里叶变换相关理论
  • 2.2 小波变换
  • 2.2.1 小波变换简介
  • 2.2.2 离散小波变换
  • 2.3 双树复小波变换
  • 2.4 灰度共生矩阵
  • 2.4.1 定义
  • 2.4.2 灰度共生矩阵纹理测度
  • 3 使用联合特征的遥感图像纹理特征提取及分割
  • 3.1 遥感图像预处理
  • 3.1.1 几何纠正
  • 3.1.2 灰度化
  • 3.1.3 灰度级量化
  • 3.2 基于双树复小波变换的遥感图像局部纹理特征提取
  • 3.3 基于灰度共生矩阵的遥感图像局部纹理特征提取
  • 3.4 基于联合特征的遥感图像局部纹理特征提取
  • 3.5 基于联合纹理特征的遥感图像分割
  • 3.6 实验结果与分析
  • 4 结论
  • 4.1 研究工作总结
  • 4.2 研究工作展望
  • 参考文献
  • 攻读硕士学位期间发表学术论文情况
  • 致谢
  • 相关论文文献

    本文来源: https://www.lw50.cn/article/9a46328fa5842631dbb973b2.html