基于改进的区域增长算法的高分辨率影像分割.pdfVIP

Oct．．2010Vo1．8，No．5 基于改进的区域增长算法的高分辨率影像分割 李 亮，舒 宁，黄 亮 (武汉大学 遥感信息工程学院，湖北 武汉 430079) 摘 要：提出了一种基于区域增长的影像分割改进算法；该算法可以在区域增长的基础上进行 区域合并和平滑最终改善影 像分割的效果。通过实验结果显示：该算法对于高分辨率遥感影像分割效果较好。， 关键词 ：影像分割；区域增长 ；拓扑关系；区域合并 中图分类号 ：P237 文献标志码 ：B 文章编号：1672—4623(2010)05—0067—03 ImageSegmentationM ethodsBasedOn ImprovedRegionGrowing LILiang， SHUNing，HUANG Liang (SchoolofRemoteSensingandInformationEngineering，WuhanUniversity，Wuhan430079，China) Abstract：Theimagesegmentationmethodsbasedonimprovedregiongrowingwasintroducedinthepaper． The algorithm couldimprovetheeffectofimagesegmentationthroughregionmergingandsmoothafteroriginalsegmen—— tation．Theresultsshowthatthealgorithm hasgoodeffectforhigh—resolutionimagesegmentation． Keywords： imagesegmentation；regiongrowing； topologicalrelationship；regionmerging 影像分割的研究多年来一直受到人们重视，至今 则进行影像分割，而由于图像噪声的存在 ，破坏了区 已提 出了多种各种类型的分割算法 。大致可以分为 域的一致性，这给后续的分割工作带来很大的干扰，因 三大类 ：阈值分割、边缘检测、区域提取。马文在 此在分割之前要对影像进行去噪处理。本文采用 自适 文献 [3]中采用 了OTSU 阈值分割的遗传算法，该方 应平滑法 抑制噪声：先计算遥感图像 中当前处理像 法采用遗传算法获得多个阈值。分割之前要指定阈值 元的NN大小的窗 口内的所有像素的灰度均值aver以 个数，但是影像分割之前，AJr]对于图像的认识是有 及标准差var，若像元灰度和平均值aver的差值大于m 限的，往往不能确定阈值的个数 。周璐璐 等人采用 倍的标准差，则判断该像元为噪声。将当前窗口中灰 基于边缘检测的图像分割，取得 了较好 的效果，但是 度位于 [aver—m var，aver+ var]范围内的像元灰度 图像预处理阶段，仍然会获得许多虚假的边缘信息，如 平均值作为当前处理像素的灰度值 ，m 的取值一般介 何剔除这些虚假 的边缘信 息也是个难点。传统的基于 于 之 间 。 区域提取的影像分割方法，依据灰度值对像素进行区 1．2 影像的初始分割 域的划分，而由于遥感影像不可避免的存在一些噪声， 影像的初始分割主要采用基于区域增长的影像分 导致影像 中有些像素的灰度值发生突变，这些发生突 割方法脚。区域增长的一个关键是选择合适的生长或相 变的像素往往就被单独划分为一个区域，因此影像分 似准则，大部分 区域生长准则使用图像的局部性质 。 割之后 的区域很零碎。本文主要采用 区域增长获得初 下面主要介绍基于 区域灰度差的生长准则和方法。算 始分割影像，然后进行相邻 区域的合并，区域合并采