一种基于统计学习理论的最小生成树图像分割准则-武汉大学学报.pdf

第 卷 第 期 武 汉 大 学 学 报 ·信 息 科 学 版 ４２ ７ Ｖｏｌ．４２Ｎｏ．７ 年 月 ２０１７ ７ ＧｅｏｍａｔｉｃｓａｎｄＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅｏｆＷｕｈａｎＵｎｉｖｅｒｓｉｔ Ｊｕｌ２０１７ ｙ ｙ ： ／ 文章编号： （ ） 犇犗犐１０．１３２０３ ．ｗｈｕｉ １６７１８８６０２０１７０７０８７７０７ ｊ ｇ 一种基于统计学习理论的最小生成树图像分割准则 １ １ ２ ２ 王 平 魏 征 崔卫红 林志勇 　 　 　 　 　 国家海洋局南海规划与环境研究院，广东 广州， １ ５１０３００ 　 武汉大学遥感信息工程学院，湖北 武汉， ２ ４３００７９ 　 摘 要：根据基于区域增长的面向对象图像分割的本质特点，将统计学习理论与最小生成树算法相结合，提出 　 了一种基于统计学习理论的最小生成树图像分割准则。将该图像分割准则应用于多种遥感影像数据进行分 割实验，其结果表明基于统计学习理论的最小生成树图像分割准则能通过简便的参数设置，即可以较好地实 现不同尺度目标的图像分割，同时又能对纹理区域进行有效分割，能获得良好的区域边界和较好的抗噪声性 能，并在海岸带大比例尺无人机正射影像的图像分割实践中得到了较好验证。 关键词：统计学习；最小生成树；图像分割准则 中图法分类号： 文献标志码： ＴＰ７５１ Ａ 　　　　　 图像分割的最终目的是使分割所得区域具有 小的生成树，每个树都是一个连通图，因此，寻找 　　 区域内相似性最大、区域间相似性最小，是典型的 差异最小的连通区域的图像分割问题就可以转化 聚类、最优化问题。图论作为数学的一个分支，以 为最小生成树问题。基于最小生成树的图像分割 由若干顶点和与顶点相连的边构成的图为研究对 主要有自顶向下分裂最小生成树与自底向上合并 象，这样的图可以用来描述某些事物之间的关系， 生成多个最小生成树两种策略。基于自顶向下的 用顶点代表事物，用边表示顶点所对应两事物之 分割策略是在图像图模型构造完成的基础上首先 间的关系。基于图论方法的图像分割算法已应用 按最小生成树算法得到一个连通整个图像的最小 于医学图像的分割（运动分割、纹理分割、目标分 生成树，然后按一定准则分裂最小生成树，该过程 ［ ］ １６ 割 ）等领域，并取得了很多成果。该类方法将 对于图像分割来说，特别是大图像，将增大计算 图像映射为带权图，把像素或区域视作顶点，图的 量，因此，本文采用自底向上（合并即区域增长）策 每一条边连接两个像素或区域，每条边被赋予权 略实现基于最小生成树的图像分割，称之为构造 重，权重反映了像素或