于随场模型遥感图像分割与缩.pdf

y578995 摘 要 针对遥感图像的分类压缩问题，本文主要研究了感兴趣区分割与提取的理论与方 法以及基于分割结果的压缩。这两个方面的研究是相互关联的，其中感兴趣区分割与 提取是压缩的基础与关键。 罔绕基丁：遥感图像感兴趣区的分割方法研究，本文首先对图像随机场模型的现状 及进展、组合优化方法现状与进展、随机场模型参数估计现状与进展几方面进行了综 述，对大多数方法进行了具体的分析和评述，指明了它们的优缺点。根据这些研究进 展，本文在基于像素级的随机场分析法，基于结构随机场的分析法，和基于高层随机 场的分析法这三个方面对遥感图像感兴趣区的分割与提取展丌研究工作，它们分别改 进前者的不足以改善分割的效果。 基于像素级随机场分析法的研究中，通过结合…幅图像的局部统计量，一个半因 果的非平稳白回归随机场模型能被应用到一幅非平稳图像的分割问题一卜．。由于这个非 平稳随机场比平稳随机场提供了更好的属性描述，图像将会被更好地分割。除了马尔 科夫随机场对图像像素间的低阶依赖性的描述外，我们也引进一种高阶依赖特性作为 一种新的分类特征来识别实际的区域。熵率就是这样一种特征，它也能用随机场模型 来估计。由于参数的估计问题涉及不完全的数据问题，我们将使用EM／MCMC算法来估计 场参数。 基于结构随机场分析法的研究中，一种包含多种纹理类型的联合纹理模型能应用 到遥感图像中。基于2维的沃德模型分解，随机纹理场能被分解为两个相互丁F交的空间 成分，即全局结构的成分和残余成分。残余的图像又可建模为空间均匀的随机场和局 部空IHJ奇异的随机场之和。在遥感图像分割中，经过谐波滤波器处理后，我们分别用 沃德结构随机场和马尔科夫随机场来刻画纹理中的全局结构成分以及空间均匀随机成 分。在马尔科夫模型的分割中，因为反映不同区域类型相对比例的先验知识的一阶基 团，即外场，是不知道的，所以人们往往只考虑2阶基团的作用，结果马尔科夫模型不 能满意地刻画纹理的结构成分，而利用本章方法，可以克服这个问题，一幅参考图像 被用作外场，它由沃德模型分解得到。进一步，为了改善纹理边缘，将内场和外场之 间的比例视作为一个模型参数。 在基于高层随机场分析法的研究中，语义类的确定是很困难的。我们将采用基于 蝥囊h：期嗣掌 匆金文公船 高层的模型：标记点过程。它的组态由一组标记点组成，被称为标记的随机参数和每 个点相关，这些参数定义了分割区域的一些几何属性。这个模型比马尔科夫随机场更 适合处理强相关噪声，包含了一些几何约束。当感兴趣区和背景形成对比时，我们将 标记点过程作为先验模型，它借用最近邻马尔科夫点过程来建模，即采用Voronoi胞体 来描述图像的结构和进行语义分割。这种新的分割算法使用这种广义结点，目WVoronoi 胞体，来表示图像间的相互作用。通过采用这种胞体堆砌作为先验模型，再结合数掘 Hasting 模型，统一在贝叶斯框架内来分割图像，这样，高层信息会被加入。Metropolis 马尔科夫蒙特卡罗算法被用于从后验模型中采样。最后，基于区域增长的后处理被采 用去改善初始的过分割。以上方法能提供很好的分割概念，例如感兴趣区的提取：另 外由于它有更少的参数，所以比基于马尔科夫随机场的分割更快。 不同的压缩算法对不同的区域有很大的不同效果。基于感兴趣区的分类压缩方法 对小卫星拍摄的图像特别适合，因为它们发射的目的就是为了某种特殊任务，所以我 ft]fN道它的感兴趣区的先验知识。感兴趣区形状是任意的，其余的背景部分也是任意 形状，因此带压缩数据由两部分组成：包含灰度值，纹理的实际图像数据以及形状、 区域位置信息，一种形状自适应的纹理编码方法将被采用。我们也可以采用基于模型 的压缩方法，不同区域，对应不同的模型估计参数，它们采用不同的策略被压缩，并 将在解码端被合成，被解码的感兴趣区在视觉效果上和原始部分是没有区别的。由于1 模型的参数很少，所以这种方法将产生很好的压缩比。 关键词：遥感图像分析，目标保真压缩， 随机场模型， 统计推断，参数估计，组合 优化，无监督聚类，随机纹理分割，不规则形状区域的压缩