高分辨率遥感影像分割方法研究-测绘科学与技术专业论文.docxVIP

摘要 摘要 I I 摘 要 面向对象的遥感影像分析是近年来出现的一个新的、有生命力的研究领域， 其最基本的问题之一便是遥感影像分割。本文将选择高分辨率遥感影像作为数 据，针对该类影像的分割方法在当前研究中存在的问题，对现有方法进行改进， 使其在分割精度和分割效率上有所提高。 论文的主要内容是： （1）论文对均值偏移方法进行扩展。结合高分辨率遥感影像的特点，采取 如下步骤进行分割：①保证收敛精度的情况下，对多维特征空间中的数据点进行 间隔采样，减少数据计算量从而提高效率；②使用区域增长方法，对收敛中心一 定范围进行区域增长，划分分割区域；③对分割后的图像再进行小区域处理，将 区域面积小于一定阈值的区域合并到与其最相似的邻接区域中去。与传统均值偏 移方法相比，改进方法以较小的精度损失获得了较大的效率提升。 （2）论文基于形态学分割方法进行扩展。针对遥感影像的特点构建多形状 结构元素，然后使用该结构元素对影像提取形态学梯度并进行开闭重构；根据人 的视觉特征，使用h极小值变换对梯度的高对比度区域进行还原，保证较高的局 部对比度；最后使用浸没式分水岭变换获得分割结果。与传统的方法相比，改进 方法获得了更好的分割精度。 （3）考虑到均值偏移方法和形态学方法的分割精度不高，论文基于区域合 并分割方法进行扩展。通过分析高分辨率遥感影像地物的特点，设计一种新的融 合光谱、形状和空间位置的合并代价函数进行区域相似性度量。在合并顺序的改 进中，提出一种“最小邻居链”的形式，用以表达和获取局部范围的最小合并代 价区域对。对高分辨率遥感影像进行分割并与eCognition7.0的分割结果比较，结 果证明本文方法更符合人的视觉感知。 （4）使用象素数量误差准则对论文所提出的分割方法及eCognition分割方法 进行精度评价。结果表明：基于改进区域合并策略方法的精度优于eCognition的 多分辨率分割方法。 论文的最后指出了本研究的局限以及今后需进一步展开的研究工作。 关键词：高分辨率遥感影像，图像分割，均值偏移，形态学，区域合并 Ab Abstract II II Abstract In recent years, the object-oriented remote sensing image analysis is a new and promising research field, and one of its basic issues is image segmentation. This dissertation will select high resolution remote sensing images as data, and will focus on studying and designing segmentation approaches for high resolution images. The main contents are as follows: This paper extends the method of mean shift. According to the characteristics of high resolution remote sensing images, three steps are taken to improve the method: ① To ensure the accuracy of the convergence, data points of multi-dimensional feature space are interval sampled. In this condition, the computation is reduced and the efficiency is improved. ② In order to segment the image, the neighbour regions of convergence centers are growing using the region growing method. ③ The segmented images are processed by fusing the small regions into nearest neighbours regions. Compared with traditional method of mean shift, the improved method is much better for high resolution remote sensing images. This paper extends the image