三维直方图准分的Renyi熵图像分割

针对二维Renyi熵分割法分割结果不够准确且计算复杂高的问题,提出了一种三维Renyi熵准分法。采用三维直方图描述图像并分直方图为内点区、边界区和噪声点区,对噪声点区进行去噪处理后,将内点区和边界点区的数据带入Renyi熵公式以取得分割阈值。实验结果表明,与对比方法相比,文中方法具有更好的抗噪性且分割更准确。

高分辨率影像中城区树冠多尺度聚类识别方法

提出一种约束均值漂移方法,对高分辨率影像中的城区树冠进行提取。该方法首先进行小波分解,建立小波金字塔结构,用特定窗口,对每一层小波的低频系数计算均值,同时对其高频系数计算标准偏差,在每一层,用这些均值和标准偏差构成特征空间,最终构成多尺度金字塔影像特征空间;然后,从金字塔顶层开始,逐层进行均值漂移计算,并在层间进行尺度传递,由于尺度传递可能造成特征空间更加不平滑,所以本文采用约束均值漂移方法进行聚类,实现城区树冠初步聚类分割。最后,由于特征空间的特征可区分性很难保证在区域边缘处的聚类精确性,所以本文进一步采用基于聚类特征的监督分割方法提取树冠。实验结果表明,与传统的直接监督方法以及非监督方法相比,该方法能较好地消除高分辨率导致的影像高度细节化等因素对城区树冠提取的影响,具有很强的实用性。

利用Relief特征加权进行基于小波变换的纹理分割

在利用小波进行纹理分割的相关研究中,通常小波分解的四个子带对分类的贡献是均匀的。为了考虑不同子带对图像分割的不同影响,提出了一种利用Relief算法对小波分解的子带特征进行加权的算法。首先对纹理图像进行标准金字塔结构小波变换,对小波变换后的各层四个子带进行特征提取作为纹理图像的四维特征;从粗尺度开始对纹理图像进行K均值分割,得到初步分割结果;然后把初步分割结果扩展到下一尺度,根据扩展后的分割标记图对相应尺度的纹理特征进行基于Relief的特征加权,得到加权后的四维特征;再进行K均值分割,经过多层迭代后,得到原纹理图像的分割结果。实验结果表明,与未加权的传统分割方法比较,该方法在分割错误率、边缘准确性以及区域一致性上都有明显改善。

浅谈聚类算法在图像分割中的应用

聚类算法在图像分割领域有广泛的应用,本文通过对四种聚类算法的介绍与分析,深入了解其算法原理,以及其在图像分割领域中的应用效果,通过四种的算法的比较,总结出了各个算法的优缺点。

高分辨率遥感影像上居民地自动提取方法

提出了一种基于特征分解的无监督分割方法,对高分辨率遥感影像中的居民地进行提取。该方法通过小波分解多尺度特征,利用居民地内、外部结构差异以及平均光谱辐射强度差异构成特征空间,采用约束均值漂移算法进行特征空间自适应分解,实现居民地自动提取。实验结果表明,该方法能很好地消除高分辨率导致的影像高度细节化等因素对居民地提取的影响,有效提取居民地。