基于改进型统计区域增长的遥感图像分割

随着遥感技术的发展,高分辨率遥感图像内容变得越来越复杂,信息表现更加精细,将某些中、低分辨率图像的图像分割、分类算法直接应用到这类图像上时,其效果往往不理想。在传统区域增长算法的基础上,进行了四重优化,采用四邻域策略组合成像素对,严格化合并准则,在不同尺度下将像素对进行合并,得到较好的分割影像。实验证明,该算法较大程度上实现了目标的提取,减少了传统区域合并算法的计算量,与原算法相比较更多地考虑了像素的空间特性,具有很好的抗噪能力,能够适应于大数据量高分辨率遥感影像的多尺度分割。

面向对象分割与混合像元分解相结合提取沙化土地信息

以甘肃省民勤县作为研究区域,使用了3景Landsat 8 OLI数据进行民勤县沙地信息的提取,提出了一种混合像元分解(FCLSU)和面向对象图像分割技术相结合的新方法。该方法不仅实现了沙地、盐碱地和裸土的分类识别,还实现了流动沙地、半固定沙地和固定沙地的定量区分,新方法总体沙地分类精度为87.23%,高于面向对象图像分类的84.82%,在沙地定量划分中新方法有着更为明显的优势。