基于分割耦合规则集的城乡遥感地物分类

利用Worldview-2卫星1.8 m分辨率的RGB影像,建立了基于分割耦合规则集的城乡遥感地物分类方法,使用改进的Canny算子(影像边缘检测算法)以获取影像边缘信息并将其用于地物分割,基于光谱、形状、纹理特征获取各类特征因子在不同地物分割中的最优参数,分别构建水域、植被、裸地、道路和建筑物五类地物的提取规则集;最后,采用基于面向对象的分层次多尺度分割耦合规则集分类方法对研究区进行地物分类。结果表明,总体精度和Kappa系数分别为93.66%和0.912,能较为精确地分割影像对象且影像对象的矢量边界与真实地物边缘吻合程度较高,说明建立的基于面向对象的分层次多尺度的分割耦合规则集分类方法适合城乡遥感地物分类。

基于Canny算子改进型的影像测量边缘检测

针对采用高斯滤波器对图像进行滤波会导致图像边缘平滑,人为设定高、低阈值会导致阈值的自适应性差,采用双阈值法去除虚假边缘会导致去除效果不佳等问题,提出改进的Canny边缘检测算法并应用于影像测量领域。首先使用开关中值滤波代替高斯滤波,在去除噪声的同时保留非噪声像素点的灰度值不变,从而提高边缘定位精度;然后采用K-means聚类算法以得到高、低梯度值聚类中心,采用OTSU算法以得到梯度阈值,将两个方法结合,可以实现高、低阈值的自适应;最后采用面积形态学的方法去除图像的干扰边缘。实验结果表明,改进的算法具有定位精度高、自适应性强以及干扰点去除效果好等优点。