基于数学形态学的IKONOS多光谱图像分割方法研究

利用数学形态学方法,研究与探讨了IKONOS多光谱图像的分割技术,提出一种结合图像边缘特征和纹理特征的混合分割新算法。在高分辨率多光谱遥感图像K-L变换的基础上,采用多尺度多方向形态学梯度算子提取边缘特征,应用数学形态学滤波及局部方差统计特征对图像对象进行标记,最后采用强制最小过程,进行标记控制的分水岭分割。研究结果表明,提出的分割算法优于仅利用边缘特征的分水岭分割算法,同时,该算法能较好地解决分割过程中存在的过分割与欠分割问题,是一种适合高分辨率多光谱遥感图像的分割算法。

结合Top-down和Bottom-up准则的有效图像分割方法

基于图像的Bottom-up分割方法能够根据图像的不连续性以较高的正确率获取目标边缘;Top-down分割方法通过学习可以获取目标的外形表示,即对象基元CSF(Class-specific Fragment),该CSF能够用以覆盖待分割图像,帮助获得更好的分割效果。结合这两种准则的优势,提出一种有效的图像分割方法。把Top-down分割结果作为Bottom-up的输入,用改进的多尺度标记控制分水岭变换细化边缘,完成分割。算法利用相似性标准,能够简便快捷地判定属于对象基元的子块并匹配覆盖目标图像;同时,把形态学重构运算加入到强制最小技术中,对其结果求补后获取区域最小值,构建出的标记模型更加理想。实验表明,该方法得到的分割结果优于单独使用Top-down和Bottom-up方法,即使在背景可变和身体可动部位也能较好地分割出目标。

从DSM数据中自动提取建筑物的方法研究

现今,DSM的获取日趋方便、快捷、精确,充分利用DSM所提供的信息,可以解决很多实际问题。本文提出了一种从DSM自动提取建筑物的方法,首先从DSM中提取DTM,差值后得到消除了地形影响的规格化的DSM(即NDSM),然后对NDSM进行改进型"标记控制的分水岭"分割,得到地上物目标;最后根据这些目标的各自特点进行过滤,祛除非建筑物对象,留下我们所要的建筑物对象。