基于马尔柯夫随机场的多波段遥感影像纹理分割研究

利用马尔柯夫随机场(MRF),对光谱矢量在二维空间的映射模式予以描述,建立了基于马尔柯夫随机场的多波段纹理模型,提出了在多波段遥感影像中吉布斯(Gibbs)分布势函数和吉布斯参数的计算方法,并提出了一种迭代修正的多波段遥感影像纹理分割方法。

遥感图象的马尔柯夫随机场模型的纹理识别方法

本文讨论了马尔柯夫随机场图象模型及邻域选择方法,提出了8邻域5特征参数的马尔柯夫随机场图象模型以及一套完整而有效的特征参数的估计算法,将这些特征参数变成可视图象从而实现了视算。对8类不同纹理的标准图象进行分类试验,其识别(分类)的平均正确率达97.57％。

图像纹理基元分类的马尔柯夫随机场方法

提出基于马尔柯夫随机场(MRF)的图像纹理基元分类新方法。利用MRF里中心像元特征值与邻近像元特征值之间的约束关系,反映图像纹理基元的特征以及不同的MRF参数。根据由同一类别的图像求得的MRF参数计算出的标准差最小这一性质来进行图像纹理的分类。通过不同实验方案的对比,以及与不同分类方法的比较,证实提出的图像纹理基元分类方法具有一定的优势。

用遗传算法确定马尔柯夫随机场的最佳参数

对现有马尔柯夫随机场 (MRF)参数的解求方法作了详细分析。针对现有方法存在的缺点 ,提出基于遗传算法的MRF参数解求方法 ;分析讨论了求解的稳定性 ;并利用解的稳定性作为纹理分类的判据 ,作了航空影像纹理的分类实验。实验结果表明 ,求解的方法是正确的。用解的稳定性作为判据的纹理分类效果 ,通过对比实验证明是有效的。

论航空影像的纹理与描述

本文在前人研究的基础上，提出以中心像元的近邻像元，而不是近邻像元的组合，作为纹理基元，纹理基元的灰度统计规律反映出影像纹理的特征，这种特征可以用马尔柯夫随机场（ＭＲＦ）来描述，其特征参数可以作为纹理分类的依据。通过实验分析，证明本文的提法是合理的。

基于MPM准则的无监督SAR图像分割

提出了一种基于MPM(maximizationoftheposteriormarginals)准则的SAR图像无监督分割方法 。

基于纹理模型的红外图像弱小目标检测

针对红外图像中弱小目标的检测问题，提出了一种基于图像背景纹理分析的检测方法，利用二阶高斯－马尔柯夫随机场（ＧＭＲＦ）模型对背景纹理进行描述，并采用最小平方误差方法进行参数估计，将估计参数作为纹理的特征向量。目标检测采取由粗到精两个步骤，首先根据特征向量将目标区域粗定位，然后利用估计出的参数对目标可能存在的区域进行模型拟合，根据拟合误差检测出目标位置。实验结果证明了这种方法的有效性。

一种模拟视觉机制的图像分割模型

提出一个小波域多尺度马尔柯夫随机场模型用于模拟视觉系统在图像分割中的若干功能。针对人类视觉系统具有特征检测器、等级层次性、双向连接性、学习机制等功能,对输入场景,该模型用小波变换提供该场景图像的稀疏表示,模拟特征检测器功能;用金字塔结构模拟等级层次性;用两类信息流模拟双向连接性,分别刻画自底向上的输入图像特征提取过程以及自顶向下的反馈过程;用迭代过程模拟学习机制;采用多尺度马尔柯夫随机场模型实现图像分割。实验表明,该模型对真实采集到的不同类型的生物医学图像进行分割,取得优于一些传统分割算法的结果。

灰度矢量多波段遥感影像纹理特征及其描述

提出了多波段影像灰度矢量纹理的概念和实施方法。以中心像元的邻近像元作为灰度矢量纹理基元 ,纹理基元的灰度矢量统计规律反映出影像纹理的特征 ,并以马尔柯夫随机场的特征参数作为其分类依据。实验分析表明 ,所提出的理论和算法是可行的。

GPS控制点辅助InSAR相位解缠算法研究

利用GPS控制点辅助合成孔径雷达干涉测量(interferometric synthetic aperture radar,InSAR)进行相位解缠能提高InSAR相位解缠的精度。首先提出了一种以多个GPS控制点为解缠起算点的多解缠起算点枝切线相位解缠算法;然后,针对上述算法仍可能存在解缠孤岛,且无法得到残差点解缠值、无法保证整周未知数的整周特性的问题,提出了结合上述算法和基于马尔柯夫随机场的GPS辅助InSAR相位解缠算法的综合算法。实验结果表明,综合算法结合了多解缠起算点枝切线相位解缠算法和基于马尔柯夫随机场的GPS辅助InSAR相位解缠算法的优势,解缠精度高、解缠范围大。

基于遗传算法的影像纹理分类

阐述了遗传算法的基本原理，提出了与马尔柯夫随机场相结合的遗传算法在影像纹理分类中的应用。通过对４种纹理取样的实验，表明这种影像纹理分类方法可以提高分类的正确率。

基于MRF的航空影像理解的知识获取

讨论了基于ＭＲＦ影像理解的３种知识——同类影像的距离最短、近邻像元个别特征参数的显著性和影像的方向性在航空影像理解中如何获取和应用。通过航空影像试验，表明影像理解的正确率大大提高。