基于区域生长的多尺度遥感图像分割算法

图像分割是图像解译的关键一步,仅仅利用光谱信息的传统分割方法已不能有效地对高分辨遥感图像进行分割。鉴于高分辨率遥感图像提供了地物光谱、形状和纹理等大量信息,文章提出了一种基于区域生长结合多种特征的多尺度分割算法。首先利用图像梯度信息选取种子点;其次综合高分辨率遥感图像地物的局部光谱信息和全局形状信息作为区域生长的准则进行区域生长。迭代这两个过程,直到所有区域的平均面积大于设定的尺度面积参数则停止生长。该算法用VC实现,实验结果表明该算法能获得不同尺度下的分割结果且分割效率高、分割效果好。

一种融合超像素与最小生成树的高分辨率遥感影像分割方法

影像分割是面向对象高分辨率遥感影像分析的基础与关键。针对传统影像分割方法易受噪声影响,且难以确定合适的影像分割尺度的问题,本文提出了一种融合超像素与最小生成树的高分辨率遥感影像分割方法。首先用简单线性迭代聚类算法对影像进行过分割生成超像素;然后初始设定影像分割数,采用区域动态约束聚类算法对超像素进行合并,获得分割数-方差和、分割数-局部方差、分割数-局部方差变化率指标图,依据3个指标图确定合适的影像分割数;最后根据确定的合适影像分割数,采用区域动态约束聚类算法对超像素重新合并得到分割结果。定性对比试验和定量评价结果表明,本文方法可以有效地克服影像噪声对分割结果的影响,获得良好的影像分割结果。

基于高分遥感影像的黄土高原地区水体高精度提取

黄土高原地区水体特征复杂多样,基于高空间分辨率遥感影像在大面积范围内,现有提取方法很难兼顾精度与效率,故提出一种新型的水体精细化自动提取方法。首先,在全局范围内根据不同的水体类型使用面向对象的影像分析技术按照不同的规则方法初步提取水体的主体部分,形成水体的种子区域;然后,在局部范围内根据同一地物的光谱相似性,进行区域种子生长,实现水体的高精度提取。结果表明,使用该方法提取的水体边缘可以较好地与影像吻合,更能保证水体的完整性,有效减少干扰信息,提升运算效率。

胸部CT中肺实质的自动分割与计算机辅助诊断

为解决肺气肿的定量分析与辅助诊断问题,根据肺部高分辨率CT图像的特点,应用自动阈值分割与轮廓跟踪方法提取肺部实质区域,并应用基于密度分布的肺气肿量化诊断标准确定病变区域与程度.实验证明,该方法能准确、有效地对肺部区域实行全自动分割,并对病变区域进行统计分析,最终实现肺气肿的量化分析与准确诊断.

基于CT图像的周围型肺部疑似肿瘤分割

以CT图像为基础,针对周围型肺部肿瘤分割问题,首先将经过预处理的CT图像利用阈值技术二值化,并采用形态滤波方法去掉散点和小桥,然后将每个连通区域标记出来,根据判断准则确定可疑的肿瘤区域。该方法使对阈值选取的敏感性和所需的人机交互减小到最低限度。

基于区域合并的高分辨率遥感图像多尺度分割

图像分割是高分辨率遥感图像处理和分析的关键环节.本文探讨了将区域合并方法应用于高分辨率遥感图像多尺度分割的技术要点,旨在提升分割的精度和效率,获得地物对象的多尺度表达.主要研究内容包含如下五个方面:(1)图模型的构建,包括区域邻接图和最近邻图,以提高分割效率;(2)合并准则的确定,选择能有效表征区域同质性、形状和边界的图像特征并加以组合,提升分割精度;(3)合并策略的选择,针对寻优范围不同列出面向全局、面向局部以及混合区域合并等三种合并策略,并分析各自的特点;(4)尺度参数的设置,针对面向局部的区域合并策略提出递增的尺度参数序列控制方法,生成边界一致的多尺度分割结果;(5)分割树的设计,利用树中不同层级的节点表达不同尺度的分割区域,可快速输出多尺度分割结果.研究成果可应用于高分辨率遥感图像面向对象分析、地物目标识别和信息提取.

基于纹理特征与区域生长的高分辨率遥感影像分割算法

影像分割是面向对象影像分析中的重要步骤。为了提高高分辨率遥感影像(high-resolution remote sensing image,HRI)分割算法的性能,提出一种新的影像分割算法,包含种子确定、基于种子区域生长(seeded region growing,SRG)的过分割(advanced SRG,ASRG)和层次区域生长(hierarchical region growing,HRG)3个步骤。利用Gabor纹理特征定义纹理均匀性,将种子自动放置在HRI中同一纹理组成区域的中心位置;在SRG阶段,将HRI光谱信息与斑块形状信息相结合,提出了一种新的合并规则,以提高SRG过分割的精度与分割结果中各个斑块排列的紧凑性;在HRG阶段,提出了一种自适应的阈值,可以更好地保持多尺度分割的特性;在实验部分,采用3景HRI验证了上述方法。利用监督的影像分割评价方法定量评价了该方法的分割精度,并与另外2种主流的遥感影像分割算法进行了对比。结果表明,该方法可以得到令人满意的分割效果。

基于边缘引导约束的高分辨率遥感影像海岸线提取

针对海岸线的影像特征,提出一种基于边缘引导约束的海岸线提取方法。该方法是在遥感影像进行中值滤波处理,去除噪声的基础上,通过交互方式对遥感影像进行灰度拉伸,以增强海岸线特征;再利用梯度算子卷积运算得到梯度影像;然后通过边缘像素点和灰度差阈值引导种子点进行生长,进而提取包括滩涂在内的水域或其他地物;最后通过轮廓跟踪提取生长区域的边界,即海岸线。试验表明,该方法可准确提取出海岸线位置,效果较好。

基于JSEG改进算法的高分辨率遥感影像分割

高分辨率遥感图像中细节信息丰富、地物几何结构明显,对JSEG算法进行了改进,使其对高分辨率遥感图像分割可以取得更合理的结果。算法使用增量式的生长方式完成初始分割,并综合使用颜色和形状信息对过分割区域进行合并。实验表明,改进后的算法符合高分辨率遥感图像的特点,可以得到更好的效果。

基于高分辨率遥感图像的荔枝林树冠信息提取方法研究

为有效提取荔枝林树冠信息,解决局部最大值法窗口选择和区域生长法在树冠相互连接时的过度生长问题,将水文分析和区域生长融合方法用于荔枝单木探测和树冠描绘。首先将均值滤波方法平滑后的全色图像进行反转完成图像预处理;然后对预处理后图像提取洼地和洼地贡献区域,接着剔除错提洼地,合并树冠分支洼地的贡献区域,从而提取树顶位置,完成单木探测;最后以单木探测结果为种子点,采用区域生长方法对树冠进行描绘,种子生长被限定在洼地贡献区域内,在阈值控制下进行生长,最终完成单木树冠描绘。采用遥感分类精度评价指标对提取结果进行评价,单木探测总体精度为87.75%,用户精度为80.69%,生产者精度为96.06%;单木树冠描绘总体精度为78.69%,用户精度为71.32%,生产者精度为87.76%。

结合MST划分和RHMRF-FCM算法的高分辨率遥感图像分割

针对基于像素的HMRF-FCM算法抗噪性差以及对地物复杂边界分割精度低的问题,提出一种结合形状信息的静态MST区域划分和RHMRF-FCM算法的高分辨率遥感图像分割方法。该方法定义一种静态MST同质区域划分准则,借助MST能较好表达边界和形状信息、能较好抑制几何噪声的特点,解决地物复杂边界的表达和降低分割结果中几何噪声问题。首先,利用MST静态划分将图像域划分成若干个均质区域,假设每个均质区域内光谱测度服从独立同一的多元高斯分布。然后,在此基础上构建了区域隐马尔可夫随机场模型,以及建立基于信息熵和KL信息正则化项的模糊聚类目标函数。最后,采用偏微分方法对分割模型参数进行求解,从而得到全局最优分割结果。为验证本文方法,对WorldView-3高分遥感图像进行分割试验。定性、定量分析了尺度参数、光谱相似性参数和区域紧致度参数对最优分割结果的影响,并对比分析本文算法和eCognition软件中的多分辨率分割算法、分水岭算法。

基于最小异质性区域生长法的多尺度城市地物影像分割

遥感影像分割是面向对象影像分类中的关键技术.针对地物景观的多尺度效应与高分辨率影像的高空间分辨率特征研究了多尺度分割与多特征最小异质性准则,分析了其有效性及可行性.基于区域生长的原理与方法,采用多尺度分割与最小异质性算法,对不同分辨率遥感影像和地物类型的样区进行分割技术的应用实践,分析总结了分割参数与影像特征参数的关系和各种参数的确定方法.

一种快速高分辨率遥感影像分割算法

高分辨率遥感影像(如IKONOS影像)海量数据、复杂细节的特点决定了高分辨率遥感影像分割的技术难点,提出了基于同质性梯度特征、分水岭算法和最小代价合并的快速分割方法。首先对于原始图像进行同质梯度计算得到同质梯度图像;其次利用一种高效的分水岭变换获得初始分割图像;最后给出一种改进的区域合并算法来优化初始分割区域。应用于IKONOS影像的实验证明与其他的分割算法相比,采用所提出的分割方法能快速、准确地获得高分辨率遥感图像的分割结果。

基于区域相似性的高分辨率遥感影像分割

作为蕴含于高分辨率遥感影像中的重要信息,地物目标的光谱特征和纹理结构对其精准分割至关重要。为此,结合高分辨率遥感影像的光谱和纹理信息,提出基于区域相似性的高分辨率遥感影像分割算法。首先,将图像域划分为一系列同质子区域;然后,在区域基础上,结合定义的纹理相似性和光谱相似性,以获取区域相似性;再利用基于区域相似性的分形网络演化算法（FNEA）实现高分辨率遥感影像分割。利用所提出算法,分别对合成纹理图像和高分辨率遥感影像进行分割实验,实验结果表明所提出算法具有一定的可行性及有效性。

基于改进SLIC与区域邻接图的高分辨率遥感影像建筑物提取

针对传统SLIC超像素算法在高分辨率遥感影像上分割质量差的问题,提出一种基于降维的改进SLIC与区域合并的方法对建筑物进行分割.首先,对传统SLIC的五维计算进行降维简化,采用灰度特征信息替换色彩信息,减少LAB颜色空间五维特征向量表征的冗余;其次,采用区域邻接图对过分割图像进行合并;最后,对改进SLIC中的主要参数即超像素数目k、紧凑度m和迭代次数p对分割结果的影响做了分析与比较.实验表明:该方法不仅分割出了大部分的建筑物信息,还提高了算法的运行效率与空间效率.运行时间效率比传统SLIC提高了25.5%;对建筑物的提取精度能达到97.6%.

高分辨率遥感影像的多特征多核ELM分类方法

针对高分辨率遥感影像地物分布复杂多变,利用ELM的快速分类性能,提出了一种ELM的多特征多核高分辨率遥感影像分类方法。首先利用多尺度分割算法将原始影像粗分为若干地物区域;然后依据区域合并准则对粗分割图像合并得到典型地物特征的对象信息,并提取分割对象的光谱特征与空间特征;最后以多种核函数加权组合的方式构建多核ELM对影像分类,获得最终的分类结果。实验结果表明,所提方法不仅降低了对目标训练样本的要求,同时还提高了分类的准确性、及时性和完整性。

一种基于边界和区域的MRI脑图像分割方法

应用一种基于多分辨率边缘检测、区域选择和取灰度阈值相结合的方法实现了MR I(磁共振成像)脑图像的分割,得到了脑白质(WM)、脑灰质(GM)和脑脊液(CSF)的组织结构.并且针对该方法对模糊、不均匀的MR I脑图像分割时可能出现的问题进行了分析,提出采用动态阈值法对其进行改进,实验结果表明改进方法对模糊和不均匀图像,能得到较好的分割结果.

遥感图像林区自动阈值分割算法及性能比较

选取了几种经典的自动阈值选取算法对高分辨率遥感图像林区目标进行分割实验,并引入错分类误差、形状测度、均匀测度、最终测量精度和运算速度作为算法评判准则,客观、定量地比较了各种算法对高分辨率遥感图像林区目标的分割性能,所得结论对林区目标分割方法的选取具有一定的指导作用。

最优阈值生长和形态学结合的肺气道树分割方法

在肺气道树分割的过程中,由于部分容积效应和噪声污染的影响,容易出现支气管断裂和分割泄漏现象,因此不能分割出精确肺部气道树。为此本文提出一种最优阈值生长和形态学结合的气道树分割方法。首先利用最优阈值生长算法分割初略的肺部气道树,利用灰度重建的形态学算子提取潜在的精细肺气管区域,然后将上述两种分割结果合成一个完整的肺部气道树,最后利用种子点区域生长法去除结果中的伪气管区域,得到包含第5级以及约60%第6级的支气管。本方法有效解决了高精度肺气道树分割中的支气管断裂和泄漏问题,有较好的鲁棒性。

结合区域生长和GVF-Snake的遥感影像道路提取

基于待分割目标的灰度特征分布,提出了一种能自适应地改变生长准则参数的区域生长方法。将该自适应区域生长算法与GVF-Snake模型相结合用于高分辨率遥感影像道路提取,即用自适应区域生长方法提取出大致的道路区域,对生长出的道路图,利用数学形态学进行内部腐蚀并获得道路区域轮廓线,以该轮廓线作为GVF-Snake模型的初始轮廓,利用GVF-Snake模型进行道路跟踪,得到最终的道路提取结果。实验结果表明该方法能有效地提取高分辨率遥感影像中的道路目标,具有一定的实用性和鲁棒性。