高分辨率遥感影像分割方法研究
文献类型：学位论文
| 作者 | 陈秋晓 |
| 答辩日期 | 2005-09-07 |
| 文献子类 | 学术型学位 |
| 授予单位 | 中国科学院研究生院 |
| 授予地点 | 中国科学院地理科学与资源研究所 |
| 导师 | 陈述彭 ; 周成虎 ; 骆剑承 |
| 关键词 | 遥感影像 高分辨率 影像分割 聚类 区域增长 区域合并 高斯马尔可夫随机场模型 小波变换 局域同质性梯度 分水岭变换 分割评价 |
| 学位名称 | 博士 |
| 学位专业 | 地图学与地理信息系统 |
| 英文摘要 | 面向对象的遥感影像分析是近年来出现的一个新的、有生命力的研究领域，其最基本的问题之一便是遥感影像分割。针对遥感影像分割研究尤其是高分辨率遥感影像分割研究极其缺乏的现实，论文试图研究和设计面向高分辨率遥感影像的分割方法，以便为面向对象的遥感影像分析的相关研究作一铺垫。论文的主要内容包括；（1)回顾了各种图像分割方法，总结了近10余年来涉及遥感影像分割方法这一主题的相关研究，指出了其存在的问题，并进一步提出了遥感影像分割方法研究的一些方向。（2)引入RPCCL聚类方法以分割遥感影像，提出了基于类初始化的RPCCL聚类方法。（3)提出了改进的区域增长方法和新的区域合并方法，并提出了多层次分割策略。（4)引入高斯马尔可夫随机场（GMRF) 模型和小波变换等经典方法来提取纹理特征，并结合RPCCL聚类以及区域增长和合并方法实现了对遥感影像的分割。（5)提出了局域同质性梯度的概念，设计了一种基于该梯度图像的面向高分辨率遥感影像的分割方法。(6)利用象素数量误差准则对论文所提出的分割方法进行了定量评价。 研究表明，利用基于类初始化的RPCCL方法进行聚类分割，可在保持分割精度的同时，加快分割的速度与RPCCL方法相比，改进的区域增长和区域合并方法获得了相对较好的分割结果；直接基于光谱特征的分割方法难以有效分割出纹理区域；利用GMRF模型和小波变换所提取的纹理特征进行遥感影像分割并不能明显改善分割结果，GMRF模型和小波变换方法并不适合于提取遥感影像纹理特征；局域同质性梯度兼顾了遥感影像的纹理和光谱特征，是一种良好的影像特征;基于该梯度的分水岭变换和快速含并方法（简称Watershed方法):是一种高效的遥感影像分割方法，在分割的精度、性能的稳定性以及效率等方面，该方法均优于eCognition所用的多分辨率方法；Watershed方法适用于对多种地物的分割；当局域同质性梯度阈值取35-45，合并阈值取100-300时，Watershed方法能发挥较好的性能。 论文的最后指出了本研究的局限以及今后需进一步展开的研究工作。 |
| 语种 | 中文 |
| 公开日期 | 2010-12-16 |
| 页码 | 152 |
| 源URL | [http://192.168.22.105/handle/311030/156]  |
| 专题 | 地理科学与资源研究所_研究生部 |
| 推荐引用方式 GB/T 7714 | 陈秋晓. 高分辨率遥感影像分割方法研究[D]. 中国科学院地理科学与资源研究所. 中国科学院研究生院. 2005. |
入库方式： OAI收割
来源：地理科学与资源研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。