資源描述：
《高分辨率遙感影像多尺度分割技術(shù)的研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、高分辨率遙感影像多尺度分割技術(shù)的研究 摘要：高分辨率遙感影像分割技術(shù)的發(fā)展趨勢，數(shù)學(xué)形態(tài)學(xué)在圖像分割中的應(yīng)用，遙感影像的分類精度直接制約了遙感在應(yīng)用方面的發(fā)展?！ ￡P(guān)鍵詞：高分辨；遙感影像；多尺度分割 引言 經(jīng)過幾十年的發(fā)展，遙感技術(shù)取得了巨大的進步，己經(jīng)形成三多（多平臺、多傳感器、多分辨率）和三高（高空間分辨率、高時間分辨率、高光譜分辨率）的對地觀測系統(tǒng)，獲取地球數(shù)據(jù)的能力極大增強，特別是影像空間分辨率的空前提高，對影像信息提取技術(shù)提出了更高的要求。自1999年以來，高空間分辨率的商業(yè)化衛(wèi)星IKONOS、QuickBird、orbview
2、3、worldview-I/11相繼發(fā)射成功，高分辨率衛(wèi)星影像在各個領(lǐng)域得到廣泛應(yīng)用，快速準(zhǔn)確的信息提取技術(shù)己經(jīng)成為制約遙感產(chǎn)業(yè)化的瓶頸之一?！ ?高分辨率遙感影像國內(nèi)外研究現(xiàn)狀5 影像分割是指，基于同質(zhì)性或異質(zhì)性準(zhǔn)則將一幅影像劃分為若干有意義的子區(qū)域的過程。最終的分割效果需要同時滿足以下三個條件：第一，分割后形成的圖像區(qū)域中的所有像元點必須滿足一定的同質(zhì)準(zhǔn)則、特征指標(biāo)等，并且不存在不連通的點；第二，兩個相鄰的區(qū)域間的某一項或某幾項特定屬性，要有比較明顯的差異性；第三，分割后，各個區(qū)域的邊緣應(yīng)該相對規(guī)整，并保證邊緣的定位精度。影像分割效果的優(yōu)劣
3、將直接影響到后期的分類和識別，對于遙感影像的分析和理解至關(guān)重要。分水嶺算法作為一種經(jīng)典的基于區(qū)域的分割方法，越來越受到國內(nèi)外研究人員的關(guān)注。 2圖像分割原理 所謂圖像分割，從廣義上來講，是根據(jù)圖像的某些特征或特征集合（包括灰度、顏色、紋理等）的相似性準(zhǔn)則對圖像象素進行分組聚類，把圖像平面劃分成若干個具有某些一致性的不重疊區(qū)域。這使得同一區(qū)域中的象素特征是類似的，即具有一致性；而不同區(qū)域間象素的特征存在突變，即具有非一致性。從集合的角度出發(fā)，圖像分割定義如下： 設(shè)整個圖像空間為一集合R。根據(jù)選定的一致性準(zhǔn)則P，R被劃分為互不重疊的非空子集：{
4、R1，R2，...，Rn}，這些子集必須滿足下述條件： 其中：P（Ri）為作用于Ri中所有象素的形似性邏輯謂詞，i，j=1，2，…n，？準(zhǔn)代表空集?！ ∩鲜鰲l件中：（1）指出分割后的全部子區(qū)域的總和應(yīng)包含圖像中的所有元素，或者說分割應(yīng)將圖像中每個象素都分進一個子區(qū)域中。（2）指出各個子區(qū)域相互不重疊。（3）指出分割后得到的屬于同一區(qū)域中的元素應(yīng)該具有某種相同特性。（4）指出對于分割后得到的屬于相鄰兩個區(qū)域中的元素具有某種不同的特性。（5）要求同一個子區(qū)域內(nèi)的元素應(yīng)當(dāng)是連通的?！ ∑渲蟹指顪?zhǔn)則P適用于所有象素，由它來確定各區(qū)域元素的相同特性。上述
5、數(shù)學(xué)條件說明了圖像分割算法的一般特點，凡不符合以上特點的圖像處理算法則不能稱為圖像分割算法?！ ?分水嶺算法描述5 分水嶺變換是一種基于區(qū)域的影像分割思想，并且建立在形態(tài)學(xué)的理論基礎(chǔ)之上。該算法基本思想是將待處理影像類比為地學(xué)上的拓?fù)涞孛?，影像中每個像元的灰度值類比為地貌中每點的海拔高度。這樣就可以將整幅影像形象地表達(dá)成海拔高低各不同的地形圖，此圖由若干個向下凹的盆地和若干向上凸起的山脊組成。每個盆地都必然存在一個極小區(qū)域，現(xiàn)在提出這樣的假設(shè)：將每個盆地的極小區(qū)域刺穿一個小孔，然后將整個地形圖放入水中。如圖1所示?！ ?多尺度分割思想 我們研
6、究的空間尺度包含兩層含義：一是影像的空間分辨率，二是對影像分析時所研究的地表空間范圍。上述的兩層含義在基于像元的分類思想和面向?qū)ο蟮姆诸愃枷胫械玫搅撕芎玫捏w現(xiàn)。在基于像元的影像分類中，“尺度”即指影像的空間分辨率。隨著遙感影像分辨率的不斷提高，影像的分類精度并沒有隨之提高，這是由地物目標(biāo)的“多尺度”特性決定的，任何地物目標(biāo)在不同的尺度上都會有著不同的特征表現(xiàn)。因此，基于像元的分類方法存在著“最優(yōu)尺度選擇”和“多尺度特征提取”等問題。在面向?qū)ο蟮姆诸惙椒ㄖ?，“尺度”除了擁有在基于像元分類方法中的概念外，還被拓展為“面積尺度”的概念。影像對象的“面積
7、”隨分割尺度的變化而變化，并且表現(xiàn)出在該尺度下的特征信息，這樣就可以根據(jù)研究目標(biāo)的特點得到最優(yōu)的分割結(jié)果。 5多尺度梯度提取5 通過分析可以知道梯度圖像是進行分水嶺變換的第一處理對象，因為梯度圖像能完美的反映出圖像自身灰度的變化效果，我們想要從圖像中提取的物體邊緣一般都在那些變化非常明顯的地方，所以，對梯度圖像進行分水嶺變換比直接對原圖像進行分水嶺變換效果要好的多。傳統(tǒng)的分水嶺分割大都是以單尺度梯度影像進行的，而地物目標(biāo)在不同觀測尺度下會有著不同的特征表現(xiàn)，所以，在實行梯度圖像構(gòu)建時引進多尺度。利用多尺度元素對要采集的圖像進行相應(yīng)的梯度提取。
8、通過結(jié)果，可以發(fā)現(xiàn)，在分割過程中，不同尺度的操作具有不同的效果，總的來說，我們可以將它們分成大尺度以及小尺度兩類。就前者而言，適合于面積
