基于圖論的遙感圖像分類研究.pdf

1、近年來(lái)遙感衛(wèi)星技術(shù)發(fā)展迅速，在遙感技術(shù)的各種應(yīng)用中，遙感圖像目標(biāo)識(shí)別以及分類一直以來(lái)都是遙感圖像處理、攝影測(cè)量和GIS等領(lǐng)域的重要研究?jī)?nèi)容。隨著遙感圖像分辨率的不斷提高，如何獲取更多有用的信息成為了首要解決的問(wèn)題。面向?qū)ο蟮倪b感圖像目標(biāo)分類方法已經(jīng)成為當(dāng)前的研究熱點(diǎn)，它利用對(duì)象的特征信息包括光譜、紋理等來(lái)進(jìn)行綜合判別以達(dá)到分類的目的。
　　基于圖論的圖像分割由于具備良好的分割特性而備受人們的青睞，是近年來(lái)國(guó)際上一個(gè)研究熱點(diǎn)。在圖論

2、中，圖像被看作一個(gè)帶權(quán)圖，圖像中的像元或像元區(qū)域與帶權(quán)圖中的頂點(diǎn)對(duì)應(yīng)，圖像中兩個(gè)像元或像元區(qū)域的相似性與帶權(quán)圖中的邊權(quán)值對(duì)應(yīng)。目前，已有多種基于圖論的分割方法得到應(yīng)用，本文研究了基于最小生成樹(shù)的分割方法。
　　首先進(jìn)行遙感圖像特征提取。遙感圖像包含了豐富的信息，選擇合適的顏色空間進(jìn)行顏色特征的提取，設(shè)計(jì)Gabor濾波器組對(duì)其進(jìn)行紋理特征提取，將多個(gè)特征進(jìn)行融合組成向量來(lái)更好地表達(dá)圖像的信息。
　　其次根據(jù)最小生成樹(shù)設(shè)計(jì)了圖像

3、分割方法，以加權(quán)的歐氏距離作為圖的邊權(quán)函數(shù)，以此來(lái)反映圖像中不同區(qū)域之間的相似性。設(shè)計(jì)了一種基于邊權(quán)函數(shù)的簡(jiǎn)單準(zhǔn)則，根據(jù)控制參與合并的邊權(quán)比例來(lái)控制區(qū)域的合并。滿足這個(gè)準(zhǔn)則的兩個(gè)區(qū)域說(shuō)明它們具有同樣的性質(zhì)可以合并為一個(gè)大的區(qū)域，而不滿足的則不能進(jìn)行合并。通過(guò)調(diào)整閾值可以實(shí)現(xiàn)多尺度分割，實(shí)驗(yàn)證明有較好的效果。
　　最后在圖像分割的基礎(chǔ)上用面向?qū)ο蟮姆椒ㄟM(jìn)行分類，針對(duì)遙感圖像分類過(guò)程中的不確定性，采用模糊C-均值聚類算法對(duì)分割出的對(duì)象