遙感圖像分割算法研究與實現(xiàn).pdf

1、圖像分割是由圖像處理過渡到圖像分析的關(guān)鍵步驟。一方面，它是目標表達的基礎(chǔ)，對特征測量有重要的影響。另一方面，因為圖像分割及其基于分割的目標表達、特征提取和參數(shù)測量等將原始圖像轉(zhuǎn)化為更抽象更緊湊的形式，使得更高層的圖像分析和理解成為可能。
　　遙感圖像通常表現(xiàn)出：灰度級多、信息量大、邊界模糊、目標結(jié)構(gòu)復(fù)雜等等。由于遙感圖像的這些特點，使得對遙感圖像的分割沒有完全可靠的模型進行指導(dǎo)，因而在一定程度上阻礙了分割技術(shù)在遙感領(lǐng)域的應(yīng)用。

2、r>　　本文針對遙感圖像表現(xiàn)出的特點，研究并改進了傳統(tǒng)的圖像分割技術(shù)，使之適應(yīng)遙感圖像的特點并應(yīng)用于遙感圖像分割中。主要工作包括如下幾個方面。
　　首先，針對當(dāng)前主流的圖像分割算法進行了分析、分類、歸納和總結(jié)，指出了各類方法的優(yōu)缺點，為人們在不同的應(yīng)用場合及不同的圖像數(shù)據(jù)條件下選擇不同的分割算法提供了一定的依據(jù)。
　　其次，分析了Otsu算法進行閾值分割的原理和有效性，針對Otsu多閾值分割算法計算效率低的缺點，提出了用 N

3、elder-Mead單純形法對Otsu的多閾值分割進行優(yōu)化，并完成仿真實驗。
　　接著，分析了SUSAN算法進行邊緣檢測的原理和有效性，在此基礎(chǔ)上對SUSAN算法進行了邊緣檢測精度的改進，并用于地物邊界提取中，使地物邊界提取更清晰，準確，層次感分明。
　　最后，針對區(qū)域生長分割算法的生長點確定問題，與分水嶺算法結(jié)合起來，既彌補了分水嶺算法的過分割問題，又解決了區(qū)域生長法生長點確定問題。本文綜合兩種算法并結(jié)合異質(zhì)性最小區(qū)域合并