基于邊緣檢測(cè)及Markov隨機(jī)場(chǎng)模型的遙感圖像分割研究.pdf

1、圖像分割是圖像工程的一個(gè)重要的步驟，是圖像處理到圖像理解和分析的必由環(huán)節(jié).人們很早就開始了對(duì)圖像分割方法的研究，并且?guī)资陙?lái)，這方面的研究從來(lái)沒(méi)有間斷過(guò).到目前為止，已經(jīng)有大量的關(guān)于圖像分割的理論、技術(shù)、方法被人們提出并廣泛應(yīng)用.在遙感領(lǐng)域，由于遙感圖像的尺寸大、多波段、內(nèi)容豐富多樣、紋理特征豐富、多尺度等特征，對(duì)遙感圖像的分割比一般圖像的分割難度更大，簡(jiǎn)單地將一般圖像的分割方法運(yùn)用到遙感圖像的分割中并不能得到令人滿意的結(jié)果，因此需要對(duì)

2、這些方法做出改進(jìn)或者提出新的方法以適應(yīng)對(duì)遙感圖像分割的要求.本文以遙感圖像為主要的分割對(duì)象，對(duì)圖像分割的相關(guān)技術(shù)進(jìn)行了研究，并提出了一種有效的遙感圖像分割方法. 論文的主要研究?jī)?nèi)容包括； (1)對(duì)近些年的圖像分割方法和遙感圖像分割方法進(jìn)行了回顧和總結(jié)，并對(duì)它們的優(yōu)、缺點(diǎn)進(jìn)行了分析，指出了進(jìn)一步研究的方向. (2)LIP模型能夠克服傳統(tǒng)的圖像處理模型中可能出現(xiàn)的越界問(wèn)題，更適合對(duì)圖像進(jìn)行各種操作，本文提出了一種基于

3、LIP模型的邊緣檢測(cè)方法，通過(guò)實(shí)驗(yàn)表明了方法的有效性和與經(jīng)典的邊緣檢測(cè)方法及LIP-Sobel算子相比的優(yōu)越性，并對(duì)基于LIP模型的邊緣檢測(cè)方法的對(duì)低亮度圖像敏感的性質(zhì)，給出了理論證明. (3)CLARANS算法容易陷入局部最優(yōu)點(diǎn)，為了克服這個(gè)問(wèn)題，本文提出了基于模擬退火的CLARANS聚類方法. (4)提出了基于邊緣檢測(cè)的初始圖像分割策略，引入高斯馬爾可夫隨機(jī)場(chǎng)(GMRF)模型提取紋理特征，應(yīng)用基于模擬退火的CLARA