基于Mean Shift無人機高分辨率遙感影像分割方法研究.pdf

1、隨著遙感影像信息獲取技術(shù)（無人機遙感）的快速發(fā)展，如何提高遙感圖像信息的提取速度和精度是遙感影像處理領(lǐng)域的重要研究方向。遙感圖像分割是遙感影像信息提取過程中最為重要的一項技術(shù)。在圖像處理鄰域，圖像分割方法雖然取得了一定的成果，但在高分辨遙感影像分割中仍然存在分割精度不高、效率低等不足。本文在前人的研究基礎(chǔ)上，將Mean Shift算法引入到高分辨率遙感影像分割中，通過優(yōu)化Mean shift的核函數(shù)和加入LBP紋理特征，提升Mean S

2、hift算法遙感圖像分割的效率和精度，為后期的遙感影像的分類識別提供可靠的分割區(qū)域。
　　(1)由于無人機的重量輕對天氣狀況的依賴性大，受到天氣變化飛機姿態(tài)不穩(wěn)定及相機本身畸變的影響，因此需要對獲取的原始影像進行預(yù)處理。本文利用國際上著名的INPHO軟件對無人機獲取的原始影像進行畸變差校正、空中三角測量、生成正射影像等處理，為后續(xù)的遙感影像的分割提供準確的正射遙感圖像實驗數(shù)據(jù)。
　　(2)本文引入Mean Shift算法于無

3、人機高分辨率遙感影像分割，針對傳統(tǒng)MeanShift分割算法存在效率低和邊界模糊等問題，優(yōu)化Mean shift的核函數(shù)并加入了LBP紋理特征，組成了“空間位置、顏色和紋理”特征向量。實驗結(jié)果表明:通過目視判讀比較得出，本文改進Mean Shift分割算法的分割效果比傳統(tǒng)的Mean Shift分割效果更符合人的視覺感知，效率和精度也得到了很大的提高。
　　(3)本文采用區(qū)域面積加權(quán)的區(qū)域相似度準則和最小對象面積參數(shù)準則進行分割后的

4、區(qū)域合并，以此來解決改進Mean Shift分割算法產(chǎn)生的過分割現(xiàn)象。最后將區(qū)域合并處理后的結(jié)果分別與在遙感影像分割鄰域中比較出名的EDISON軟件和eCognition軟件進行比較，以此驗證本文改進的分割方法的分割效果。實驗結(jié)果表明:通過目視判讀比較得出，在改進Mean Shift算法中加入?yún)^(qū)域合并方法能得到更好的分割效果且能在一定程度上提高遙感影像分割的精度。對于紋理特征比較突出的地塊和道路，改進的Mean Shift算法分割則能更