当前位置: > 论文范文 > 60000字论文范文基于数学形态学的遥感图像分割研究

60000字论文范文基于数学形态学的遥感图像分割研究

论文类型:论文范文
论文字数:60000字
论点:分割,影像,遥感
论文概述:

本文在介绍分析了遥感影像分割的现状及目前普遍存在的问题基础上,介绍了面向对象遥感影像分割思想,基于此选择分水岭算法进行遥感影像分割

论文正文:

第一章导言

1.1研究背景和意义
目前,人口大量增长、不可再生资源逐渐枯竭和生态环境持续恶化已经开始阻碍人类社会的发展。遥感技术可以使人类从泰山空的高度连续、重复地观测地球,从而为人类了解地球地貌及其动态变化、更合理地规划和利用地球资源、更有效地保护环境提供了强有力的技术手段。遥感于1960年正式出现在美国的一个军事研究项目中,1962年在密歇根大学举行的第一次环境遥感研讨会自采用以来,已经成为世界上广泛传播的高科技术语之一。
遥感图像实际上是地面物体发射或反射电磁波能量的客观记录,即地面物体光谱特征的记录。遥感图像的应用、处理、分析和解释过程是基于地物光谱特征图像反演地物属性类别及其时间空变化的反演过程。一般来说,遥感系统获得的图像是一个地区自然和人文景观的综合反映,按照一定的格式分为帧、编号、记录、存储和检索,即每种类型的遥感图像的每个覆盖区域都是有限的,而包含的内容是多种多样和全面的。一些研究领域很大,但感兴趣的对象有限,它们只是遥感图像信息的一部分。例如,地震灾害评估主要关注建筑物和生命线工程的破坏。为了识别和分析目标,有必要从整个图像数据中分离和提取这些相关对象,并在此基础上进一步处理和分析地面对象图像,例如特征提取和测量。图像分割是为此开发的一种特殊技术,旨在将图像分割成均匀的区域,即图像分割是从图像中提取感兴趣的区域目标的技术过程。一般图像工程的处理层次分为图像处理、图像分析和图像理解。像素点被分离或合并以形成有意义的图像区域。遥感图像的光谱特征是图像的基本特征,也是许多图像分割算法所基于的基本特征,即根据图像的基本特征将图像分割成均匀的区域。
目前,计算机视觉领域对图像分割算法进行了大量研究,并已成功应用于各个领域。然而,很少有遥感图像被分割,特别是高空分辨率遥感图像的出现给分割带来了巨大的挑战和困难。高分辨率图像的特征在于空之间的高分辨率、丰富的纹理,但光谱信息相对不足。大量数据和空之间的高可变性是影响分段的主要因素。此外,高分辨率图像的分析和理解需要从多尺度出发,分割的语义、精度、尺度和效率是亟待解决的问题,使得遥感图像分割更加困难和具有挑战性。
遥感图像分割算法根据驱动对象的不同分为知识驱动和数据驱动两类。知识驱动型根据待分割对象的模型和相应的知识规则来指导分割过程,而数据驱动型根据图像数据本身的特征来直接分割图像。根据图像分割的不同波段,可以分为灰度图像分割、彩色图像分割和多波段图像分割。许多研究者更喜欢从分割原则开始。公认的分割算法分为:基于像素的图像分割、基于边缘的图像分割和基于区域的图像分割。其中,基于像素的图像分割主要包括阈值分割和基于聚类的分割算法。
基于阈值的图像分割主要在于阈值的选择,适用于背景和前景灰度变化较大的图像,不适用于遥感图像冲击分割。基于聚类的分割算法以像素特征向量为模式,然后图像分割可以看作是一个聚类过程:在特征空之间聚类模式,然后映射回原始图像空来完成图像分割。也就是说,不同的聚类规则被用来将像素分成不同的聚类簇,从而被应用于图像分类。图像分类基于地球科学知识。用计算机分析遥感图像中地面物体的光谱特征和空特征。选择特征模型。在此基础上,通过某些规则将特征空分成不重叠的子空,然后将图像中的每个像素分成子空。由于遥感图像的一些独特特性,对遥感图像的聚类方法提出了如下要求:能够有效处理大数据集,能够有效处理高层数据,收敛速度快但不容易陷入局部最优,聚类精度较高。随着模式识别理论的发展,由于许多模式识别理论的引入,遥感图像分类也取得了很大进展。遥感图像分类可分为监督分类和非监督分类,其中聚类属于非监督分类。

1.2国内外研究现状...................11-13
1.2.1图像分割的研究现状...................11
1.2.2遥感图像分割的研究现状...................11-12
1.2.3分水岭算法过度分割的研究现状.........12-13
1.3论文的研究内容和组织结构...................13-16
第二章遥感图像分割概述...................16-26
2.1遥感图像介绍...................16[/比尔/] 2.1.1遥感图像的数据特征...................16 [/BR/] 2.2图像分割概述...................16-20
2.2.1图像分割概念...................16-17 [/BR/] 2.2.2图像分割算法...................17-19 [/BR/] 2.2.3流域算法简介...................19-20
2.3数学形态学...................20-26[/溴/] 2.3.1二元形态学...................20-24[/溴/] 2.3.2灰度形态学...................24-26
第三章基于数学形态学的去噪保边的研究与实现…… 26-36
3.1简介...................26
3.2基于数学形态学的边缘检测...................基于多尺度多形状数学形态学的26-28
3.3边缘检测算法......28-32 [/BR/] 3.3.1结构元件选择...................28-29 [/BR/] 3.3.2结构元件选择...................29-30
3.3.3操作员设计...................30-32
3.4算法实现及结果分析...................32-35
3.4.1算法实现...................32
3.4.2结果分析...................32-35
3.5本章概述...................35-36
第四章基于数学形态学的分水岭算法的研究与实现.......36-48
4.1导言...................36
4.2重建...................36-39
4.2.1形态学标记...................36-37
4.2.2二进制形态学重建...................37-38 [/BR/] 4.2.3灰度形态重建...................基于数学形态学的38-39 [/BR/] 4.3流域算法...................39-43
4.3.1去噪...................40-42 [/BR/] 4.3.2形态学标记及基于形态学实现和结果分析的标记提取...................42-43[/比尔/] 4.4算法...................43-46
4.4.1算法实现...................43-44
4.4.2结果分析...................44-46
4.5本章概述...................46-48

在介绍和分析遥感图像分割现状和常见问题的基础上,提出了面向对象的遥感图像分割思想。在此基础上,选择分水岭算法进行遥感图像分割,更适合遥感图像分割。在分析了分水岭算法中过分割问题产生的原因后,比较了两种方案,选择在分水岭变换前减少过分割的因素。在此基础上,运用数学形态学理论给出了解决过分割问题的两种方案。
1。数学形态学理论简介通过数学形态学理论的介绍,分析和描述了灰度形态学与二值形态学的关系,介绍了可以在硬件上实现的灰度形态学的定义,并介绍了将二值形态学扩展到灰度形态学的理论。
2。数学形态学中结构元素的研究数学形态学中结构元素的研究主要包括两个方面:一是结构元素形状的选择,二是结构元素尺寸的选择。在结构单元形状的选择上,主要介绍了轮廓结构单元和全方位结构单元的区别,主要根据不同的应用目的选择不同的结构单元。基于轮廓结构元素的形态学运算以图像信号块的可扩展性为处理原则。一般来说,噪声信号的块延展性小,而图像信号的块延展性大。因此,基于轮廓结构元素的形态学操作,除了在滤除噪声时处理(填充或删除)小延展性块之外,那些有用的图像细节将被完全保留而没有损失。由于传统滤波器中保留边缘和滤除噪声之间的矛盾,选择轮廓结构元素来滤除噪声更为合适。对于噪声滤波后提取的边缘,更适合使用全方位多角度轮廓结构元素,可以提取更多的边缘信息。