50000字论文范文遥感图像分割参数选择程序设计

论文类型：论文范文

论文字数：50000字

论点：分割,遥感,影像

论文概述：

基于对象的影像信息提取技术比传统分类方法性能优越，广泛用于遥感影像分类。作为基于对象影像信息提取的基础，影像对象分割是必不可少的环节和关键。

论文正文：

第一章导言

1.1研究意义
随着遥感图像采集技术的不断发展，现代遥感技术已经覆盖了大气窗口的各个部分，遥感数据采集的类型、实时性和准确性都有了很大提高，特别是高分辨率遥感图像得到了广泛应用。随着中国经济的快速发展，中国的遥感产业也取得了长足的进步。正在建设的高分辨率地球观测系统将形成全天候、全天时、全球对地观测能力，为中国农业、资源、环境、防灾和国防建设提供信息服务和决策支持。遥感图像采集技术的发展为遥感应用提供了大量高空分辨率的遥感图像数据。这些高空分辨率遥感图像数据比以前的中/低空分辨率遥感图像数据更加丰富多样，具有更精细的地物结构和分布信息，已被广泛应用于地质地理、水文气象、资源和环境等许多领域。然而，[/k0/]高分辨率遥感图像数据量巨大，同时“变质”和“变质”现象依然明显。
因此，为了从海量遥感数据中提取高精度、高效率的遥感图像信息，有必要解决这些技术问题。遥感图像信息提取方法主要有两种:基于像素的方法和基于对象的方法。对于高分辨率图像的信息提取方法，传统的基于像素的方法，如监督分类和非监督分类，在一定程度上提高了它们的适用性，但是传统方法的处理速度和精度已经不能满足面对海量图像数据的要求。因此，基于对象的图像信息提取方法已经进入快速发展阶段”。基于对象的图像信息提取方法将遥感图像分为一系列对象，利用图像分割对象的光谱、大小、形状、纹理、拓扑关系和上下文关系等属性特征对对象进行分类，从而获得准确的图像分类结果。基于对象的信息提取方法的基本处理单元不再是单个像素，而是由多个像素组成的分割对象。这些分割对象比像素有更多的语义信息，如拓扑关系、纹理信息、几何信息等。同时，光谱信息也更加丰富和有效。基于对象的信息提取方法通常可以分为两个步骤。首先，图像分割是将遥感图像分割成一系列内部特征属性相对统一、属性不同的分割对象。第二步是分类识别，根据分割对象丰富的属性特征建立合理有效的分类规则集，从分割对象中提取所需的类别。其中，图像分割是目标图像分析的基础和关键。图像分割的准确性和效果直接决定了后续分类过程的准确性和可信度。因此，如何有效地确定图像分割的最佳参数一直是基于目标图像分析的难点。
基于区域不一致性测量的方法是在比较参考矢量对象和图像分割对象的基础上提出的差分方法。该方法深入研究了过度分割和欠分割在分割结果评价系统中的作用。据信，欠分割会导致分类错误，但是通过建立适当的分类规则集可以有效地解决过分割问题。因此，良好的分割结果应该是较少的过度分割和没有欠分割。在研究了典型的遥感图像多尺度分割算法后，利用ENVIX分割算法和ArcGIS 空对ENVII/IDL和ArcGIS进行二次开发，实现了基于区域不一致性度量的最优分割参数选择。ENVI EX的分割算法对图像梯度图进行分水岭变换，得到图像的分割结果。在ArcGIS中，通过建立模型实现参考矢量对象和图像分割对象之间的空叠加分析，然后计算差值指标。本文分别利用30米分辨率陆地卫星TM图像和10米分辨率ALOS图像的多光谱数据进行实验。由于分水岭变换的敏感性，分割结果中存在严重的过分割现象，使得基于区域不一致性度量的方法受到限制。针对基于分水岭变换的分割算法，提出了一种改进的基于区域不一致性度量的最优分割参数选择方法，并通过实验验证了改进方法的有效性。

1.2国内外研究现状
近年来，随着基于对象的图像分析的发展，许多研究使用这种方法进行分类并获得较高的分类精度，从而逐渐扩展到应用领域。许多遥感软件和地理信息系统软件也开发和应用了基于对象的图像分析功能。eCognition软件和ENVIEX软件特征提取工作流和Heberdas软件的目标模块可以实现基于对象的图像信息提取。图像分割是基于对象的图像分析方法的基础和关键步骤。对于图像分割，目前的研究主要集中在分割算法研究和最优分割参数选择研究。
1.2.1图像分割方法
有许多图像分割方法。已经提出了1000多种分割算法，但是没有一种能够应用于所有图像。遥感图像是具有地理信息特征的图像。同时，遥感图像具有多尺度、多光谱、覆盖面广、地物类型丰富的特点。因此，遥感图像分割一直是研究的难点和热点。近年来，遥感图像分割取得了很大进展。等人(2000)提出的基于最小异质性原理的区域合并算法是一种基于图像梯度图分水岭变换的图像处理方法，是一种区域生长和合并方法。陈秋晓等人(2006)提出了一种基于局部同质梯度的分割方法，并与多分辨率分割方法进行了比较。罗琳(2007)提出了一种基于数学形态学和模糊聚类算法的图像分割方法。张振勇(2007)等人采用多尺度分割方法，建立多尺度分层网络，分层提取表面特征信息。李小飞等人(2008)提出了一种基于形态学和小波分析相结合的遥感图像边缘检测方法，在实现精确边缘定位的同时有效抑制了噪声。陈婷婷(2008)提出了基于模糊形态学和改进分水岭算法的图像分割。谭玉民等人(2010)提出了一种结合边缘特征的区域分割算法，该算法综合考虑了遥感图像的光谱和空互特征。姜露露等人(2010)提出了一种基于异数据聚类和分水岭标记的分割方案。林晖等人(2011)提出了一种基于分水岭算法和最小异质区域合并算法相结合的快速分割方法，[22]。1.3本文件的主要工作是................12-13
1.4纸张结构................13-15
第二章遥感图像多尺度分割的典型算法................15-22 [/BR/] 2.1图像分割方法概述................15-16 [/BR/] 2.2多尺度分割和尺度空 Inter-................基于最小异质性的16-17
2.3区域合并算法................基于图像梯度图的17-18
2.4流域变换算法................18-21
2.5总结................21-22
第三章遥感图像分割最佳参数的选择................22-29
3.1过度分割和不足分割................22-24
3.1.1匹配对象................22-23
3.1.2过度分割和不足分割................23-24
3.2差异度量................24-28[/比尔/] 3.3最佳分割测试................28[/比尔/] 3.4概述................28-29
第四章选择最佳分区参数的程序设计................29-37
4.1编程环境................29-31
4.2方案拟订框架................31-32
4.3全面细分模块................32-34 [/BR/] 4.4细分结果评估模块................34-36
4.5细分结果评估模块................36[/比尔/] 4.6概述................36-37
第五章多尺度分割实验................37-47
5.1实验区和实验环境................37-38
5.2实验步骤................38
5.3实验数据分析................38-46
5.4实验结论................46-47
第六章最佳分割参数的选择实验................47-63
6.1研究领域和实验环境................47-49
6.2实验步骤................49-50
6.3实验数据分析................50-62
6 . 3 . 1 TM影像分析计算结果................50-56
6 . 3 . 2 ALOS图像计算结果分析................56-62[/比尔/] 6.4实验结论................62-63

摘要

基于对象的图像信息提取技术具有优于传统分类方法的性能，广泛应用于遥感图像分类。作为基于对象的图像信息提取的基础，图像对象分割是一个必不可少的环节和关键。如何确定最佳分割规模也是当今行业的一个热门研究课题。改进的基于区域不一致性的最优分割尺度参数选择方法是将分割对象与参考对象进行比较。当用差分方法选择图像分割的最佳参数时，物体的几何差异和代数差异是最合适的差异度量。本文采用遥感和地理信息系统集成编程的方法实现最优尺度参数的选择，并通过多组数据验证了基于区域不一致性的最优尺度参数选择的改进方法。本文的具体工作包括:
(1)根据最优分割参数选择理论和ENVI、ArcGIS等软件二次开发的特点，设计了合适的系统结构。在ArcGIS工具箱环境中，调用IDL语言编写的程序实现遥感图像分割，获得所需比例的分割对象。该模型在ArcGIS ModelBuilder中构建，调用IDL程序和Python脚本程序实现不同分割比例下的求和计算和输出。总结计算结果并选择最佳比例参数。讨论了分割结果。
(2)本文讨论了典型的遥感图像分割算法，讨论了多尺度中尺度分割的意义和作用。基于分水岭变换的多尺度分割结果的矢量边界没有通过实验严格继承。大规模分割结果的边界必须出现在小规模分割结果中。大规模分割对象是合并小规模分割对象的结果，小规模分割对象是分割大规模分割对象的结果。

参考文献

[1]梅安新，彭王璐，秦祁鸣，等.遥感导论[M]。北京:高等教育出版社，2001。
[2]刘魏勇，何洪雪，日本遥感学会编辑。遥感精细化[。北京:测绘出版社，1993。
[3]陈秋晓，陈彭淑。周成虎等。基于局部均匀梯度的遥感图像分割方法及其评价[。遥感杂志，2006，10(3) :357-365。
[4]程晓阳关修远。[高分辨率卫星图像处理指南。北京:科学出版社，2008。
[5]赵石英。遥感应用分析的原理和方法[。北京:科学出版社，2003。
[6]朱书龙，张詹姆。遥感图像采集与分析[。北京:科学出版社。2000.
[7]常瑞春。基于模糊遗传算法和核主成分分析的遥感图像处理研究[硕士论文】。成都理工大学，2008。
[8]周成虎，高分辨率卫星图像的地球科学计算[。北京:科学出版社。2009.
[9]罗西平，田杰，诸葛颖，等.图像分割方法概述[]。模式识别和人工智能。1999年，12(3):300-312。
[10]张春晓，侯伟，刘翔，等.面向对象和基于图像认知的遥感图像分类方法——以都江堰至[鄂城地区为例.《测绘公报》，2010，(4): 11-14。