论文部分内容阅读
高分辨率遥感卫星数据的丰富推动了遥感应用的发展，也给传统的图像处理技术带来了难题。与中低分辨率遥感卫星图像相比，高分辨率遥感卫星图像具有数据量大、目标纹理细致等特点，在地物信息表现方面发生了巨大的变化。为了应对高分辨率遥感卫星图像的这些变化，面向对象的图像分析技术被提出并广受关注。这类技术的基础是图像对象的生成，目前采用的主要方法是图像分割技术。但目前针对高分辨率遥感卫星图像的高效的分割技术并不多见，即使最成熟的面向对象图像分析软件—eCognition中使用的分割技术也存在不足之处。因此，探讨新的图像分割技术，对于发展面向对象的图像分析技术，提高面向高分辨率遥感卫星图像的信息提取过程的自动化和智能化水平有重要的现实意义。
论文在深入分析高分辨率遥感卫星图像的本质和特点的基础上，对常用聚类分割算法的现状进行了总结，探讨了基于聚类的图像分割算法在高分辨率遥感卫星图像分割上的应用。并重点研究了基于均值漂移和图理论的分割算法及其实现技术。最后，根据生产过程的实际需要，提出了一种有较高扩展性和灵活性的面向高分辨率遥感卫星图像的分割系统框架并予以实现。
论文的主要研究工作和创新点为：
(1)使用位置敏感哈希技术实现了均值漂移算法
均值漂移算法是一种在特征空间中工作的概率密度函数估计算法，属于非参数估计范畴。基于均值漂移的图像分割算法对噪声有一定的适应性，且不需要提前对数据进行建模，缺点是算法的复杂度较高。为了提高均值漂移算法的性能，位置敏感哈希技术被引入，实验表明使用位置敏感哈希技术的均值漂移算法复杂度接近线性，在处理较大数据量图像时具有较好的性能。
(2)提出一种结合均值漂移和图理论的图像分割新算法
图理论分割算法全局性较好，且算法思路简洁。论文使用并查集技术实现了基于图理论的图像分割算法。同时，在深入研究均值漂移和图理论分割算法的基础上，提出了一种结合了这两种算法的图像分割算法。
(3)设计并实现了面向高分辨率遥感卫星图像的原型分割系统
基于Linux平台，设计了一套面向高分辨率遥感卫星图像的分割原型系统，并使用C语言进行了系统实现。在该系统框架下，实现了以均值漂移和图理论为基础的图像分割算法，为开发实用的高分辨率遥感卫星图像分割系统打下了坚实的基础。