论文部分内容阅读
随着高分辨率传感器的快速发展，遥感影像的空间分辨率越来越高，多波段遥感影像的空间分辨率可以达到4m，而全色波段影像的空间分辨率则达到1m以内。在高分辨率遥感影像中，地物的纹理、形状等特征信息越来越清楚的表现出来。传统基于像素的遥感影像处理方法不能有效的从高分辨率遥感影像上提取出可供遥感影像处理的多特征信息。为了能够进行高分辨率遥感影像上目标的多特征度量，首先需要进行图像分割，以形成内部均一、边界准确的影像区域。
流域分割综合了区域增长和边缘检测两种图像分割方法，它以准确的分割结果、较小的计算量而广泛的应用于图像分割中。但它的分割结果受梯度计算方法影响大，容易引起过分割。过分割导致对影像特征的度量出现失误，并增加了影像处理的工作量。噪声和纹理区域是过分割的两个重要来源。均一的图像区域由于噪声的存在导致梯度产生起伏，经流域分割将把该均一区域分割成若干个集水盆地，造成了过分割。由于常规梯度算法会在纹理基元边缘得到较大的梯度值，因而所有的纹理基元都将被分割出来，这和人类将纹理特征相同的相邻区域归为一类的规律相违背，也造成了过分割。
在数学形态学中用来去除过分割的方法主要是形态学重建，但是形态学重建受先验知识影响大，在去除噪声的影响的时候很容易丢失图像的细节信息，并且对于纹理区域的过分割也不能进行有效的处理。
本文利用噪声和边缘在双细节二维小波变换中所具有的不同的尺度一致性和几何连续性特征，构造出每个尺度上小波变换系数所对应的收缩系数。与噪声相对应小波系数的收缩系数接近于零，边缘所对应小波系数的收缩系数接近于一。将小波系数乘以收缩系数，再进行小波反变换就可以去除噪声的影响。这个方法避免了先验知识的影响，在去除噪声的同时可以保持边缘，还可以结合需要将收缩系数进行放大以达到增强弱边缘的目的。
复小波变换具有和Gabor变换同样优越的方向选择性，同时还具有较低的冗余度和较高的计算效率。本文利用复小波变换提取纹理特征，在此基础上形成纹理的梯度，并进而将纹理的梯度和灰度的梯度融合，形成供流域分割使用的纹理梯度。纹理梯度在纹理活跃度值高的区域抑制灰度梯度的作用，避免了这些区域中的过分割现象。在纹理活跃度值低的区域，灰度梯度和纹理的梯度共同发挥作用，结合形态学重建的方法可以使纹理活跃度值低区域内的纹理区域依然得到较好的分割。
综合小波变换在噪声去除和纹理分析中的应用，本文提出了一种改进的纹理梯度计算方法。对于灰度的梯度首先进行噪声的去除，再将它与纹理的梯度进行融合。这样可以使纹理活跃度值低区域内(不论是纹理区域还是非纹理区域)的过分割现象得到有效去除。通过验证，表明了该改进方法在去除流域分割中过分割现象的可行性。在此梯度算法所得纹理梯度上进行流域分割，分割结果中各集水盆地的特征可以被有效的度量，同时由于过分割带来的后期计算效率的降低被避免了。
人类对于地物的认识是分层次的，特定的地物类型只有在特定的层次上才能得到有效的表现。为了有效的对不同类型的目标进行分析，有必要形成不同的分割层次。基于像素的传统遥感图像处理方法无法形成层次的概念。在数学形态学中是利用多尺度形态学梯度算法，求取不同尺度结构元素对应的梯度，并在此基础上形成多层次分割。但是在先验知识不足的情况下，采用形态学梯度算法，分割结果受结构元素的选择影响大。本文尝试使用形态学重建的方法来构造多层次的分割，其中的关键在于标记图像的生成方法。综合光谱信息和形状信息，本文提出了一种新的标记图像生成算法。对利用光谱信息重建所得的标记点进行基于形状特征的修正，即去除那些不符合形状限制条件的标记点，就可以得到符合本层次限制条件的标记图像。在此基础上进行形态学重建、流域分割，就能得到本层次的分割结果。结合实际情况，给出多个层次的限制条件，可以形成多层次的分割结果。针对待分析目标的特点选择特定的层次进行流域分割，对分割结果中的集水盆地进行特征的度量，提取出能够有效刻画目标的特征，利用这些特征，我们就可以进行该层次上的多特征分类和目标识别。本文从集水盆地提取出灰度均值、纹理能量均值、熵作为分类的特征，尝试使用最大似然法进行多特征分类，分类之后对流域分水线进行了适当的处理，最后将多特征分类结果和常规基于像素分类方法所得的结果进行了比较。从分类图和精度报告的对比可以知道多特征分类能够有效提高分辨率遥感影像分类的总体精度，对于特定目标可以进行有效的识别。
本文的主要创新点如下：●指出过分割不仅仅由梯度图像中的噪声引起，纹理区域也会造成过分割。
●综合双细节二维小波变换去噪、边缘保持和复小波变换求取纹理梯度的方法，提出了一种改进的纹理梯度计算方法，经验证，这是一种有效的梯度计算方法。
●综合光谱要素和形状要素提出了一种新的标记图像生成算法，并结合形态学重建形成多层次的分割。
●提取分割结果中各集水盆地的特征值，依照最大似然法，进行了多特征分类的尝试。