论文部分内容阅读
遥感图像分割，是遥感图像信息提取和目标识别的基础，并且遥感图像分割是实现遥感图像理解关键的一步。遥感图像通常表现为：灰度级多、信息量大、边界模糊、目标结构复杂等等，由于遥感图像的这些特性，使得对遥感图像的分割没有完全可靠的模型进行指导，因而探索一种适合遥感图像分割的算法也受到越来越多的关注。目前很多遥感图像处理软件也都开发了遥感图像分割的功能，并且使用了不同的图像分割方法，分割效果也各不相同。
基于形态学的分水岭分割算法的优点是全局分割、边界闭合、实现效率高、准确率高的，并且在算法稳定性以及实用性上都具有优势。所以本文应用分水岭算法对遥感图像进行分割。但在实际应用中，由于受到噪声和梯度的局部不规则性的影像，在分水岭变换的分割结果常常出现“过分割”问题。如何克服过分割一直是研究的热点。
本文针对“过分割”这个问题，首先采用局部能量图进行预处理，一定程度上抑制了噪声减少了“过分割”，但是分割后得到的区域数目仍然不能满足实际的需求，因此需要对分割的结果进行后处理。其次，重点研究对分水岭分割后的结果进行区域合并，合并方法采用阈值约束最小生成树算法的区域合并方法，该合并方法能够快速有效的合并“过分割”区域，并且合并后的结果保持了地物的边界，并取得了如下研究成果：
1)分割后的区域数量较多，所以采用的方法必须快速有效的合并“过分割”区域，本文采用基于图论的最小生成树的算法；
2)采用阈值约束来确定那些“过分割”的区域需要合并，从而得到较大的有意义的同质性的区域；
3)采用多次迭代的合并策略且合并的尺度由小变大。