版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、高空間分辨率遙感圖像具有良好的地物表現(xiàn)力,其圖像細節(jié)信息豐富,地物幾何結構明顯的特點,應用傳統(tǒng)的基于像素的方法對其處理已經不合適,面向對象的處理方法應運而生。圖像分割是實現(xiàn)由基于像素方法到基于對象方法轉變的關鍵環(huán)節(jié),其分割形成的初始區(qū)域是圖像對象化的基本描述。由于圖像分割本身具有的不確定性以及高空間分辨率遙感圖像的復雜性,使得高分辨率遙感圖像的分割沒有完全可靠的模型進行指導,也使得本領域的研究頗具挑戰(zhàn)性。 本文重點研究了區(qū)域生長
2、算法思想,并進行了算法實現(xiàn)及對高空間分辨率遙感圖像的分割應用,所做的主要研究工作如下: (1)區(qū)域生長算法的研究及編程實現(xiàn)。在研究了區(qū)域生長算法原理的基礎上,基于MATLAB平臺,設計開發(fā)了本文的區(qū)域生長算法。算法分為兩部分:其一是區(qū)域生長,選擇了連續(xù)性的種子定位方法,確定生長標準,設計生長方式;其二是區(qū)域合并,將分割得到的不需要的破碎區(qū)域合并到與之最相似的臨近區(qū)域中去。結合區(qū)域生長分割算法,計算得到區(qū)域屬性值,以表征所分割出的
3、每個區(qū)域。對林區(qū)高分辨率遙感圖像應用區(qū)域生長算法進行分割試驗,并作了對比驗證評價。 (2)對象邊緣提取及矢量化。本研究中,應用三種邊緣檢測和提取方法提取分割后圖像的邊緣,分別是基于梯度的方法,基于子區(qū)域的方法,基于像素顏色值躍變的方法,試驗結果證明,皆提取到了相應的區(qū)域邊緣。最后,基于cOM組件技術開發(fā)柵格轉矢量模塊,對提取到的邊緣進行矢量化。 試驗證明,本文設計開發(fā)的區(qū)域生長算法對高分辨率遙感圖像進行分割,獲得了較好的
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 高空間分辨率遙感影像分割質量評價方法研究.pdf
- 面向對象的高空間分辨率遙感圖像分割關鍵技術研究.pdf
- 高空間分辨率遙感影像單株立木識別與樹冠分割算法研究.pdf
- 融合空間謂詞的高空間分辨率遙感圖像關聯(lián)分類方法研究.pdf
- 高空間分辨率遙感影像分類研究.pdf
- 森林蓄積量高空間分辨率遙感估測理論與實現(xiàn).pdf
- 39581.高空間分辨率遙感圖像變化檢測研究
- 42865.高光譜與高空間分辨率遙感圖像融合算法研究
- 高分辨率遙感圖像分割方法研究.pdf
- 基于高空間分辨率遙感圖像的單木樹冠輪廓提取技術研究.pdf
- 高空間分辨率遙感圖像頻域濾波增強算法研究及應用.pdf
- 高空間分辨率遙感影像陰影處理方法研究.pdf
- 基于主題模型的高空間分辨率遙感影像分類研究.pdf
- 21630.高空間分辨率遙感圖像多級詞袋分類方法研究
- 基于Mean Shift的高分辨率遙感圖像分割研究.pdf
- 高分辨率遙感圖像均值漂移算法分割
- 高空間-高光譜分辨率的遙感圖像城市場景分類識別研究.pdf
- 基于高分辨率遙感圖像的建筑物檢測與精確分割.pdf
- 基于高空間分辨率的高光譜遙感數(shù)據的城市地物分類.pdf
- 面向對象的高分辨率遙感圖像分割方法研究.pdf
評論
0/150
提交評論