基于區(qū)域生長法的高空間分辨率遙感圖像分割與實現(xiàn).pdf

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