论文部分内容阅读
高空间分辨率卫星遥感图像的出现,使得地物类型的精细识别成为可能。与传统基于像元的影像分析方法相比较,面向对象的图像分析方法可以更清晰的表达高空间分辨率遥感图像在地物结构方面的特性,也更能清晰地表示高空间分辨率遥感图像体现出的景观结构特性。图像分割是基于像元分类的传统方法与面向对象的影像分析方法根本区别和桥梁,是实现面向对象的图像分析的关键。高空间分辨率遥感图像上拥有更为卡富的地物的几何结构、细节和上下文等方面的信息。单尺度的影像分析已不能满足反映卒间格局、过程异质性与动态性的需要。不同类型的数据,不同影像分析任务需要在不同的尺度下进行分析。多尺度分割为方便地调整特定影像分析任务所需要的影像对象尺度提供了可能。
本论文从以下几个方面深入研究面向高空间分辨率遥感影像的多尺度分割方法。首先,从基本的图像分割方法入于,重点研究通过图像预处理减少“过分割”区域的方法。其次,通过多分辨率图像金字塔和基于区域合并的方式体现多尺度的概念,重点研究基于多分辨率图像分割过程中边界“映射”的问题和基于区域合并的多尺度分割中合并策略的制订。最后,研究构建多尺度图像分割结果的数据结构表达方式。本文的主要研究成果如下:
1)提出基于局部能量图的图像预处理方式,与其他方法比较,此方法在有效的保持有效边界的情况下,有效的减少了“过分割”区域。
2)采用逆向向上区域“映射”的方法,解决了传统基于小波分析的多分辨率图像分割过程中,低分辨率(大尺度)向高分辨率(小尺度)边界“映射”中边界变粗,产生锯齿的问题。
3)采用一种自适应的边界强度作为区域合并的约束。研究结果表明这种方法具有良好的指导区域合并的作用。
4)构建了一种适合多种分割方法的多尺度分割结果层次数据结构。该数据结构可以实现不同尺度间分割区域的快速切换和访问。