| 【中文题名】 | 基于边缘检测及Markov随机场模型的遥感图像分割研究 |
| 【英文题名】 | Research on Remote Sensing Image Segmentation Based on Edge Detection and Markov Random Field Model |
| 【学科专业】 | 应用数学 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-4-5 |
| 【中关键词】 | 遥感图像,图像分割,边缘检测,LIP模型,GMRF模型,CLARANS |
| 【英关键词】 | RS images,image segmentation,edge detection,LIP model,GMRF model,CLARANS,Simulated Annealing, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>遥感技术>遥感图像的解译、识别与处理>图像处理方法> |
| 【论文摘要】 | 图像分割是图像工程的一个重要的步骤,是图像处理到图像理解和分析的必由环节。人们很早就开始了对图像分割方法的研究,并且几十年来,这方面的研究从来没有间断过。到目前为止,已经有大量的关于图像分割的理论、技术、方法被人们提出并广泛应用。在遥感领域,由于遥感图像的尺寸大、多波段、内容丰富多样、纹理特征丰富、多尺度等特征,对遥感图像的分割比一般图像的分割难度更大,简单地将一般图像的分割方法运用到遥感图像的分割中并不能得到令人满意的结果,因此需要对这些方法做出改进或者提出新的方法以适应对遥感图像分割的要求。本文以遥感图像为主要的分割对象,对图像分割的相关技术进行了研究,并提出了一种有效的遥感图像分割方法。
论文的主要研究内容包括:(1) 对近些年的图像分割方法和遥感图像分割方法进行了回顾和总结,并对它们的优、缺点进行了分析,指出了进一步研究的方向。(2) LIP模型能够克服传统的图像处理模型中可能出现的越界问题,更适合对图像进行各种操作,本文提出了一种基于LIP模型的边缘检测方法,通过实验表明了方法的有效性和与经典的边缘检测方法及LIP-Sobel算子相比的优越性,并对基于LIP模型的边缘检测方法的对低亮度... |
| 【论文题纲】 |
|
第一章 绪论 |
8-14 |
|
1．1 研究背景 |
8-9 |
|
1．2 国内外研究现状综述 |
9-10 |
|
1．2．1 图像分割技术国内外研究现状 |
9-10 |
|
1．2．2 遥感图像分割技术国内外研究现状 |
10 |
|
1．3 遥感图像分割的困难性 |
10-11 |
|
1．4 本文概述 |
11-14 |
|
1．4．1 研究内容 |
11 |
|
1．4．2 研究目标 |
11-12 |
|
1．4．3 论文组织 |
12-13 |
|
1．4．4 创新点 |
13-14 |
|
第二章 图像分割 |
14-31 |
|
2．1 图像分割方法 |
14-25 |
|
2．1．1 基于边缘的分割方法 |
14-22 |
|
2．1．2 基于区域的分割方法 |
22-23 |
|
2．1．3 基于特定理论的分割方法 |
23-25 |
|
2．2 纹理特征表达与提取 |
25-30 |
|
2．2．1 统计方法 |
25-30 |
|
2．2．2 结构化方法 |
30 |
|
2．2．3 频谱方法 |
30 |
|
2．3 小结 |
30-31 |
|
第三章 LIP模型与基于LIP模型的边缘检测方法 |
31-45 |
|
3．1 LIP模型 |
31-35 |
|
3．1．1 传统的灰度函数与LIP的灰度色调函数 |
31-32 |
|
3．1．2 灰度色调函数空间 |
32 |
|
3．1．3 灰度色调空间 |
32-33 |
|
3．1．4 灰度色调向量 |
33-34 |
|
3．1．5 灰度色调函数的微分 |
34-35 |
|
3．2 基于LIP模型的边缘检测算法 |
35-37 |
|
3．2．1 流程图 |
35-36 |
|
3．2．2 高斯平滑滤波 |
36 |
|
3．2．3 LIP-Sobel算子求梯度 |
36-37 |
|
3．2．4 检测边缘 |
37 |
|
3．2．5 边缘细化 |
37 |
|
3．3 应用实例 |
37-41 |
|
3．3．1 实验结果与分析 |
38-41 |
|
3．4 基于LIP模型的边缘检测对低亮度图像敏感的理论证明 |
41-44 |
|
3．5 小结 |
44-45 |
|
第四章 基于聚类的遥感影像分割方法 |
45-52 |
|
4．1 聚类方法概述 |
45-46 |
|
4．2 基于模拟退火的CLARANS聚类方法 |
46-51 |
|
4．2．1 CLARANS聚类方法 |
47-48 |
|
4．2．2 模拟退火方法 |
48 |
|
4．2．3 基于模拟退火的CLARANS聚类方法 |
48-51 |
|
4．3 小结 |
51-52 |
|
第五章 基于边缘检测和GMRF模型的遥感影像分割 |
52-58 |
|
5．1 基于边缘检测的初始分割 |
52 |
|
5．2 GMRF模型特征提取 |
52-54 |
|
5．3 基于模拟退火的CLARANS聚类算法分割图像 |
54 |
|
5．4 实验 |
54-55 |
|
5．5 小结 |
55-58 |
|
第六章 总结与展望 |
58-59 |
|
参考文献 |
59-63 |
|
致谢 |
63 |
|
| 【DOI】 | LunWen.ID:2.2008.389354 |
