| 【中文题名】 | 基于模糊马尔科夫随机场的遥感图像分割算法研究 |
| 【英文题名】 | |
| 【学科专业】 | 模式识别与智能系统 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-8-8 |
| 【中关键词】 | 模糊马尔可夫随机场（FMRF）,Gibbs分布,图像分割,EM算法,SA算法, |
| 【英关键词】 | Fuzzy MRF,Gibbs distribution,image segmentation,EM,SA, |
| 【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>图像处理设备> |
| 【论文摘要】 |
遥感图像分割,就是指将遥感图像分成各具特性的区域并提取出感兴趣的目标的技术和过程,在此基础上才有可能对目标进一步利用。因此遥感图像分割是由遥感图像处理到遥感图像分析的关键步骤。
近年来,以马尔科夫随机场模型作为先验模型的无监督图像分割已经得到了广泛应用,实践证明该模型有利于提高图像分割质量。但是由于环境和传感器的影响,遥感图像具有灰度变化大、纹理复杂并且边界模糊等特点,经典的马尔科夫随机场模型并不能很好的处理分割中的相干噪声等问题。本文针对遥感图像斑点噪声大,边界模糊的特点,在分割中引入了结合模糊集和马尔科夫算法的模糊马尔科夫随机场的无监督算法,以SAR图像为实验对象证明了该方法的准确性。论文的主要工作和创新如下:
①分析了基于模糊集和基于马尔科夫随机场的分割算法,这是图像分割中的两大主要工具。深入分析对比了这两种算法在遥感图像分割上的优劣。
②为了弥补以上两种方法各自的不足,将模糊马尔科夫随机场引入遥感图像分割中,提出了基于模糊马尔科夫随机场模型在遥感图像分割算法中的具体构架,使得图像中的各点均从属于某个模糊类,而再是属于指定标签的确定类。该模型结合了分割问题中的随机性与模... |
| 【论文题纲】 |
|
摘要 |
4-6 |
|
ABSTRACT |
6-11 |
|
第一章 引言 |
11-15 |
|
1.1 课题的背景 |
11-12 |
|
1.2 国内外研究现状和发展趋势 |
12-13 |
|
1.2.1 图像分割的发展现状 |
12 |
|
1.2.2 遥感图像分割的发展现状 |
12-13 |
|
1.3 课题研究的对象 |
13-14 |
|
1.4 论文的主要内容与结构 |
14-15 |
|
第二章 遥感图像分割算法概述 |
15-29 |
|
2.1 遥感图像分割方法分类 |
15-18 |
|
2.1.1 按照分割过程中的自动化程度划分 |
15-16 |
|
2.1.2 按分割区域是否重叠来划分 |
16 |
|
2.1.3 按模型在分割中所起的作用分类 |
16 |
|
2.1.4 按使用知识的特点来划分 |
16-17 |
|
2.1.5 按基于类型特点分类 |
17-18 |
|
2.2 遥感图像特征的选择和提取 |
18-21 |
|
2.2.1 形状特征提取 |
18-19 |
|
2.2.2 光谱特征提取 |
19 |
|
2.2.3 纹理特征提取 |
19-21 |
|
2.3 优化算法 |
21-27 |
|
2.3.1 基于能量函数的优化算法 |
22-25 |
|
2.3.2 基于统计学的优化算法 |
25-27 |
|
2.3.3 关于优化算法的思考 |
27 |
|
2.4 分割效果的评价 |
27-29 |
|
第三章 基于模糊集理论的遥感图像分割方法 |
29-38 |
|
3.1 模糊理论基础 |
29-32 |
|
3.1.1 模糊集合的定义 |
30-31 |
|
3.1.2 隶属度的确定 |
31-32 |
|
3.1.3 去模糊化方法 |
32 |
|
3.2 基于FCM 算法的遥感图像分割应用 |
32-38 |
|
3.2.1. FCM 算法的实现步骤 |
33 |
|
3.2.2. SAR 图像分割实验与结论 |
33-36 |
|
3.2.3. FCM 在分割应用中的主要问题分析 |
36-38 |
|
第四章 基于马尔科夫随机场的遥感图像分割方法 |
38-50 |
|
4.1 马尔科夫随机场的定义及模拟 |
38-42 |
|
4.1.1 马尔科夫场的定义 |
39-40 |
|
4.1.2 马尔科夫随机场与吉布斯随机场的等效 |
40-41 |
|
4.1.3. MRF 采样方法对比 |
41-42 |
|
4.1.4. MRF 中优化算法对比 |
42 |
|
4.1.5 模拟 MRF 的模型 |
42 |
|
4.2. MRF 算法在遥感图像分割中的应用 |
42-48 |
|
4.2.1. MAP-MRF 图像分割框架设计 |
43-44 |
|
4.2.2. MRF 算法流程 |
44-46 |
|
4.2.3. SAR 图像分割实验 |
46-47 |
|
4.2.4 实验结果分析 |
47-48 |
|
4.3 基于MRF 分割方法存在的问题 |
48-50 |
|
第五章 基于模糊马尔科夫随机场的遥感图像分割算法 |
50-70 |
|
5.1 引言 |
50-51 |
|
5.2 模型的基本知识 |
51-54 |
|
5.2.1 确定类和模糊类 |
51-52 |
|
5.2.2 模糊随机事件 |
52 |
|
5.2.3 模糊随机变量 |
52-53 |
|
5.2.4 模糊马尔科夫随机场的引入 |
53-54 |
|
5.3 模型的模糊化设计 |
54 |
|
5.4 贝叶斯框架的实现 |
54-57 |
|
5.4.1 先验分布模型设计 |
54-55 |
|
5.4.2 类条件概率模型设计 |
55-56 |
|
5.4.2.1 灰度特征的描述 |
55 |
|
5.4.2.2 纹理特征的描述 |
55-56 |
|
5.4.3 后验概率模型设计 |
56-57 |
|
5.5 参数估计与算法的实现 |
57-58 |
|
5.6. SAR 图像分割实验 |
58-64 |
|
5.7 实验结果分析 |
64-65 |
|
5.8 优化方案的调整 |
65-70 |
|
5.8.1. SA-ICM 算法 |
65-66 |
|
5.8.2 实验对比及分析 |
66-70 |
|
第六章 结论与展望 |
70-72 |
|
6.1 本文工作的总结 |
70-71 |
|
6.2 今后工作的思考与展望 |
71-72 |
|
致谢 |
72-73 |
|
参考文献 |
73-76 |
|
在学期间的研究成果及获奖情况 |
76-77 |
|
| 【DOI】 | LunWen.ID:2.2008.389467 |
