资源简介

摘要： 高空间分辨率遥感影像的分割是面向对象分析的重要基础，大部分影像分割算法都涉及分割参数设置的问题，影像分割方法的参数自适应是影响遥感影像分割效率和效果的关键问题之一。针对传统分水岭分割算法易受噪声干扰且分割尺度参数难以自适应选择的问题，提出了一种尺度自适应的高分辨遥感影像分水岭分割方法，即在对原始影像进行中值滤波的基础上，综合考虑高分遥感影像多个波段信息，并利用区域合并进行分水岭分割，然后在空间统计学思想下，统计不同窗口下局部方差的变程实现分水岭分割参数的自适应设置，进而对高空间分辨率遥感影像进行分割。最后，以IKONOS和QuickBird高空间分辨率多光谱遥感影像作为实验数据，对提出参数自适应的分水岭分割方法的有效性进行了验证。基于分割后斑块内均质性和斑块间异质性指标构建综合评价模型，对本文提出的分割方法所得到的分割结果与不同参数序列的分割结果进行了定量比较，对比结果表明采用该分割算法能够得到较好的分割效果。因此，该方法不仅能一定程度上提高影像分割的精度，也保证了分割参数选择的自动化程度，可为今后的影像分割及参数化研究提供一种思路。  关键词： 自适应参数化;  分水岭分割;  面向对象分析;  ')" href="#">空间统计     Abstract: Segmentation of high spatial resolution remotely sensed image is the important foundation of Object\|Based Image Analysis(OBIA), most of the image segmentation algorithms involve the problem of parameter setting. Self\|adaptive Parameterization is one of the key factors that affect the efficiency and effectiveness of remote sensing image segmentation. Considering that traditional watershed segmentation algorithm is susceptible to noise and the segmentation scale parameter is difficult to be self\|adaptively chosen,this paper propose a scale self\|adaptive method in watershed segmentation. After median filtering in primary image, this paper uses spatial statistical method to realize the self\|adaptive setting of watershed segmentation parameters, and then segments the high spatial resolution remote sensing image. This study uses IKONOS and Quickbird multispectral images as experimental data to testify the validity of the method proposed by this paper. The homogeneity within the segmentation parcels and the heterogeneity between thesegmentation parcels are used to build up a synthetic evaluation model to quantitatively evaluate the segmentation results by the proposed method by comparing with different parameter sequences segmentation results. The comparison result show that the proposed method perform well in high spatial resolution image segmentation. As result, the method proposed in this paper not only improves the accuracy of image segmentation to a certain extent, but also raises the automation of the segmentation parameter selection, which provides a new way for image segmentation and the research of parameterization in the future.

相关资源

1. 水质遥感监测的关键要素叶绿素a的反演算法研究进展
2. 基于无人机遥感技术的森林参数获取研究进展
3. 基于无线传感器网络的森林生态系统观测试验平台构建
4. 基于无人机激光雷达的森林冠层高度分析
5. 多源时序国产卫星影像的森林火灾动态监测
6. 基于无人机遥感技术的台风灾害倒伏绿化树木检测

下载说明

·如果您发现该资源不能下载，请通知管理员.gissky@gmail.com

·为确保下载的资源能正常使用，请使用[WinRAR v3.8]或以上版本解压本站资源,缺省解压密码www.gissky.net ，如果是压缩文件为分卷多文件，请依次下载每一个文件，并按照顺序命名为1.rar,2.rar,3.rar...，然后鼠标右击1.rar解压.

·为了保证您快速的下载速度，我们推荐您使用[网际快车]等专业工具下载.

·站内提供的资源纯属学习交流之用,如侵犯您的版权请与我们联系.