结合小波收缩去噪算法的遥感图像分割

《结合小波收缩去噪算法的遥感图像分割》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士研究生学位论文新疆大学论文题目(中文)：结合小波收缩去噪算法的遥感图像分割论文题目(外文)：TheRemoteSensingImageSegmentationCombinedDenoisingMethodBasedonWaveletShrinkage研究生姓名：李亮亮学科、专业：工学信息与通信工程学位类别：工学硕士学位研究方向：信号与信息处理导师姓名职称：贾振红教授论文答辩日期2016年5月日学位授予日期2016年6月日摘要目前遥感图像的信息提取已经慢慢地变成了遥感应用基础研究的热点之一，遥感图像分割新算法的探索，将使得信息提取技术不断的得到更新。现在对遥感图像

2、分割的研究已渐渐成熟，也取得了一些显著的成果，不过因为遥感图像本身所具有的特点等一些原因，遥感图像在成像或者传输的过程中避免不了受到外界条件的干扰和影响，使得图像本身受到噪声的不同程度污染，因此本文提出新的遥感图像分割的模型，该模型不仅可以将原始图像很好的分割，对受到噪声污染的遥感图像也可以得到很好的分割结果。在图像分割的领域里面，图割和活动轮廓模型已经成为现在比较重要的两种方法，一些学者也试着将两种方法结合在一起来提高计算的效率和全局最小化。GCBAC模型在实现图像分割方面取得了很好的效果，但是对于含有噪声的图像，GCBAC模型不能取得很好的结果，因此，本文提出了

3、结合小波收缩与GCBAC模型的遥感图像分割新算法。此模型首先利用小波变换对图像进行分解，采用自适应特征阈值的方式用于消除图像里面包含的污染噪声，然后利用GCBAC模型对消除噪声污染后的图像进行分割。实验结果显示，我们提出的模型不仅可以对原图像和含噪声污染的图像实现精确的分割，另外对噪声还有比较强的鲁棒性。另外，本文还提出了结合小波收缩与水平集的遥感图像的分割模型，此方法首先利用小波变换对图像分解，然后自适应特征阈值的方法消掉图像中包含的污染噪声，然后利用改进的四相位水平集模型对去噪后重组的图像进行分割，实验结果显示，该算法对含有噪声的图像可以取得较好的分割结果，另外

4、对噪声也有较强的抑制作用。关键词：遥感图像分割；图割算法；小波收缩；水平集算法IAbstractAtpresent,theinformationextractionofremotesensingimagehasbeengraduallybecomeoneofthehotissuesinthebasicresearchofremotesensingapplication,andtheexplorationofnewalgorithmofremotesensingimagesegmentationwillmaketheinformationextractiontechn

5、ologyconstantlyupdated.Nowtheresearchofremotesensingimagesegmentationhasbeengraduallymature,someprominentachievementshavebeenachieved,duetoremotesensingimageitselfwithitsdifficultyandsomeotherreasons,remotesensingimagesareinevitablysubjecttointerferenceandinfluencebytheexternalconditio

6、nsintheprocessofimagingortransmission,makingtheimageitselfgetthenoisepollutionatdifferentdegrees.Therefore,thispaperproposesanovelremotesensingimagesegmentationmodel,whichcanbeappliedtosegmenttheoriginalimageaswellastheremotesensingimagewithnoisepollution,andbothachievegoodsegmentation

7、results.Graphcutsandactivecontourmodelhavebecometwoimportantmethodsinthefieldofimagesegmentation,somescholarsalsotriedtounifythetwoschemestoimprovethecomputationalefficiencyandglobalminimization.GCBACmodelintherealizationofimagesegmentationhasachievedgoodeffect,butfornoisyimages,GCBA