基于改进高斯混合模型的遥感影像道路提取-论文.pdf

《基于改进高斯混合模型的遥感影像道路提取-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第23卷第3期测绘工程VoI．23．NO．32014年3月EngineeringofSurveyingandMappingMar．，2013基于改进高斯混合模型的遥感影像道路提取向晶，周绍光，陈超。(1．河海大学地球与工程学院测绘工程系，江苏南京210098；2．江苏省基础地理信息中心，江苏南京210013)摘要：基于改进的高斯混合模型，提出一种从高分辨率遥感图像提取道路的方法。通过Gabor滤波器计算影像一维纹理描述值，将其作为分割道路的特征值对影像进行预处理，再利用基于两层高斯混合模型的新分类方式对高分辨率遥感影像进行分类，取出道路类。实验表明，结果比传统的一些道路分割方法效果好

2、。关键词：改进的高斯混合模型；道路提取；Gabor滤波器中图分类号：P237文献标志码：A文章编号：1006—7949(2014)03—0042—04Roadextractionofhigh—resolutionremotesensingimageswithimprovedGaussianmixturemodelXIANGJing，ZHOUShao—guang，CHENChao(1．Dept．ofSurveyingandMappingEngineering，HehaiUniversity，Nanjing210098，China；2．FoundationalGeographyInfor

3、mation(．；enterofJiangsuProvince，Nanjing210013，China)Abstract：BasedontheprincipleofimprovedGaussianmixturemodel，amethodtoextracttheroadfromthehigh—resolutionremotesensingimageisproposed，whichcalculatestheimagevalueofone-dimensionaltexturewithGaborfilter，andatthesametime，treatsitascharacteristicv

4、alueofsegmentingroad，thenpreprocesestheimage．ThenewmethodOfclassificationbasedonthetwolayersofGaussianmixturemodelisusedtosegmentthehigh—resolutionremotesensingimage．Experimentsshowtheresultsoftheproposedmethodarebetterthansometraditionalsegmentways．Keywords：improvedGaussianmixturemodel；roadext

5、raction；GaborFilter当今遥感影像获取手段快速发展，影像分辨率复杂，分辨率越来越高，单高斯模型已经不能满足越来越高u]。从高分辨率遥感影像中提取道路来更需求。本文将高分辨率遥感影像上的每类拟合成新GIS数据已成为一个新的研究热点l2]。在国内一个高斯混合模型，整幅图像看成一个两层的高斯国外，这方面的研究已有30多年，出现许多理论和混合模型。实验表明，每个类别取3个左右高斯分技术上的创新。布即可取得良好效果引。本文提出一种基于两层高斯混合模型的高分1改进高斯混合模型辨率遥感影像道路提取的方法。高斯混合模型许多方面取得很大成功，但用于高分辨率遥感影像道1．1高斯混合模型及

6、最大似然估计路提取的研究却不多。骆剑承等人l3将遥感图像中设z为一幅图像第i个像素的观察值，如灰度、地物在光谱空间设想为高斯混合模型，有一定的先纹理等，并且(i一1，2，⋯，N)满足独立同分布的进性。特性，该图像为d维。另设该图像含有K个目标传统的高斯混合模型将各类别的数据拟合为类，每个目标类都服从已知概率分布，记为，(／)，单高斯模型

7、4]，而随着技术的发展，遥感图像越来越该分布由参数集确定。给出所有类的参数集，得到每像素由各类合成概率分布式为收稿日期：201303—02基金项目：国家自然科学基金资助项目(41271420／D010702)；江苏省测绘科研资助项目(JSCHKY2O

8、l201)作者简介：向晶(1989一)，女，硕士研究生．第3期向晶，等：基于改进高斯混合模型的遥感影像道路提取·43·的模型为有限混合模型。则所有参数的集合为{丌，根据贝叶斯公式，未知点517属于类的后验概⋯，71"K；一，}；同时满足条件丌『≥0，J===1，⋯，率。为K且e(fl,／x)一P(x／fl,)P(岛)／P(x)．(9)K式中：P(fl~)为先验概率，也就是在图像中类别出现∑一1．(2)的概率；P(x／fl1)为似然概率，为在类别岛中出现像若