吏用MeanShift算法进行鼓浪屿地区的高分辨率遥感影像分割.pdf

《吏用MeanShift算法进行鼓浪屿地区的高分辨率遥感影像分割.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、科技创新2o13N~35期l科技创新与应用使用MeanShift算法进行鼓浪屿地区的高分辨率遥感影像分割方磊(厦门理工学院，福建厦门361024)摘要：随着空间技术的发展，获取高分辨率遥感影像越来越容易，由于高分辨率遥感影像具有丰富的地物细节，因此是地物信息提取的重要数据源。使用面向对象的方法进行高分辨率遥感影像信息提取相比基于像素的方法具有更好的效果，而面向对象分析的前提是影像分割，因此文章着重研究高分辨率遥感影像分割的问题。文章首先介绍一些影像分割的背景知识，然后对MeanShift算法的原理进行介绍，通过VC编程，实现MeanShift算法，最后采用鼓浪屿地区的高分

2、辨率遥感影像进行实验。实验结果表明，MeanShift是一种较优秀的影像分割算法，能够将鼓浪屿岛上的一些建筑物以及景点植被等分隔开，分割结果可以为后期进行面向对象的影像分类或者变化检测等提供良好的数据基础。关键词：MeanShift；高分辨率；遥感影像；影像分割；鼓浪屿1引言遥感作为一种对地观测的手段现在已经得到了广泛的重视，近十多年来，随着高分辨率遥感卫星的发射以及商业化，使用高分辨率遥感卫星进行地表信息的获取已经得到广泛的应用。能够利用遥感影像进行地表信息自动提取是许多遥感工作者的梦想，按照处理的单元可以分为基于像素的方法和基于对象的方法，而对于高分辨率遥感影像而，、

3、If1『】l。’言，现有的研究成果表明基于对象的方法能够得到更优的结果。进行影像的面相对象分析的前提是获取对象，一般是通过影像分割的方式来进行对象的获取。图像分割就是指把图像分成各具特眭的区域并提取感兴趣的目标的技术和过程，这里的特性可以是像素的灰度、颜色、纹理等，预先定义的目标可以对应单个区域，也可以对应多个区域。图像分割的目的是简化或者改变图像的表示方式使图像更容易理解和分析，准确的说就是对图像上每个像素设定一个标记，使具有相同视觉特征的像素拥有相同的标记。图像分割的结果是一组覆盖整幅图像的对象的集合，或者是一=组从图像中提取的轮廓的集合。对象中的每个像素在某些特征上

4、是，z，．．相似的，比如颜色、强度或纹理，而相邻对象的像素在这些特征上是完全不同的日。遥感影像分割是进行遥感信息提取、面向对象分析的关键技术基是由y；点计算得到的下一个连续位置点。迭代计算公式(22)直至fl础之一，指的是将遥感影像中特定的，具有独特l生质的区域与周围的区ym_y．1l<8时达到收敛，此时y点的位置就是局部密度最大。域分离出来的技术和过程。因此MeanShift算法是一种自适应梯度上升搜索峰值算法，它可随着航天技术和空间传感器的发展，遥感影像的空间分辨率越来以很陕地找到局部密度最大值在什么地方。由于每次核函数中心点的越高，高分辨率遥感影像能够反映更多的地物

5、细节，但同时，由于其细位置可以组成一个单调有界数列，所以均值平移过程具有收敛性，当达节信息过于丰富，使得细小目标、阴影等干扰因素的影响愈加突出，给到收敛时的核函数中心点的位置就是所找到的—个聚类中心。影像的处理和信鼠的自动提取带来了困难。相比于中低分辨率的遥感影像，高分辨率遥感影像存在着更为严重的同物异谱和同谱异物的现象开0用传统的一些算法很难胜任高分辨率遥感影像的处理。由于地物的纹理，形状、拓扑关系等空间特征本质上均属于区域级的特征，在影像分割获得的同质区域内提取特征显然要比在任意指定的方形窗口内提取特征更具合理陛。近些年来，面向对象(区域)的高分辨率遥感影像分析受到了

6、关注，关于这方面的研究也是目前高分辨率遥感影像分析的研究热点之一。因此，影像分割成为高分辨率遥感影像计算机自动解译的首要处理步骤，也成为高分辨率影像地物信息提取的重要研究内容日。MeanShift算法是一种基于非参数概率密度梯度估计的迭代聚类过程，并且证明具有较好的算法收敛性，广泛应用于聚类分析、跟踪、图像分割，图像平滑、滤波、图像边缘提取和信息融合等方面。该算法完全空间维数，如果I指的是影像的光谱特征，那么X就是像素X的光谱特依靠空间中的样本点进行分析，不需要先验知识，对不同结构的数据具征矢量，B就是光谱的波段数。有较好的适应性和稳健性。因此，采用MeanShift算法

7、进行高分辨率遥当确定完样本之后，就需要确定带宽的大小。MeanShift迭代的一感影像分割，能够具有较高的自动程度和稳健、良好的结果。个关键问题就是带宽，它是MeanShift的—个重要参数。本文首先介绍MeanShift原理，然后使用鼓浪屿的高分辨率遥感多元核函数如下影像进行试验并分析，最后进行总结和展望。2MeanShift算法原理=czMeanShift这个概念最早是由Fukunaga等人吁1975年在一篇关于概率密度梯度函数的估计中提出来的，其最初含义正如其名，就是偏其中x是特征向量的空间坐标部分，x是波谱部分，k(x