高分辨率遥感影像的全变分分割模型.pdf

《高分辨率遥感影像的全变分分割模型.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37卷第5期测绘科学Vo1．37No．52012年09月ScienceofSurveyingandMappingSep．高分辨率遥感影像的全变分分割模型张倩，黄昕，张良培(武汉大学测绘遥感信息工程国家重点实验室，武汉430079)【摘要】由于全变分(TotalVariation，TV)模型具有较好的去噪、增强和扩散等功能，在过去的几十年中，TV模型在图像去噪、增强和超分辨率重建等方面得到了深入研究与广泛应用。鉴于TV模型的理论与分割理论具有一致性，因此本文主要研究TV模型用于高分辨率遥感影像的分割，并针对地物多

2、尺度特征，提出了自适应的TV(ATV)模型；且与目前流行的面向对象的影像分析软件eCognition中的FNEA分割方法进行了比较。实验采用2幅高分辨率遥感影像，同时采用了面向对象的分割和分类评价，得出各方法各具优缺点的结论。【关键词】全变分模型；自适应；eCognition；FNEA；高分辨率；分割【中图分类号】TP751【文献标识码】A【文章编号】1009-2307(2012)05-0081-03与原始影像u相似的前提下，利用Lagrange乘子来实现影1引言像的最小化全变分，以求得原始影像，如式(1)。其中

3、，第高分辨率遥感影像包含了丰富的光谱信息，以及形状、一项为近似项，模拟了影像的噪声，衡量了与原始影像的纹理、拓扑等空间关系信息。较传统的中低分辨率影像而差异。第二项是TV正则项，A为正则化参数。与其他的正言，其类内方差增大，类间方差减小，导致传统的基于像则化方法相比，ITv正则化的主要优点在于对间断或光滑连素的光谱分析方法已不能取得令人满意的效果。面向对象续的点没有任何偏袒。的处理和分析理念应运而生，它可以较好地结合光谱和空1r1／-min÷I(u一“n)+A÷IIVld(1)间信息，区分光谱相似的地物。而采用面

4、向对象的分析厶扎l厶“l方法，首先对影像分割以得到具有物理意义的区域，在此2．2基于TV的面向对象分割基础上进行诸如对象的提取与分析等处理J。因此，分割影像分割就是将一幅完整的影像分割为一系列非重叠在面向对象的高分辨率遥感影像分析过程中具有决定性的的区域，区域内的像素具有统一的光谱、纹理等特征。分作用，分割效果决定了后续分析及处理的质量。割可以简单的看为能量最小化问题，如式(2)，u为分割后图像分割的研究多年来一直得高度重视，已提出很多的影像，A是正则化参数，是正则项，是近似项。度分割算法J。分割算法主要分2类：

5、边界检测和区域增长。量了原始影像与分割(简化)后影像的差异，度量了分割本文研究的TV模型用于高分辨率遥感影像的分割，就是基(简化)后影像的光滑度，即与邻域的差异，E()是对象的于区域增长的分割方法。Tv模型最初由Rudin，Osher和能量或异质性。Fatemi在1992年提出用于解决影像复原问题。由于ⅣE()=E(“)+AE(u)(2)T1正则化具有对间断或光滑连续点没有任何偏袒的优势，具E()=÷／+A÷(m一m)(3)有保细节能力，在图像复原、增强和重建等处理中得到了二广泛的应用。TV扩散在本质上与分割问题

6、是一致的。文献文献[5，6]证明了，TV扩散与分割具有相同的特[5，6]证明了TV尺度空间用与图像分割的有效性，文献点，都起到简化影像的作用。结合式(1)、式(2)及面向对[6]对文献[5]中的分割方式进行了改进。象处理方式，可推导出TV分割模型，即式(3)。为图斑由于TV扩散在简化影像的同时具有保持原始区域的边界方差；在像素级上，(u)为像素的散度，而在面向对象的等细节能力，且现有的文献很少将

7、rV用于遥感影像分割J。情况下，E()可用相邻区域的均值差表示。其中，or和因此，本文主要探讨TV模型用于高分辨率遥感

8、影像分割；并m分别指区域i的方差和均值，为i的邻接区域，E()为针对地物多尺度的特点，提出了自适应的TV分割模型；以面其异质性。向对象的方法评价其分割效果；并与目前主流的面向对象分析2．3自适应TotalVariation(ATV)算法软件eCognifion的多尺度分割方法FNEA进行比较。对一幅影像使用一个全局的正则化参数进行去噪、重建、复原或分解等，易造成某些地方过度扩散，重要的边2理论与算法缘纹理等特征被光滑掉，或某些地方去噪不够充分，复原2．1Totalvariation基本原理效果不够好。这种缺点，在

9、影像分解和分割中表现得尤为Tv模型最初由Rudin，Osher和Fatemi[在1992年提突出。尤其当一幅影像包含多种尺度的地物对象，一个全出用于解决影像复原问题。其主要思想是，在模拟影像“局的正则化参数很难较好地提取各种尺度的对象。如果正则化参数较大，大的对象可以较完整地提取，而小的对象作者简介：张倩(1984一)，博士，主要或纹理特征易被平滑掉。相反，对于较小的正则