图像分割的遗传算法操作.docx

《图像分割的遗传算法操作.docx》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、基于有监督分类的地物识别姓名：周钟娜学号：SA04006104实验原理：图像识别是计算机视觉研究中一个重要而困难的任务。常用的方法很多,有统计模式识别，集群分类等等。其中统计模式识别是根据统计规律进行推测、判断，得出结论。句法模式识别是按照句法分析方法进行判别。图像识别还可以根据有无监督分为有监督分类和无监督分类。有监督分类是有已知训练样本，要通过学习，得出样本的特征和规律等信息，再根据这些信息对图像进行分类识别。无监督分类则没有已知样本，是基于物以类聚来分类。图像识别方法还可以分为参数方法和非参数方法。

2、参数方法是假设已知函数形式，只要求出其待定的参数。非参数方法没有函数形式，通常用邻近方法来判断。模式识别的一般步骤如图1所示：图18-1模式说别的三C阶段I曲一黑兀有于牛數字〕釘jcm）W饰齡腹"幅揮地[Rf祖e〕汁決阶段"叱妙毎一-于益类型的比邇叫回税式卡知的懈冠导朮讯檯血,站训I炼医诫收奂敢捉确足处黑載的鬓唧图1模式识别的一般步骤下图2所示为监督分类基本步骤。[9E3f3miraUE3QralalviaiariiMicamm囲隠*

3、QULHH同口囱圈罄hWknH山垣■期工卿裁旳沏潮记iSNiiiMtc）埔出阶戢”站眾H水;地圈；曲和去；GIJ9监督分类中的垠木歩骤图2监督分类基本步骤二实验步骤本实验使用的软件环境为VisualC++，采用有监督分类的方法对遥感图像的地物进行识别。使用的源图像为同一区域的12幅遥感综合图象(n1~n12),并有该地区各类地貌实况数据_ffl(GTo具体步骤如下：1.事先在GT图中选取一部分作为样本，以图像格式保存在名字为yb.bmp的文件中。打开该文件，将样本中各类的点分别存在一数组内。2.分别读入1

4、2幅遥感综合图象。3.样本学习。将每一类的点计算其对应在12幅遥感综合图象中的灰度平均值。确定迭代次数为5次，则各类的平均灰度趋于稳定。本实验图像中共有7类地物，每类地物在12幅遥感综合图象各有其灰度平均值。4.分类。将得到的稳定的平均灰度值作为参考值，对每一个点都进行如下计算：首先计算其在每幅遥感综合图象中的灰度值与每一类灰度平均值的差值，每类对应有12个差值；再将各类的12个差值归一化，即除以对应的灰度平均值；将各类对应归一化的12个差值分别相加，最后选取差值和最小的那一类作为该点的类别，如果差值过大

5、，则认为不属于以上7类。5.如果该点在12幅遥感综合图象的灰度值均为0则认为该点是水域(海洋或湖泊)。三实验结果采用的原始样本如图3所示，样本学习得到的各地物在各光谱波段的灰度均值在本文末页，根据学习训练得到全图的地物分布如图4所示。图3各区域样本图4实验结果实验结果图像中，蓝色为水体，黑色部分不属于要分的7类，红色部分为冻土地和苔原，黄色部分为山林，白色部分为草地，绿色部分为灌木，紫色部分为混合农作物，草绿色部分为无作物区域。从结果可以看出分割的效果还比较理想。四程序运行本实验使用的软件环境为Visua

6、lC++,,打开exe文件，选择file/open,打开yb.bmp文件，点击fl/fl，提示输入12幅原图像，不要求按照次序，请打开12幅原图像，程序将自动运行显示结果。样本学习得到的各地物在各光谱波段的灰度均值:光谱一光谱二光谱三光谱四光谱五光谱六1:冻土、苔原128.010753128.010753131.709677156.924731181.505376194.0215052:灌木127.763077128.926154135.310769147.960000182.775385200.9015

7、383:山林127.467427127.752443135.490228152.100977173.584691197.8566784:草地123.410156126.609375136.761719138.417969143.000000165.5234385:混合农作物131.617647131.811765139.164706147.935294177.552941189.0823536:荒漠136.802867136.164875140.046595141.322581151.491039167.

8、1505387:无作物区138.071429136.410714138.571429141.160714145.303571154.053571光谱七光谱八光谱九光谱十光谱十一:光谱十二1:冻土、苔原201.946237194.677419183.086022157.397849137.849462123.9784952:灌木202.538462200.849231188.710769151.110769137.8984621