›› 2016, Vol. 36 ›› Issue (6): 38-46.doi: 10.16708/j.cnki.1000-758X.2016.0070

• 研究探讨 • 上一篇    下一篇

基于多特征的高分遥感图像分割算法研究

 金永涛1,3,4, 李旭青1,3,4, 张周威2, 陈曦1   

  1. 1北华航天工业学院,廊坊065000
    2中国科学院遥感与数字地球研究所,北京100094
    3河北省航天遥感信息处理与应用协同创新中心,廊坊065000
    4河北省航天遥感信息工程技术研究中心,廊坊065000
  • 收稿日期:2016-07-28 修回日期:2016-10-14 出版日期:2016-12-25 发布日期:2016-11-24
  • 作者简介:金永涛(1978-),男,副教授,jsj_jin@126.com,研究方向为县域遥感应用技术、计算机网络与信息安全
  • 基金资助:

    河北省科技计划(16210310D);河北省军民结合产业发展专项资金(JMJHZX-2016-01);北华航天工业学院创新团队计划(XJTD-201411);北华航天工业学院重点基金(ZD-2014-03)

Segmentationofhigh-resolutionmulti-spectralremotesensingimagebasedonmulti-feature

 JIN  Yong-Tao1,3,4, LI  Xu-Qing1,3,4, ZHANG  Zhou-Wei2, CHEN  Xi1   

  1. 1NorthChinaInstituteofAerospaceEngineering,Langfang065000,China
    2InstituteofRemoteSensingandDigitalEarghChineseAcademyofSciences,Beijing100094,China
    3HebeiCollaborativeInnovationCenterforAerospaceRemoteSensingInformationProcessingandApplication,Langfang065000,China
    4HebeiAerospaceRemoteSensingInformationEngineeringTechnologyResearchCenter,Langfang065000,China
  • Received:2016-07-28 Revised:2016-10-14 Online:2016-12-25 Published:2016-11-24

摘要: 针对传统的图像分割算法不能完全适用具有多种特征〖BF〗(〖BFQ〗光谱特征、纹理特征和几何特征〖BF〗)〖BFQ〗的高分辨率遥感图像的问题,提出了一种基于多特征的遥感图像分割算法。算法基于改进的均值漂移滤波和自动标记分水岭分割方法来实现最终分割。首先利用自动标记分水岭分割方法对遥感图像进行分割,进而采用仿射不变矩形状特征算子提取图像几何特征;其次对图像进行主成分分析,计算第一主成分灰度共生矩阵,分析矩阵特性得出纹理特征;然后结合光谱特征通过改进的均值漂移方法得到多特征滤波结果;最后利用分水岭分割方法实现高分辨率遥感图像分割。为了表明算法的分割效果,利用基于多光谱信息熵方法对算法和单一的分水岭分割方法进行非监督评价。研究结果表明,算法可较好地改善遥感图像的过分割问题,是一种适合高空间分辨率多光谱遥感图像的分割算法。

关键词: 均值漂移, 多特征, 分水岭, 高分辨率遥感图像, 图像分割

Abstract: Aimingattheproblemthatthetraditionalimagesegmentationalgorithmscannotbeappliedtohighresolutionremotesensingimageswithmanyfeatures(spectral,textureandgeometricfeatures),aremotesensingimagesegmentationmethodbasedonmulti-featurewasproposed.Thealgorithmintegratedtheimprovedmeanshiftfilteringandautomaticmarkerwatershedtoachievethesegmentationperformance.Firstly,anautomaticmarkerwatershedmethodwasusedtosegmenttheremotesensingimageforextractinggeometricfeatureusingaffinemomentinvariantsofshapeoperator.Secondly,agraylevelco-occurrencematrixofthefirstprincipalcomponentwascalculatedastexturalfeature.Thirdly,multi-featurefilteringresultswereobtainedbyusingimprovedmeanshiftalgorithmincludingspectralfeature.Finally,thefilteringresultswereperformedusingtheautomaticmarkerwatershedsegmentationmethod.Inordertoshowtheeffectoftheproposedmethod,anunsupervisedevaluationandcomparisonoftheimagesegmentationfromtheproposedalgorithmandsinglewatershedsegmentationwereimplementedusingmulti-spectralinformationentropy.Theexperimentalsegmentationresultsshowthattheproposedalgorithmcanreducetheover-segmentationphenomenonefficientlyanditissuitedforthesegmentationofhigh-resolutionmulti-spectralremotesensingimage.

Key words: meanshift, multi-feature, watershedtransform, high-resolutionremotelysensedimagery, imagesegmentation