导读:本文包含了多光谱遥感图像分割论文开题报告文献综述及选题提纲参考文献，主要关键词:分水岭变换,大尺寸分割,Mean,Shift聚类
多光谱遥感图像分割论文文献综述
李春玲[1]（2014）在《多光谱遥感图像分割技术研究》一文中研究指出随着地球勘测遥感技术的快速发展,地球卫星的分辨率越来越高,拍摄的地物轮廓清晰,细节丰富,为人们合理利用地球资源提供了很大的便利。每年从地球卫星可以获取海量的遥感图像,研究如何从海量图像中高效提取有用信息是人们一直关注的重点,而图像分割作为提取地物材质不可缺少中间步骤之一,是后续图像应用的前提。虽然目前已经存在多种类型的图像分割方法,并且取得了一定的研究成果,但是由于高分辨率多光谱遥感图像具有几何结构清晰,光谱波段数较多,信息冗余以及尺寸大等特点,还存在许多细节值得深入研究。论文是以多光谱图像为研究对象,重点针对图像多波段降低维度和单一尺度难以获得准确地物特征两个问题进行了探索与分析,主要使用数学形态学方法和均值漂移聚类法解决相关问题。研究成果显示,与传统的主成分分析降低维度相比较,扩展的形态学方法能够很好的保留多光谱图像细节特征,能有效地描述地物的几何结构,能够生成多层次的图像分割结果;改进的均值漂移聚类算法分割准确率提高获得了较好的分割结果。本文首先分析了高分辨率多光谱图像的数据特点,针对多光谱图像的多波段产生的冗余信息问题进行研究,尽管目前常用的主成分分析法能够去除相关信息,第一主成分图像丢失了部分信息;不同的地物类别是多尺度的,单一的分割结果很难准确反映各种不同尺度的地物特征。本文以数学形态学为基础,基于扩展的分水岭变换和分水线动态范围,生成了多尺度的分割结果,可以从不同尺度来表达同一地物。实验结果表明与传统的主成分分析法相比较,本文使用的扩展的数学形态学理论可以更加充分利用多光谱图像的信息,保留了更多图像细节特征,利用动态范围能准确分割出大量地物类型并且产生多层次分割。其次根据扩展的形态学理论研究成果,将其应用到均值漂移聚类算法中。由于多光谱图像波段数较多,存在大量的冗余信息,大大增加了均值漂移迭代过程的计算难度,非常耗时,降低了均值漂移算法的准确率和效率。本文使用扩展的形态学方法和分水岭变换,控制多光谱图像的冗余信息,最后使用聚类分割效果很好的均值漂移算法进行图像分割,合并小区域生成最终的结果图像。研究结果表明,均值漂移算法可以很好的探测遥感图像中常常出现的小区域,而且聚类过程中考虑空间关系产生了很好的均匀分割。最后针对实际遥感图像应用,探索提高分割大尺寸图像的方法,减少消除人工分块分割中产生地的人工边界,研究结果表明改进的均值漂移算法能改善大尺寸图像分割的人工边界。但还需要更进一步深入研究,解决大尺寸图像分割问题,真正扩大遥感图像的实际应用。(本文来源于《西安电子科技大学》期刊2014-12-01）
徐海霞,温显斌,邹永廖,郑永春[2]（2013）在《基于Contourlet域图谱聚类和多尺度Markov模型的多光谱遥感图像分割》一文中研究指出针对多光谱遥感图像的特点,结合图谱聚类、Contourlet系数分布的统计特性和多尺度Markov模型,提出了一种基于Contourlet域图谱聚类和多尺度Markov模型的分割(CSCMMS)方法。首先对待分割图像进行Contourlet变换,利用图谱聚类对最粗尺度低频图像聚类得到可靠的初始分割结果;然后利用互信息构造Contourlet域的多尺度Markov模型,结合多尺度、多方向的图像信息将低频图像的初始分割结果逐尺度传递到最细尺度,得到原始图像的分割。对合成图像和多光谱遥感图像的实验结果表明,提出方法在边缘信息保持和噪声敏感性上具有明显改进,错分率和运算时间进一步降低。(本文来源于《光电子.激光》期刊2013年05期）
肖鹏峰[3]（2012）在《基于向量场模型的多光谱遥感图像分割》一文中研究指出图像分割是高分辨率遥感图像面向对象分类与识别过程中的关键环节,也是遥感图像处理领域的难点之一。现有分割方法多针对单波段或叁个波段的遥感图像,本文提出了一种基于向量场模型的多光谱遥感图像分割方法。将每一个像元的多光谱数据看作一个向量,则遥感图像可以视为一个二维、多属性的向量场,从而将地物边界的检测问题转换为多维曲面的邻域差分问题,可应用微分几何学中的第一基本形式进行求解。选用2004年南京市QuickBird-2卫星多光谱图像,运用向量场模型对多光谱图像进行建模,通过计算光谱向量的第一基本形式,快速获得多光谱图像的梯度信息,然后运用改进的最大区域数标记和分水岭变换实现图像分割,结果表明,图像分割结果满足面向对象分类的应用需求。(本文来源于《第九届长叁角科技论坛（测绘分论坛）论文集》期刊2012-11-17）
朱俊良[4]（2011）在《高光谱遥感图像分割算法研究》一文中研究指出高光谱遥感图像具有波段多、光谱分辨率高、数据量大等特点,在给人们带来丰富信息的同时,也给数据处理带来了巨大的挑战。如何有效的对高光谱图像进行降噪,降低高光谱图像的维数,减少数据量是高光谱图像分割中的一个重要问题。降噪方面:本文选择了两种传统的频域降噪方法,高通滤波和低通滤波对高光谱图像进行处理。在空域降噪方面,本文选择了基于数学形态学的方法,设计了一种基于开、闭运算的串行级联式形态滤波器。高通滤波使图像得到锐化,突出了图像的边缘信息,同时保留了图像的大部分噪声信息,该滤波结果可用到降维运算中。低通滤波使图像平滑,降低图像噪声。形态滤波与低通滤波的效果一样,也是通过图像平滑降低图像噪声,但其平滑效果比低通滤波要好。降维方面:本文在特征提取方面选择了两种算法进行处理,主成分分析和最小噪声分离方法。主成分分析是多元数据分析的一个有力工具,在基于特征提取的高光谱图像降维处理中有着广泛应用,但该方法对噪声比较敏感,在实现降维的过程中,也保留了图像的噪声信息。基于此提出了最小噪声分离变换,它是一种以最大化信噪比为衡量准则的线性变换。它在实现降维的过程中也对噪声进行了分离。分割方面:本文以基于标记分水岭算法的高光谱图像分割算法为主轴,简要介绍数学形态学预处理的基本运算。借助阈值分割和K均值聚类分割引出标记分水岭算法的分割技术。以德兴铜矿高光谱遥感图像为研究数据,并将叁种分割算法进行比较,给出基于标记分水岭分割算法的优越性。本文提出了一种通过降噪、降维,选取主成分大的特征图像进行分割的方法;提出了基于数学形态学的高光谱遥感图像降噪技术;并将标记分水岭算法成功运用于高光谱图像分割中。(本文来源于《成都理工大学》期刊2011-05-01）
刘永学,李满春,毛亮[5]（2006）在《基于边缘的多光谱遥感图像分割方法》一文中研究指出从M arr视觉计算理论和Tob ler地学第一定律出发,提出了基于边缘的多光谱遥感图像分割方法。在基于边缘的多光谱遥感图像分割方法中,由边缘检测、边缘综合、边缘生长、区域标号等环节组成。该遥感图像分割方法在可视化开发平台Delph i中予以编程实现。将之应用于日本熊本市(Kum amoto)的Qu ickb ird多光谱遥感图像中,并与多种遥感分割算法进行了比较:(1)从多光谱遥感图像各波段亮度信息利用的程度上看,提出的遥感图像分割方法能充分利用多波段亮度信息;(2)从遥感图像分割结果上看,由于分别对不同的波段进行边缘检测,并在此基础上进行边缘综合、边缘生长,遥感图像中的细节特征得到了充分体现,遥感图像分割效果更理想;(3)从计算复杂度和计算效率上看,基于边缘的多光谱遥感图像分割法较其他分割方法有一定的优势。(本文来源于《遥感学报》期刊2006年03期）
李军林,李国春,王静[6]（2006）在《一种结合形状特征的多光谱遥感图像分割方法》一文中研究指出提出一种结合形状特征和光谱特征对多光谱遥感图像进行分割的方法。首先确定形状因子和光谱因子的表达式,然后应用区域生长算法在给定区域异质性阈值的约束条件下进行图像分割。实验结果表明此方法对中高分辨率多光谱遥感图像的分割效果较好,有一定的推广价值。(本文来源于《农业网络信息》期刊2006年05期）
多光谱遥感图像分割论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对多光谱遥感图像的特点,结合图谱聚类、Contourlet系数分布的统计特性和多尺度Markov模型,提出了一种基于Contourlet域图谱聚类和多尺度Markov模型的分割(CSCMMS)方法。首先对待分割图像进行Contourlet变换,利用图谱聚类对最粗尺度低频图像聚类得到可靠的初始分割结果;然后利用互信息构造Contourlet域的多尺度Markov模型,结合多尺度、多方向的图像信息将低频图像的初始分割结果逐尺度传递到最细尺度,得到原始图像的分割。对合成图像和多光谱遥感图像的实验结果表明,提出方法在边缘信息保持和噪声敏感性上具有明显改进,错分率和运算时间进一步降低。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多光谱遥感图像分割论文参考文献
[1].李春玲.多光谱遥感图像分割技术研究[D].西安电子科技大学.2014
[2].徐海霞,温显斌,邹永廖,郑永春.基于Contourlet域图谱聚类和多尺度Markov模型的多光谱遥感图像分割[J].光电子.激光.2013
[3].肖鹏峰.基于向量场模型的多光谱遥感图像分割[C].第九届长叁角科技论坛（测绘分论坛）论文集.2012
[4].朱俊良.高光谱遥感图像分割算法研究[D].成都理工大学.2011
[5].刘永学,李满春,毛亮.基于边缘的多光谱遥感图像分割方法[J].遥感学报.2006
[6].李军林,李国春,王静.一种结合形状特征的多光谱遥感图像分割方法[J].农业网络信息.2006