本文選題：可變尺度　切入點：Mean-Shift　出處：《國土資源遙感》2017年03期 　論文類型：期刊論文

【摘要】：為了提升農(nóng)田高分遙感影像(high spatial resolution remote sensing image,HRI)的信息提取效果,提出了一種新的農(nóng)田HRI分割算法。傳統(tǒng)的Mean-Shift(MS)HRI分割算法僅利用全局或單一的尺度參數(shù);而常規(guī)可變尺度MS算法在尺度參數(shù)估算中也只考慮光譜信息。這些都導致其分割結果難以完整地展現(xiàn)不同尺度的農(nóng)田區(qū)域。針對該問題,在MS算法的基礎上進行了改進:第一,提出了一種局部可變尺度參數(shù)的估計方法;第二,提出了利用局部可變尺度進行MS濾波的模型函數(shù)。該改進算法主要包含3步:(1)為了全面考慮不同波段的響應變化,在MS濾波核函數(shù)中采用了對角化的尺度參數(shù)矩陣,并將其與采樣點密度估計模型相結合,導出了一種可變尺度MS濾波的迭代函數(shù);(2)為了提高算法的自動化程度,利用局部光譜變化與邊界強度信息,提出了一種新的局部尺度參數(shù)估算方法;(3)將MS濾波結果輸入到基于分形網(wǎng)絡演化方法(fractal net evolution approach,FNEA)的空間聚類算法中,得到最終的分割結果。利用Rapid Eye與OrbView3的2景HRI進行了算法驗證。實驗結果表明,所提出的改進算法能夠優(yōu)化農(nóng)田HRI分割的精度。
[Abstract]:In order to improve the information extraction effect of high spatial resolution remote sensing image, a new field HRI segmentation algorithm is proposed. The traditional Mean-Shift(MS)HRI segmentation algorithm only uses global or single scale parameters. However, the conventional variable scale MS algorithm only considers spectral information in the estimation of scale parameters. These results make it difficult for the segmentation results to show the different scale farmland regions completely. To solve this problem, we improve the algorithm based on the MS algorithm: first, A local variable scale parameter estimation method is proposed. Secondly, a model function using local variable scale for MS filtering is proposed. The improved algorithm mainly includes 3 steps: 1) in order to take into account the response variation of different bands. In order to improve the automatization of the algorithm, the diagonalized scale parameter matrix is used in the MS filter kernel function, and combined with the sampling point density estimation model, an iterative function with variable scale MS filter is derived. Based on the local spectral variation and boundary strength information, a new local scale parameter estimation method is proposed, in which MS filtering results are input into the spatial clustering algorithm based on fractal net evolution approximation FNEA (fractal network evolution method). Finally, the final segmentation results are obtained. The algorithm is verified by Rapid Eye and OrbView3's 2 scene HRI. The experimental results show that the proposed improved algorithm can optimize the precision of HRI segmentation in farmland.
【作者單位】： 內(nèi)蒙古農(nóng)業(yè)大學水利與土木建筑工程學院;
【基金】：國家自然科學基金項目“科爾沁沙地典型生態(tài)系統(tǒng)水熱通量傳輸機理及其與植被耦合關系試驗和模擬研究”(編號:51569017)、“內(nèi)蒙古典型草原水文過程及其擾動與觸發(fā)草地退化的水文臨界條件實驗與模擬研究”(編號:51269014) 內(nèi)蒙古自然科學基金項目“半干旱區(qū)沙地典型生態(tài)系統(tǒng)水熱通量傳輸機理研究”(編號:2015MS0514) 中國博士后科學基金面上資助項目“西部地區(qū)博士后人才資助計劃”(編號:2015M572630XB)共同資助
【分類號】：TP751

【相似文獻】

相關期刊論文 前10條

1 陳秋曉,駱劍承,周成虎;基于多特征的遙感影像分析——一個新的視角[J];國土資源遙感;2003年01期

2 王占宏,杜道生;模糊綜合評價法在數(shù)字遙感影像產(chǎn)品質(zhì)量評價中的應用[J];測繪科學;2004年S1期

3 韓玲,吳漢寧,杜子濤,趙希剛;遙感影像地圖在鄂爾多斯盆地環(huán)形構造識別中的應用[J];公路交通科技;2005年S1期

4 王思遠,王光謙,陳志祥;基于遙感影像綜合理解模型的遙感影像分類[J];計算機工程;2005年19期

5 王賢敏;關澤群;吳沉寒;;采用影像融合的遙感影像授權使用小波域算法[J];計算機輔助設計與圖形學學報;2006年05期

6 馬萬權;王士成;劉建坡;;大幅面遙感影像分發(fā)技術研究[J];無線電工程;2006年06期

7 汪承義;趙忠明;;遙感影像流程化處理系統(tǒng)的設計與實現(xiàn)[J];測繪科學;2006年06期

8 史本偉;陳圣波;湛邵斌;;遙感影像庫中影像布局功能的開發(fā)實現(xiàn)[J];吉林大學學報(地球科學版);2006年S1期

9 江水;洪鳴;盛業(yè)華;;實現(xiàn)遙感影像的3維漫游[J];測繪與空間地理信息;2007年01期

10 任向紅;陸宇紅;仇生泉;;4D產(chǎn)品在遙感影像糾正中的應用[J];測繪與空間地理信息;2007年03期

相關會議論文 前10條

1 熊劍;;地形起伏地區(qū)的遙感影像預處理研究[A];第十五屆全國遙感技術學術交流會論文摘要集[C];2005年

2 肖倩;李光耀;;航空遙感影像道路提取方法綜述[A];全國第十屆信號與信息處理、第四屆DSP應用技術聯(lián)合學術會議論文集[C];2006年

3 馬海濤;;探討遙感影像的校正與誤差來源——以雞西市為例[A];2006年中國土地學會學術年會論文集[C];2006年

4 楊博雄;;基于北斗二代與遙感影像的定位與導航技術研究[A];2009年全國測繪儀器綜合學術年會論文集[C];2009年

5 譚明;李成鋼;石曉春;邱宏華;;基于特征的高分辨遙感影像道路提取[A];全國測繪科技信息網(wǎng)中南分網(wǎng)第二十四次學術信息交流會論文集[C];2010年

6 譚明;李成鋼;石曉春;邱宏華;;基于特征的高分辨遙感影像道路提取[A];廣東省測繪學會第九次會員代表大會暨學術交流會論文集[C];2010年

7 杜永明;秦其明;;不同分辨率對遙感影像中識別人造地物的影響[A];第十三屆全國遙感技術學術交流會論文摘要集[C];2001年

8 趙紅穎;晏磊;;無人機遙感影像的特點與影像處理的關鍵技術[A];第十五屆全國遙感技術學術交流會論文摘要集[C];2005年

9 馮德俊;楊駿;;基于遙感影像的城市車流信息提取研究[A];第十七屆中國遙感大會摘要集[C];2010年

10 杜培軍;方濤;林卉;;遙感影像庫中數(shù)據(jù)挖掘與知識發(fā)現(xiàn)的研究[A];第十四屆全國遙感技術學術交流會論文摘要集[C];2003年

相關重要報紙文章 前3條

1 張鵬英;國產(chǎn)遙感影像迎來共享時代[N];科技日報;2013年

2 記者 吳晶晶;我用遙感影像發(fā)現(xiàn)3處油跡帶[N];新華每日電訊;2014年

3 沈占鋒;遙感影像信息提取與分析[N];計算機世界;2006年

相關博士學位論文 前10條

1 劉亞嵐;遙感影像群判讀技術的試驗研究[D];中國科學院研究生院（遙感應用研究所）;2004年

2 程起敏;基于內(nèi)容的遙感影像庫檢索關鍵技術研究[D];中國科學院研究生院（遙感應用研究所）;2004年

3 任娜;遙感影像數(shù)字水印算法研究[D];南京師范大學;2011年

4 鄧冰;遙感影像信息度量方法研究[D];武漢大學;2009年

5 柳稼航;基于視覺特征的高分辨率光學遙感影像目標識別與提取技術研究[D];上海交通大學;2011年

6 王占宏;遙感影像信息量及質(zhì)量度量模型的研究[D];武漢大學;2004年

7 王強;異構環(huán)境下的航空遙感影像協(xié)同存儲及處理關鍵技術研究[D];武漢大學;2011年

8 張桂峰;粒度理論下的多尺度遙感影像分割[D];武漢大學;2010年

9 劉婷婷;基于區(qū)域的多分辨率遙感影像語義檢索方法研究[D];武漢大學;2009年

10 馬力;基于整體優(yōu)先性的遙感影像道路信息提取研究[D];武漢大學;2011年

相關碩士學位論文 前10條

1 王金杰;基于語義的遙感影像數(shù)據(jù)檢索關鍵技術研究[D];國防科學技術大學;2013年

2 侯愛霞;基于五層十五級數(shù)據(jù)組織結構的遙感影像幾何處理系統(tǒng)研究[D];河南大學;2015年

3 呂璐凌;一種基于地面控制點的遙感影像幾何校正方法研究[D];浙江大學;2016年

4 張文君;基于遙感影像特征的云霧去除模型對比研究[D];云南大學;2016年

5 彭磊;遙感影像大數(shù)據(jù)管理系統(tǒng)關鍵技術研究與系統(tǒng)實現(xiàn)[D];電子科技大學;2016年

6 曹兆偉;基于人工神經(jīng)網(wǎng)絡的海島遙感影像地物分類研究[D];上海海洋大學;2016年

7 包陽捷;面向遙感影像分析的超像素分割方法[D];浙江大學;2016年

8 運曉東;海量遙感影像快速瀏覽技術研究與實現(xiàn)[D];中國科學院大學(工程管理與信息技術學院);2016年

9 王鵬;遙感影像的ISODATA分類算法的并行化研究[D];河南大學;2016年

10 宋廣生;基于“高分”影像的道路養(yǎng)護故障檢測系統(tǒng)實現(xiàn)[D];河北科技大學;2016年

，

本文編號：1579410