基于Markov隨機(jī)場的遙感影像分割研究.pdf_第1頁
已閱讀1頁,還剩91頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、遙感影像由于具有更新速度快、獲取周期短、地物細(xì)節(jié)豐富等特點(diǎn),在生產(chǎn)生活的各個(gè)領(lǐng)域都得到廣泛的應(yīng)用。如何從海量遙感數(shù)據(jù)中挖掘出感興趣的目標(biāo)信息,是遙感影像處理的主要目標(biāo)。影像分割是影像處理的必經(jīng)過程,而如何準(zhǔn)確地進(jìn)行遙感影像分割仍然是一個(gè)很大的難點(diǎn),因此有必要對影像分割進(jìn)行研究?;贛arkov隨機(jī)場模型的影像分割方法比傳統(tǒng)的基于灰度的分割方法,具有能利用影像像元之間的位置信息、易于和其他方法相結(jié)合等優(yōu)點(diǎn),所以此方法廣泛應(yīng)用于影像分割領(lǐng)域

2、。
   本文在對現(xiàn)有影像分割方法進(jìn)行分析和總結(jié)的基礎(chǔ)上,結(jié)合Markov隨機(jī)場的特性,采用K-均值聚類算法和Markov隨機(jī)場相結(jié)合的方法來分割影像,并將小波理論融合進(jìn)Markov隨機(jī)場分割影像中。本文的主要研究內(nèi)容如下:
   (1)在對傳統(tǒng)影像分割方法進(jìn)行歸納的基礎(chǔ)上,對基于Markov隨機(jī)場的影像分割理論做了介紹。根據(jù)影像分割方法的不同,對傳統(tǒng)遙感影像分割方法和基于Markov隨機(jī)場的遙感影像分割方法的差別進(jìn)行了

3、分析和比較。重點(diǎn)研究了將K-均值聚類算法與Markov隨機(jī)場理論相結(jié)合用來分割不同分辨率下的遙感影像。
   (2)為了解決像素的聚集特性問題,本文采用小波變換的多分辨率特性與Markov隨機(jī)場理論相結(jié)合來分割影像。利用小波變換的多分辨率特性,使影像的觀測場建立在一系列小波域上,以此來分割影像。
   (3)為了處理好區(qū)域的標(biāo)號(hào)分量和區(qū)域的一致性屬性這兩個(gè)分量之間的關(guān)系,本文采用變權(quán)重法,用變權(quán)重來聯(lián)系標(biāo)號(hào)場和灰度場之間

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論