基于Markov隨機(jī)場的遙感影像分割研究.pdf

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