第一章绪论
1.1问题的提出和研究意义
随着遥感技术迅速发展,利用遥感数据进行地物分类、识别,图像分割和边界提取已成为地理信息获取的重要手段。目标识别、边界提取和图像分割不仅是遥感信息领域的研究热点,而且在计算机模式识别,人工智能和图像处理领域都非常活跃,且被广泛的应用于光学字符识别,指紋识别系统,人脸识别和医学图像处理中。一些分类、分割,目标提取和识别,边缘检测的新思想、新方法、新数学工具也不断的引入和发展。这些方法和原理可以进一步地借鉴到遥感图像处理中来。在遥感图像的研究和应用中,人们往往仅对遥感图像中的某些部分感兴趣。这些人们感兴趣的部分通常称为"目标"或"前景"(其它部分称为"背景")。它们一般对应图像中特定的、具有独特性质的区域,这里的特性可以是像素的灰度、颜色、纹理、形状等。为了识别和分析目标,需要将这些区域从整幅图像中分离并提取出来,即进行遥感图像分割。图像分割有很多方法,阈值法分割是一种最简单快捷的分割方法,它选取一个合适的阈值将图像按照某种特性分割成两部分或多部分,此原理也较多的运用在决策树分析上。在决策树分析中,特征参数的选取与组合和参数阈值的选择与确定是图像分割和目标提取的关键。不同的阈值设定方法对一幅图像进行处理会产生不同的二值化处理结果,从而直接影响到目标提取的精度和图像特征信息的保留程度。如果阈值选择过高,则会将目标点错误地归为背景域中,对应分割出的目标和对象边缘外扩;反之会导致分割出的目标和对象的形状偏小,甚至会使部分目标遗失,进而影响到后续的处理和统计等。
1.2自动阈值选取与遥感图像分割
1.2.1自动阈值选取技术的发展与研究现状
闺值分割是最常见的直接检测区域的分割方法。阈值分割方法基于对灰度图像的一种假设:目标或背景内的相邻像素间的灰度值是相似的,但不同目标或背景的像素在灰度上有差异,反映在图像直方图上,不同目标和背景则对应不同的峰。选取的阈值应位于两个峰之间的谷,从而将各个峰分开。阈值分割的优点是实现简单,对于不同类的物体灰度值或其它特征值相差很大时,它能很有效地对图像进行分割。阈值分割通常作为图像的预处理,然后应用其它一系列分割方法进行后处理。阈值分割的缺点是对于图像中不存在明显灰度差异或灰度值范围有较大重叠的图像,难以得到准确的结果。另外,由于它仅仅考虑了图像的灰度信息而不考虑图像的空间信息,阈值分割对噪声和灰度不均匀很敏感。如何选取合适的阈值,是基于阈值分割方法的困难所在。至今仍有不少学者针对该问题进行深入的研究,提出了许多新方法。
1.3研究内容与结构安排
1.3.1研究内容
本论文选取分割中常用的像元灰度值作为特征参数,将依次介绍简单图像基于点的全局灰度的阈值法,简单图像基于像元邻域属性的阈值法,复杂图像基于图像属性的分割方法。在点的全局阈值法中对几种常用的经典自动阈值法最大类方差法、最小误差法、迭代法以及基于信息熵原理的最大熵阈值法和最小交叉熵法做系统的总结和介绍并分析了它们的原理,通过对不同直方图类型的遥感影像进行试验,对算法进行了比较,总结了各自的优缺点。然后针对遥感图像噪声多的现状
第二章阈值法分割的基本原理
2.1引言
图像分割就是根据灰度、彩色、空间纹理、几何形状等特征把图像划分成各具特性的区域,这些区域互不相交,每个区域都满足特定区域的一致性。图像分割是图像处理与计算机视觉领域低层次视觉中最为基础和重要的领域之一'它是进行视觉分析和模式识别的基本前提。同时它也是一个经典难题,到目前为止即不存在一种通用的图像分割方法,也不存在一种判断是否分隔成功的客观标准图像分割阈值法在图像处理技术中备受重视,是一种广泛使用的图像分割方法,也一种最简单快捷的分割方法;它利用图像直方图的统计信息,特别适用于要提取的目标和背景占据不同灰度级范围的图像。优点是计算简单,运算效率高,既可以极大的压缩数量,又能大大简化分析和处理步骤(吕俊哲,2004;张冬生,2011;郭臻,2008)。因此在很多tf^-卞:是进行图像分析、特征提取与模式识别之前的必要的图像预处理过程,己被应用于很多的领域(张春玲,2006),例如在红外技术应用中,红外无损检测中红外热图像的分割,红外成像跟踪系统中目标的识别分割;在遥感应用中,合成孔径雷达图像中目标的分割等;在生物医学应用中,血液细胞图像的分割,磁共振图像分割;另外还有机器视觉、文字识别、指纹与印章鉴定、光学条纹判读以及军事目标等。在这些应用中,分割是图像进一步区分、识别的前提,分割的准确性将直接影响后续任务的有效性,其中阈值的选取是图像阈值分割方法中的关键技术。
2.2阈值分割的基本概念和原理
2.2.1图像二值化
第三章简单图像基于像元灰度的全局阈值法………………………………11
3.1简单的直方图分析法………………………………11
3.2最大类间方差法………………………………12
3.3迭代阈值法………………………………13
3.4最小误差法………………………………14
3.5基于熵原理的阈值方法………………………………15
第四章简单图像基于像元邻域属性的全局阈值法………………………………33
4.1直方图变换方法………………………………33
4.2基于过渡区的阈值法及改进法………………………………34
4.3基于二维直方图阈值法………………………………35
4.4实验与分析………………………………38
第五章复杂遥感图像基于局部自适应阈值法………………………………43
5.1局部自适应阈值分割原理………………………………43
5.2传统的阈值插值法………………………………44
5.3 Mean法和Median法………………………………45
5.4实验与分析………………………………4
1. 如果目标或感兴趣的目标在其内部具有均匀一致的灰度值并分布在具有另一个灰度值的均匀背景上,使用全局阈值方法的效果就非常好;或者背景中区域类数较多,灰度级比较复杂,但目标地物在某个特性上与背景有较大的可分性,也比较适用。确定阈值之前,对图像进行一定程度的图像增强也很重要,他能扩大背景和目标之间的差异,从而使算法有更好的适用性。决策树分析中一般使用全局阈值法即可达到要求,能保证精度也有实时性。