1介绍

1。1遥感技术的新进展

遥感最近在传感器和图像分析算法上取得了很大的进步。由于非常高的高分辨率图像，如IKONOS和QuickBird,传统的分类方法对于给定的异质性出现在光谱的幅度图像特征空间已经变得不那么有效了。光谱异质性成像数据迅速增加，传统的方法倾向于产生分类错误，如多光谱语义对象内的签名。当一个语义对象是由多个谱签名组成的，这些多重签名不能有效地处理标准方法和趋向于生产“盐和胡椒”分类结果。传统分类方法的另一个缺点是他们不使用相关的形状，网站和物体的空间关系（上下文）。语境信息是照片解释的关键要素，是关键特征的使用的特性，因为它封装了关于图像对象的专业知识。然而这样的知识，它是不明确的，需要提取，代表和用于图像分析。为了提高分类图像分析结果，它是非常重要的用来解释影像特征的关键，如形状和纹理。文献综述

1。2纹理图像分割和基于对象的图像分析

方法开发了计算机视觉领域和遥感纹理分析和图像分割。除了简单的纹理特性,比如标准差和方差,Haralick提出更多计算从共生的复杂纹理特征矩阵(1973年Haralick et al,Haralick 1979)。这些第二纹理特征用于图像分类中效果很好的遥感影像(Materka和Strzelecki 1998)。甚至更为复杂的结构模型用于纹理造型,分类和分割,如隐藏的马尔可夫模型、小波变换和伽柏过滤器(Materka和Strzelecki 1998)与远程效果很好传感与医学应用。利用最新的纹理建模方法，纹理图像分割已经被提出了几种方法。(Chen等人2002年,Fauzi哈夫利切克和泰2001和刘易斯2003年,比斯等人1998)。在同时,图像分类也走向计算和人工智能方法(Sukissian等al 1994年,奔驰等2004)。在过去的几年里,一种新方法,称为对象面向图像分析、集成低层次图像分析方法,如分割过程和算法(Baatz & Schape 2000),与高水平的方法,如人工智能(基于知识的专家系统模糊系统)和模式识别方法。在这个方法,图像分析产生原始的低水平图像对象,而将这些高水平处理原语为有意义的域对象(奔驰等2004)。

1。3研究目的

本研究的主要目的是一体的纹理特征为面向对象的图像分割算法。希望修改后的分割算法可以作为低水平处理的一部分面向对象的图像分析系统,应用多个图像分辨率和产生的多个对象尺度(大小),根据用户自定义的参数。进一步的目标是生成算法的能力是通用的,产生良好的分类准备结果尽可能多的遥感数据。遥感数据在一般情况下,难以处理,具有复杂的结构和光谱信息。因此,有必要为算法能够处理纹理信息和上下文特点，以产生更好的分割结果。来:自[优.尔]论,文-网www.youerw.com +QQ752018766-

2方法

2。1概述MSEG算法——简单的概要文件

MSEG算法(Tzotsos和Argialas 2006)设计为一个区域合并技术,因为地区合并技术快速、通用的,可以完全自动化(不需要种子点)(1998年Sonka 等朋友和1993Pal)。鉴于现有的面向对象的图像分析系统(绝大多数识别用户指南2005)使用了这种方法也是一个有力的论点，该地区的有效性合并技术。