多维特征自适应MeanShift遥感图像分割方法

周家香; 朱建军; 梅小明; 马慧云

美国《工程索引》（EI）核心期刊
美国《剑桥科学文摘》（CSA）收录期刊
荷兰斯高帕斯数据库（Scopus）收录期刊
英国INSPEC数据库（SA）收录期刊

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

多维特征自适应MeanShift遥感图像分割方法

周家香, 朱建军, 梅小明, 马慧云

文章导航 > 武汉大学学报 ● 信息科学版 > 2012 > 37(4): 419-422

周家香, 朱建军, 梅小明, 马慧云. 多维特征自适应MeanShift遥感图像分割方法[J]. 武汉大学学报 ● 信息科学版, 2012, 37(4): 419-422.

引用本文:

周家香, 朱建军, 梅小明, 马慧云. 多维特征自适应MeanShift遥感图像分割方法[J]. 武汉大学学报 ● 信息科学版, 2012, 37(4): 419-422.

ZHOU Jiaxiang, ZHU Jianjun, MEI Xiaoming, MA Huiyun. An Adaptive MeanShift Segmentation Method of Remote Sensing Images Based on Multi-Dimension Features[J]. Geomatics and Information Science of Wuhan University, 2012, 37(4): 419-422.

Citation:

ZHOU Jiaxiang, ZHU Jianjun, MEI Xiaoming, MA Huiyun. An Adaptive MeanShift Segmentation Method of Remote Sensing Images Based on Multi-Dimension Features[J]. Geomatics and Information Science of Wuhan University, 2012, 37(4): 419-422.

多维特征自适应MeanShift遥感图像分割方法

周家香^1,2,
朱建军^1,2,
梅小明^1,2,
马慧云^1,2

¹中南大学有色金属成矿预测教育部重点实验室,长沙市麓山南路932号410083;²中南大学地球科学与信息物理学院,长沙市麓山南路932号410083

基金项目: 国家自然科学基金青年科学基金资助项目(40901171);;国家863计划重点资助项目(2009AA122004);;武汉大学测绘遥感信息工程国家重点实验室开放研究基金资助项目(09R03)

详细信息

作者简介:
周家香，讲师，现从事遥感影像信息分析等研究。

中图分类号: P237.4

An Adaptive MeanShift Segmentation Method of Remote Sensing Images Based on Multi-Dimension Features

¹ Key Laboratory of Metallogenic Prediction of Nonferrous Metals,Ministry of Education, Central South University,932 South Lushan Road,Changsha 410083,China;² School of Geosciences and Info-Physics,Central South University,932 South Lushan Road,Changsha 410083,China

Funds: 国家自然科学基金青年科学基金资助项目(40901171);;国家863计划重点资助项目(2009AA122004);;武汉大学测绘遥感信息工程国家重点实验室开放研究基金资助项目(09R03)

摘要: 针对MeanShift算法分割遥感图像的自动化程度和精度不高的问题,提出一种多特征自适应Mean-Shift遥感图像分割方法。3组实验结果表明,本方法相比EDISON软件能得到更好的分割效果,且能在一定程度上提高遥感影像分割的自动化。
- 遥感影像 /
- 自适应MeanShift /
- 图像分割 /
- 带宽 /
- 纹理特征
Abstract: Due to low segmentation efficiency and low accuracy of Mean-Shift algorithm,this paper puts forward to an adaptive Mean-Shift segmentation method of remote sensing images.Firstly,location features,multi-band spectrum principal components and texture features are extracted to form multi-dimension feature spaces.Then,based on classical Mean Shift clustering algorithm,initial clustering images are got by using less fixed space bandwidths and global optimal spectrum bandwidths that are estimated by plug-in rules.Mean space distance,mean spectrum distance and texture distance are calculated for each region in the initial clustering images,and used for space bandwidths,spectrum bandwidths and texture bandwidths of sequential clustering.Further,multi-dimension feature Mean-Shift Clustering was implemented by using calculated bandwidths.Lastly,the clustered regions are combined to get segmentation images.Three experiment results of remote sensing images show that the proposed method in this paper are better than EDISON software,and to some extent improve the efficiency of segmentation of remote sensing images.
- remote sensing images /
- adaptive MeanShift /
- image segmentation /
- bandwidth /
- texture feature

[1]	祁琼, 张弛, 袁全, 李慧芳, 沈焕锋, 程青. 顾及空间与光谱差异的单幅遥感影像自适应云雾去除方法 . 武汉大学学报 ● 信息科学版, 2019, 44(9): 1369-1376. doi: 10.13203/j.whugis20170411
[2]	卓国浩, 吴波, 朱欣然. 一种自适应三维核回归的遥感时空融合方法 . 武汉大学学报 ● 信息科学版, 2018, 43(4): 563-570. doi: 10.13203/j.whugis20160141
[3]	叶沅鑫, 慎利, 陈敏, 王继成. 局部相位特征描述的多源遥感影像自动匹配 . 武汉大学学报 ● 信息科学版, 2017, 42(9): 1278-1284. doi: 10.13203/j.whugis20150576
[4]	佃袁勇, 杨光, 方圣辉. 傅里叶谱纹理和光谱信息结合的高分辨率遥感影像地表覆盖分类 . 武汉大学学报 ● 信息科学版, 2017, 42(3): 362-368. doi: 10.13203/j.whugis20140952
[5]	刘帅, 朱亚杰, 薛磊. 一种结合稀疏表示和纹理分块的遥感影像超分辨率方法 . 武汉大学学报 ● 信息科学版, 2015, 40(5): 578-582. doi: 10.13203/j.whugis20130385
[6]	丁凯孟, 朱长青, 卢付强. 基于自适应格网划分的遥感影像感知哈希认证算法 . 武汉大学学报 ● 信息科学版, 2015, 40(6): 716-720. doi: 10.13203/j.whugis20130567
[7]	张鹏林, 黄丽, 吕志勇, 周冰. 一种改进的空间加权模糊C均值算法在遥感影像分割中的应用 . 武汉大学学报 ● 信息科学版, 2013, 38(7): 774-777.
[8]	詹总谦, 来冰华, 万杰, 李楼. 一种利用纹理特征和朴素贝叶斯分类器检测近景影像植被的方法 . 武汉大学学报 ● 信息科学版, 2013, 38(6): 665-668.
[9]	吴一全, 武燕燕. 利用NSCT和Krawtchouk矩进行图像检索 . 武汉大学学报 ● 信息科学版, 2011, 36(6): 691-694.
[10]	巫兆聪, 胡忠文, 欧阳群东. 一种区域自适应的遥感影像分水岭分割算法 . 武汉大学学报 ● 信息科学版, 2011, 36(3): 293-296.
[11]	邵振峰, 朱先强, 张斯斯. 利用Contourlet变换和谱直方图进行多源遥感影像纹理特征检索 . 武汉大学学报 ● 信息科学版, 2010, 35(6): 723-726.
[12]	魏小莉, 沈未名. 一种基于马尔科夫随机场模型的彩色纹理图像分割 . 武汉大学学报 ● 信息科学版, 2010, 35(8): 955-958.
[13]	薄树奎, 韩新超, 丁琳. 面向对象影像分类中分割参数的选择 . 武汉大学学报 ● 信息科学版, 2009, 34(5): 514-517.
[14]	张剑清, 佘琼, 潘励. 基于LBP/C纹理的遥感影像居民地变化检测 . 武汉大学学报 ● 信息科学版, 2008, 33(1): 7-11.
[15]	易尧华, 郭方, 杨志高, 秦前清. 基于内容的图像自适应加网方法 . 武汉大学学报 ● 信息科学版, 2006, 31(9): 781-784.
[16]	郑肇葆. 基于蚁群行为仿真的影像分割 . 武汉大学学报 ● 信息科学版, 2005, 30(11): 945-949.
[17]	梅天灿, 李德仁, 秦前清. 基于直线和区域特征的遥感影像线状目标检测 . 武汉大学学报 ● 信息科学版, 2005, 30(8): 689-693.
[18]	余鹏, 封举富, 童行伟. 一种新的基于高斯混合模型的纹理图像分割方法 . 武汉大学学报 ● 信息科学版, 2005, 30(6): 514-517.
[19]	梅天灿, 李德仁, 秦前清. 分水岭变换在遥感影像线状特征提取中的应用 . 武汉大学学报 ● 信息科学版, 2004, 29(4): 338-341.
[20]	黄桂兰, 郑肇葆. 空间灰度相关在影像纹理分类中的应用及分析 . 武汉大学学报 ● 信息科学版, 1995, 20(4): 301-304.

点击查看大图

计量

文章访问数: 1146
HTML全文浏览量: 29
PDF下载量: 509
被引次数: 0

多维特征自适应MeanShift遥感图像分割方法

¹中南大学有色金属成矿预测教育部重点实验室,长沙市麓山南路932号410083;²中南大学地球科学与信息物理学院,长沙市麓山南路932号410083

作者简介:
周家香，讲师，现从事遥感影像信息分析等研究。

收稿日期: 2012-01-25
刊出日期: 2012-04-05

中图分类号: P237.4

关键词:

带宽 /

摘要: 针对MeanShift算法分割遥感图像的自动化程度和精度不高的问题,提出一种多特征自适应Mean-Shift遥感图像分割方法。3组实验结果表明,本方法相比EDISON软件能得到更好的分割效果,且能在一定程度上提高遥感影像分割的自动化。

English Abstract

An Adaptive MeanShift Segmentation Method of Remote Sensing Images Based on Multi-Dimension Features

¹ Key Laboratory of Metallogenic Prediction of Nonferrous Metals,Ministry of Education, Central South University,932 South Lushan Road,Changsha 410083,China;² School of Geosciences and Info-Physics,Central South University,932 South Lushan Road,Changsha 410083,China

Received Date: 2012-01-25
Publish Date: 2012-04-05

Keywords:

Abstract: Due to low segmentation efficiency and low accuracy of Mean-Shift algorithm,this paper puts forward to an adaptive Mean-Shift segmentation method of remote sensing images.Firstly,location features,multi-band spectrum principal components and texture features are extracted to form multi-dimension feature spaces.Then,based on classical Mean Shift clustering algorithm,initial clustering images are got by using less fixed space bandwidths and global optimal spectrum bandwidths that are estimated by plug-in rules.Mean space distance,mean spectrum distance and texture distance are calculated for each region in the initial clustering images,and used for space bandwidths,spectrum bandwidths and texture bandwidths of sequential clustering.Further,multi-dimension feature Mean-Shift Clustering was implemented by using calculated bandwidths.Lastly,the clustered regions are combined to get segmentation images.Three experiment results of remote sensing images show that the proposed method in this paper are better than EDISON software,and to some extent improve the efficiency of segmentation of remote sensing images.

周家香, 朱建军, 梅小明, 马慧云. 多维特征自适应MeanShift遥感图像分割方法[J]. 武汉大学学报 ● 信息科学版, 2012, 37(4): 419-422.

引用本文:

周家香, 朱建军, 梅小明, 马慧云. 多维特征自适应MeanShift遥感图像分割方法[J]. 武汉大学学报 ● 信息科学版, 2012, 37(4): 419-422.

Citation:

全文HTML

下载: 全尺寸图片幻灯片

返回文章

用微信扫码二维码

分享至好友和朋友圈

我要投稿

投稿攻略

联系我们

二维码

留言板

多维特征自适应MeanShift遥感图像分割方法

作者简介: 周家香，讲师，现从事遥感影像信息分析等研究。

An Adaptive MeanShift Segmentation Method of Remote Sensing Images Based on Multi-Dimension Features

计量

出版历程

多维特征自适应MeanShift遥感图像分割方法

1中南大学有色金属成矿预测教育部重点实验室,长沙市麓山南路932号410083;2中南大学地球科学与信息物理学院,长沙市麓山南路932号410083

作者简介: 周家香，讲师，现从事遥感影像信息分析等研究。

English Abstract

An Adaptive MeanShift Segmentation Method of Remote Sensing Images Based on Multi-Dimension Features

1 Key Laboratory of Metallogenic Prediction of Nonferrous Metals,Ministry of Education, Central South University,932 South Lushan Road,Changsha 410083,China;2 School of Geosciences and Info-Physics,Central South University,932 South Lushan Road,Changsha 410083,China

全文HTML

目录

作者简介:
周家香，讲师，现从事遥感影像信息分析等研究。

¹中南大学有色金属成矿预测教育部重点实验室,长沙市麓山南路932号410083;²中南大学地球科学与信息物理学院,长沙市麓山南路932号410083

作者简介:
周家香，讲师，现从事遥感影像信息分析等研究。

¹ Key Laboratory of Metallogenic Prediction of Nonferrous Metals,Ministry of Education, Central South University,932 South Lushan Road,Changsha 410083,China;² School of Geosciences and Info-Physics,Central South University,932 South Lushan Road,Changsha 410083,China