【正文】 (b)改進算法 (c)算法 (d)改進算法圖 34 大尺度下圖比較 (a)算法 (b)改進算法 (c)算法 (d)改進算法圖 35 小尺度下圖比較3) 不同尺度下的分割結果通過對類圖的合并，圖像在不同尺度下的過分割現(xiàn)象明顯減弱，且由于利用圖對值的計算進行了校正，因此在各尺度下分割效果明顯優(yōu)于傳統(tǒng)方法。 (a)算法 (b)改進算法 (c)算法 (d)改進算法圖 36 大尺度分割效果比較 (a)算法 (b)改進算法 (c)算法 (d)改進算法圖 37 小尺度分割效果比較4) 最終分割結果分割結果表明改進算法有效的消除了局部區(qū)域的過分割現(xiàn)象，區(qū)域邊界更加平滑，并且對細小區(qū)域分割更加細膩。 (a)算法 (b)改進算法 (c)算法 (d)改進算法圖 38分割結果比較 本章小結一般來說，對于同一幅圖像如果考慮的信息越多，則分割就會越精確。因此，為了解決前一章當區(qū)域邊界模糊導致邊界定位不準確和統(tǒng)一區(qū)域過分割現(xiàn)象，本章在分割過程中充分考慮了圖像的顏色同質信息以及圖像紋理信息，提出了改進算法。圖像顏色同質信息其實就是一種顏色紋理信息，通過利用每個像素的同質梯度值與其局部值的相乘可以矯正圖的極值，使極值位置更加精確。但是實驗結果表明雖然此方法可以有效改善分割效果，但是還會出現(xiàn)同一區(qū)域過分割現(xiàn)象。為此本文提出了利用整幅圖像的紋理信息來合并類圖，來達到消除過分割現(xiàn)象。目前圖像紋理信息的描述方法有很多，本章采用了算子。算子是一種有效的紋理空間和強度描述方法，通過局部窗口中的二進制模型描述了整幅圖像的紋理信息。 實驗結果表明，利用本文提出的改進算法，可以較為明顯的提高高分辨率遙感圖像的分割效果。62西北工業(yè)大學碩士學位論文 第四章 圖像分割評價第四章 圖像分割評價 圖像分割評價方法對圖像分割的研究分三個層次。對圖像的分割處在圖像分割研究的第一個層次；對圖像分割的評價則構成圖像分割研究的第二個層次，它幫助把握不同分割算法的性能；對評價方法和評價準則的系統(tǒng)比較和刻畫則構成圖像分割研究的第三個層次，它幫助把握不同評價方法的性能[5]。目前對圖像分割的研究已有上千種算法，但由于尚無通用的分割理論，現(xiàn)已提出的分割算法都大都是針對具體問題的，并沒有一種適合于所有圖像的通用的分割算法[42]。給定的實際圖像分割問題選擇合適的分割算法也沒有標準的方法。由于缺少通用的理論指導，使得圖像分割仍舊成為研究的熱點和難點。為了克服圖像分割中的問題，需要研究如何評價(評估)圖像分割算法。分割評價也是改進和提高現(xiàn)有算法性能、優(yōu)化分割、改善分割質量和指導新算法研究的重要手段。人們在評價圖像分割技術和算法方面已經(jīng)提出了若干種方法，大體可分為兩類。一種為直接方法，即分析法，它直接研究分割算法本身的原理特性，通過分析推理得到分割算法性能。另一種為間接方法，即實驗法，它根據(jù)已分割圖像的質量間接地評判分割算法的性能。該方法可以分為如下兩種：1) 優(yōu)度實驗法采用優(yōu)度參數(shù)描述已分割圖的特征，然后根據(jù)優(yōu)度數(shù)值來判定進行分割的算法的性能。由于實驗優(yōu)度法是在沒有正確分割的先驗知識的情況下，僅僅根據(jù)分割圖像計算某種優(yōu)度量值來評價分割算法的好壞。目前常用的優(yōu)度量值有區(qū)域對比度、區(qū)域內部均勻性、形狀測度等。2) 差異實驗法先確定理想的或期望的分割結果參考圖，然后通過比較已分割圖與參考圖之間的差異值來判定分割算法的性能。差異實驗法既要考慮分割算法本身又要考慮分割流程，相對比較復雜。直接法和間接法各自特點和相互間區(qū)別如下圖所示：圖 41 直接法和間接法關系圖由圖 41 直接法和間接法關系圖可見，分割是利用一定的分割算法把輸入初始圖像轉變?yōu)檩敵龇指顖D像的過程。這個過程與分割算法，輸入圖和輸出圖都有關系。同樣要評價分割技術，各種方法的作用點不同。本章總結并討論了圖像分割評價的常用方法，重點分析了實驗法中的各評價標準以及算法的計算費用，利用這些評價準則對本文提出的遙感圖像分割算法和分割結果進行較全面的分割評價。 分割評價準則 分析法準則分析法準則中的定量分析準則包括計算費用準則、檢測概率比以及分辨率準則。1) 計算費用準則計算費用準則主要通過分析完成某一分割算法所需要的費用來評價分割算法。由于每個分割算法都由一系列的運算操作來實現(xiàn)，而不同的操作所需的計算費用，處理復雜性以及算法的效率(以及計算速度)都不同，因此通過分析某一算法所需費用可以作為衡量算法的一個指標。2) 檢測概率比準則檢測概率比準則主要用于利用邊緣算子進行分割的圖像分割算法，它被定義為正確檢測概率和錯誤檢測概率之比。這個比值越大說明檢測邊緣的可靠性就越高。3) 主觀分析該分析準則主要考慮了不同分割算法所得到分割圖像的分辨率。本文所采用的算法和提出的改進算法不是利用邊緣檢測算子進行圖像分割的算法，并且得到的分割圖像以像素作為分辨率。因此，考慮這些因素，本文僅對兩種算法的計算費用做了定量分析。由于兩種算法均采用編程實現(xiàn)，因此在同等條件下兩種算法分割圖像所需的具體時間可以作為兩種方法計算復雜度，計算效率等指標的衡量標準。 優(yōu)度實驗法準則 區(qū)域間對比度圖像分割最后將一副原始圖像分成若干個區(qū)域，這些區(qū)域的特性之間應有比較大的差距，或者說有明顯的對比。因此，根據(jù)區(qū)域之間特性對比度的大小可以判別分割圖的質量，也可由此推出所用分割算法的優(yōu)劣。對彩色遙感圖像中相鄰接的兩個區(qū)域來說，如果它們各自的平均特征值為和，則它們之間的對比度可按下式計算： 式中，區(qū)域的平均特征值可以由下式計算，其中為區(qū)域中像素個數(shù)。 在文獻[42]中提出若分割區(qū)域較多，則將各相鄰區(qū)域的對比度求和得到總的區(qū)域間對比度。但是，由于分割算法不同分割區(qū)域數(shù)量也不同。因此，若算法的分割區(qū)域數(shù)較多，則導致總區(qū)域間對比度過大，無法清晰表述分割性能的好壞。針對此問題，本文提出將總區(qū)域間對比度歸一化。 式中，為相鄰區(qū)域的個數(shù)，為第個相鄰區(qū)域的區(qū)域間對比度。在得到總區(qū)域間對比度后，將其歸一化： 式中，為各相鄰區(qū)域的最大區(qū)域間對比度。通過對總區(qū)域間對比度的歸一化，可以更加清晰的表述分割效果的好壞，其數(shù)值越大則表明分割效果就越好。 區(qū)域內部均勻性除了上面所提到的區(qū)域間對比度準則可以衡量分割結果的好換，同樣區(qū)域內部的均勻性也可以衡量圖像分割的好壞。因為分割常被定義為要把一副原始圖像分成若干個內部具有相似特性的區(qū)域。以表示分割圖中的第個區(qū)域，表示其面積，為區(qū)域中每個像素的特征值，則分割圖的區(qū)域內部均勻性測度UM(uniformity measure)可表示為： 式中，為歸一化系數(shù)，特征值可由式計算。 形狀測度一個好的分割結果應滿足某些主觀條件或視覺要求。一般希望物體輪廓線比較平滑，形狀測度是提出來衡量目標外輪廓的光滑程度的。梯度和邊界是密切相關的，所以先定義一個梯度算子: 式中，顯然，在邊界像素點上，將取較大的值，對圖像以為閾值進行分割所得形狀測度可用下式計算： 式中，表示像素的鄰域中的平均灰度，表示像素處的梯度，是一個歸一化系數(shù)，代表單位階躍函數(shù)，是預先確定的閾值。 J值/J均值測度回顧第二章可知，值和均值()也可以衡量圖像分割質量的好壞。算法中值和的計算是在類圖上計算的，這里我們可以將該算法在分割后的圖像上計算。假設是分割后圖像中個像素點的集合，每個數(shù)據(jù)點的值為其所在位置的一維向量，用表示。設，則均值可由下式計算： 若將分成了個區(qū)域，為第區(qū)域中個數(shù)據(jù)點的均值，則有： 令 則分割后圖像的J值由下式定義： 容易看出，值越大，說明區(qū)域與區(qū)域之間分離地越開，區(qū)域內成員之間越緊密。因此推而廣之，我們可認為當圖像均由各同性質的區(qū)域組成則分割質量越好，從而值較大；反之，當顏色均衡的分布于整個圖像時，值會變小。然而若分割后的圖像的值介于類圖1和類圖2這兩種情況之間，則判定分割的好壞顯的不夠直觀。因此，如果對于每一個分割的區(qū)域重新計算值后求和并平均就可以得到均值，定義為： 式中，是區(qū)域的值，是區(qū)域的像素點數(shù)，是類圖中所有像素點數(shù)的總和。這樣，值就可以看作是僅有一個分割區(qū)域的的特殊情況。因此，利用作為評價標準與值相比就更加直觀。 實驗結果及分析本文采用的第一幅圖是美國 Geoeye1 衛(wèi)星2010年8月29日拍攝的北京某地衛(wèi)星遙感圖像，圖像大小為。采用的第二幅圖是 Europa Technologies 公司的美國華盛頓某地衛(wèi)星遙感圖像數(shù)據(jù)，該圖像由2010年8月29日拍攝，圖像大小為。為了更好的說明分割評價標準對分割效果好壞評價的客觀性，本文不但對算法與提出的改進算法進行了評價，而且采用meanshift算法和分水嶺算法對兩幅高分辨率遙感圖像進行了分割，并利用優(yōu)度法中的三個準則對兩個算法進行了評價，分割效果圖以及具體數(shù)據(jù)如下。 圖 42 算法分割效果 圖 43 分水嶺算法分割效果華盛頓某地分割算法改進分水嶺分割時間(s)////表 41 華盛頓某地圖像分割評價北京某地分割算法改進分水嶺分割時間(s)////表 42 北京某地圖像分割評價從實驗結果來看，優(yōu)度法和值測度可以較為有效的對圖像分割效果進行客觀評價。通過評價數(shù)據(jù)可以得到如下結論：首先，與改進兩種算法的計算費用和邊界光滑度基本相同，但改進算法無論從區(qū)域對比度，區(qū)域內部均勻性以及值、均值標準都優(yōu)于傳統(tǒng)算法，從客觀角度說明改進算法得到了較好的分割效果。另外，對于傳統(tǒng)的均值漂移和分水嶺算法，從分割效果圖中可以看出meanshift算法分割結果更加詳細，這一點也從評價數(shù)據(jù)中得到了相應的反映。例如，雖然分水嶺算法對兩幅圖分割的區(qū)域間對比度都優(yōu)于meanshift算法，但是區(qū)域內部均勻性指標均差于meanshift算法。最后，通過區(qū)域間對比度，區(qū)域內部均勻性以及形狀測度三個指標可以看出，本文提出的改進算法的分割效果與傳統(tǒng)方法相當，一些指標甚至優(yōu)于傳統(tǒng)方法，是一種有效的高分辨率遙感圖像分割算法。 本章小結本章首先對圖像分割的傳統(tǒng)評價標準做了分析和總結，并對區(qū)域對比度準則進行了改進。歸一化的處理使得該標準較為統(tǒng)一和清晰地對圖像分割效果進行評價。另外，針對與改進兩種算法，給出了基于圖像類圖和分割結果的值和評價標準。實驗結果表明：1) 評價標準可以客觀反應圖像分割效果的優(yōu)劣；2) 本文提出的改進算法優(yōu)于傳統(tǒng)算法；3) 改進兩種算法與傳統(tǒng)分割方法相比，也具有較好的分割效果，且某些指標優(yōu)于傳統(tǒng)方法，是一種有效的高分辨率遙感圖像分割算法。西北工業(yè)大學碩士學位論文 第五章 總結和展望第五章 總結和展望 工作總結本文從JSEG算法入手，根據(jù)JSEG算法自身的特點，將其應用到彩色遙感圖像分割中。針對算法本身存在的缺陷以及進行圖像分割時遇到的問題，并根據(jù)遙感圖像的特性，結合遙感圖像的顏色和紋理特征，對其進行改進，深入研究了基于改進JSEG算法的高分辨率遙感圖像分割算法，從而獲得更好的圖像分割結果。論文主要研究內容如下：1) 算法研究首先利用同等組濾波技術對彩色高分辨率遙感圖像進行濾波并對原圖像進行量化得到類圖。然后在類圖上計算得到原圖像的圖，并在此基礎上利用區(qū)域生長法對圖像進行空間分割。最后利用距離最小原則進行合并，完成高分辨率遙感圖像的分割。2) 基于改進算法研究針對傳統(tǒng)的算法存在的問題，通過利用同質矩陣和原圖像的LBP圖對傳統(tǒng)算法進行改進。首先，利用提取出高分辨率遙感圖像的紋理信息LBP圖對顏色類圖進行合并。然后，利用局部同質矩陣校正值。該方法較好解決了邊界位置不準確以及過分割現(xiàn)象。3) 圖像分割評價方法研究總結了圖像分割評價的方法，如分析法、優(yōu)度實驗法等。本文選取其中的評價測度對以及改進算法分割實驗結果進行比較。為了更好的說明分割評價標準對分割效果好壞評價的客觀性，本文不但對與改進算法進行了評價，而且采用meanshift算法和分水嶺算法對兩幅高分辨率遙感圖像進行了分割，并利用優(yōu)度法中的三個準則對兩個算法進行了評價，客觀地分析和評估了算法的性能。4)實驗結論及分析本文利用MATLAB ，并對實驗結果進行了分析討論。本文創(chuàng)新工作主要有以下幾個方面：1) 利用算法實現(xiàn)對高分辨率遙感圖像的分割；2) 利用顏色同質信息校正局部值，有效提高了圖像分割效果；3) 利用算子描述的圖像紋理信息合并類圖，較好地消除了過分割現(xiàn)象。 工作展望雖然論文對改進JSEG算法在高分辨率遙感圖像方面的應用進行了較為深入的研究，提出了新的改進方法，并得出一些令人較為滿意的實驗結果，但由于遙感圖像分割的復雜性和不同遙感圖像所反映信息的復雜性，本文提出的算法在自適應方面會有一定的局限性。作者認為在以下幾個方面還有待于更深入的研究和進一步的完善：1) 目前圖像分割的方法尚不具有通用性，如何有效地提高算法的通用性是一個重要研究方向； 2) 紋理特征是一種非常重要的遙感圖像特征，如