高分辨率遥感影像多尺度均值漂移分割算法优化研究
需积分: 9 73 浏览量
更新于2024-08-11
收藏 307KB PDF 举报
"高分辨率遥感影像多尺度均值漂移分割算法研究 (2010年)"
这篇论文探讨了在高分辨率遥感影像信息提取中,如何利用均值漂移分割算法实现对象化的影像分割。均值漂移算法是一种基于概率密度函数的无参数分割方法,它能够自动寻找数据分布的模式和结构。在遥感影像处理中,这种算法能够有效地处理复杂的地物边界和多尺度信息。
论文首先介绍了均值漂移算法的基本原理。在该算法中,核函数(如高斯核)被用来估计样本集的概率密度函数。通过迭代过程,样本点会向其局部概率密度函数最大值的方向移动,直至达到稳定状态,即均值不再变化,从而形成不同的区域,也就是分割出的不同对象。这个过程无需预先设定阈值,具有自适应性强的优点。
接着,论文着重讨论了多尺度分割的应用。在高分辨率遥感影像中,多尺度分割是必要的,因为它允许在不同层次上解析地物,从而更好地捕获影像中的细节和结构。传统的区域生长和合并方法虽然也能处理尺度问题,但计算复杂度较高。因此,作者对均值漂移算法进行了改进,使其能适应多尺度分割的需求。
通过对比实验,改进的均值漂移算法在计算速度上略快于eCognition软件中的多分辨率分割算法,并且在分割效果上表现出更优的性能。这表明改进后的算法不仅提高了效率,还提升了分割的准确性,对于高分辨率遥感影像的分析和应用具有显著的价值。
论文的关键词包括均值漂移、影像分割、信息提取和特征基元。这些关键词揭示了研究的核心内容,即利用均值漂移技术进行影像分割,以支持高分辨率遥感影像的信息提取,特别是通过特征基元来描述和理解地物。
这项研究对高分辨率遥感影像处理领域具有重要意义,其提出的多尺度均值漂移分割算法为影像分析提供了新的工具,有助于提高地物识别和分类的精确度。
135 浏览量
245 浏览量
1458 浏览量
2021-05-20 上传
158 浏览量
2021-05-13 上传
2022-06-03 上传
760 浏览量
145 浏览量

weixin_38536349
- 粉丝: 5
最新资源
- 彻底清除Office2003 安装残留问题
- Swift动画分类:深度利用CALayer实现
- Swift动画粒子系统:打造动态彗星效果
- 内存SPDTool:性能超频与配置新境界
- 使用JavaScript通过IP自动定位城市信息方法
- MPU6050官方英文资料包:产品规格与开发指南
- 全方位技术项目源码资源包下载与学习指南
- 全新蓝色卫浴网站管理系统模板介绍
- 使用Python进行Tkinter可视化开发的简易指南
- Go语言绑定Qt工具goqtuic的安装与使用指南
- 基于意见目标与词的情感分析研究与实践
- 如何制作精美的HTML网页模板
- Ruby开发中Better Errors提高Rack应用错误页面体验
- FusionMaps for Flex:多种开发环境下的应用指南
- reverse-theme:Emacs的逆向颜色主题介绍与安装
- Ant 1.2.6版本压缩包的下载指南