视觉感知与Markov场结合的遥感影像高分辨率分割

"该文章是2015年发表在测绘学报上的一篇自然科学论文，作者包括许妙忠、丛铭、万丽娟等人。文章提出了一种结合视觉感受和Markov随机场模型的高分辨率遥感影像分割方法，通过模拟视觉神经系统的工作机制和利用Markov随机场理论，对遥感影像进行有效分割。实验结果显示，该方法在高分辨率遥感影像分割任务中表现出色。" 在高分辨率遥感影像处理中，图像分割是一项关键的技术，它旨在将影像中的不同区域或对象区分出来。这篇论文提出了一种创新的分割方法，它结合了人类视觉系统的特性和Markov随机场（MRF）模型。视觉系统具有层次结构，能够自下而上地处理信息，并具备学习、特征检测和稀疏编码的能力。论文首先深入分析了这些特性，然后在算法设计中加以体现。 为了模拟视觉感知，论文采用了小波变换来提取图像的多尺度信息，因为小波变换能有效地捕捉图像的局部细节和边缘信息。接着，运用非监督聚类方法，如K-means，对图像数据进行无先验知识的分组，以发现潜在的类别结构。特征分析则进一步增强了对象的识别能力，可能是通过主成分分析(PCA)或独立成分分析(ICA)等方法，从大量特征中挑选出最具代表性的特征。 论文中还利用了Laplace分布来模拟视觉系统中的稀疏编码特性，这有助于去除噪声并增强图像的显著特征。最后，引入Markov随机场模型，它是一种统计建模工具，能描述像素间的空间依赖关系，使得分割过程更符合实际图像的连通性和一致性。 在实际应用中，Markov随机场通常通过最大后验概率(MAP)估计或者图割优化等算法来求解，以找到最可能的区域分割。这种方法在高分辨率遥感影像分割中特别有用，因为这些影像通常包含丰富的细节和复杂的纹理，需要考虑像素之间的空间关联。 实验部分，作者使用了不同卫星的真实遥感影像数据，结果证明了所提方法的有效性，提高了分割的精度和稳定性。这种结合视觉感知和Markov随机场的影像分割技术对于遥感图像的理解和分析，如土地覆盖分类、目标检测和变化检测等领域有着重要的实际意义。 该研究为遥感影像处理提供了一个新颖的、基于生物视觉机制的理论框架，它通过融合视觉感知的特性与统计模型，提升了高分辨率遥感影像的分割效果，为遥感信息的提取和分析开辟了新的路径。