图像分割方法及其在遥感图像分析中的应用
摘要:图像分割作为图像处理和计算机视觉领域中的基本技术,会直接影响图像处理的效
果,一直受到广泛的关注。目前,广大研究者在图像分割领域里已提出了上百种分割方法
然而每种分割方法只局限特定的分割对象,至今没有一种通用的方法。本文对近年在图像
分割技术上出现的常用图像分割算法以及它们的优缺点进行了综述,并介绍了其在遥感图
像中的应用,提出了图像分割算法的前景和面临的挑战。
关键词:图像分割;区域生长;活动边缘;聚类分析;遥感图像;应用
一、引言
图像分割是指根据灰度、彩色、空间纹理、几何形状等特征把图像划分成若干个互不
相交的区域,使得这些特征在同一区域内表现出一致性或相似性,而在不同区域间表现出
明显的不同
【
1
】
,是对图像做进一步分析、理解和识别的基础,是数字图像处理领域的关键
技术之一
【
2
】
。遥感图像分割
【
3
】
,是指对遥感图像进行处理和分析,并从中提取感兴趣的相
关目标的过程。近年来,遥感图像数据在高空间、时间、光谱分辨率等方向不断发展,数
据量不断地增大,使得通过人工目译来完成解译工作变得越发不现实。因此,需要借助图
像处理算法来辅助研究人员完成解译工作。相比,遥感图像和一般的图像相比,有着其显
著的特点:灰度级众多、信息量巨大、边界模糊、目标结构复杂等。由此造成没有完全可靠
的模型对遥感图像的分割进行指导,这样在一定程度上就阻碍了分割技术在遥感领域的应
用。由于遥感图像分割效果的好坏直接影响到后续图像的解译工作,因此,采用合适的高
效的算法对遥感图像进行分割具有重要的意义。
多年来,图像分割的研究一直受到人们的高度重视,分割算法也层出不穷,对于图像
分割算法的分类依据也不统一。图像分割方法的选择,在很大程度上依赖于特定的图像、
成像方式等等,在很大程度上影响后继的分割过程。许多学者对图像的分割算法做了大量
的研究工作,通常把经典的图像分割算法分为三大类:基于阈值的方法,基于边缘的方法,
以及基于区域的方法
【
4
】
。其中,基于阈值的分割算法常常是通过在比较图像的灰度值后,
对图像进行分割。然而,该方法在基于多阈值进行分割时效率不高。Peng-Yeng Yin
【
5
】
提