面向对象高分辨率遥感图像分割算法研究与ELU系统应用

面向对象的高分辨率遥感图像分割方法研究着重于解决遥感图像处理中的关键问题，尤其是在高分辨率遥感图像的应用日益广泛的背景下。高分辨率遥感图像具有丰富的细节和明显的地物几何结构，这使得传统的图像处理方法不再适用，需要更精细、精确的处理策略。文章的核心内容是提出了一种综合使用光谱、形状和纹理特征的图像分割算法。 该算法首先通过有序抖动模型对图像进行预处理，生成一个强调纹理信息的独特图像，通过对纹理特征的分析来确定生长点。接着，算法将光谱信息和形状信息结合起来，通过构建区域关联图(RAG)和最近邻图(NNG)来定义并执行区域合并，这种方法增强了算法的抗噪性能和分割精度。 文章进一步引入了多尺度分割的思想，通过建立网状层次结构，捕捉不同尺度下的局部逻辑关系，以实现更高的分割精度。多尺度分割是一种迭代优化过程，能够最大化地保留图像信息。作者依据上海交通大学遥感科学实验室的项目——“基于影像内容的自动搜索和特定目标的变化检测与更新技术研究”，将多尺度分割应用到面向对象的遥感处理系统ELU中，专门设计并实现了多尺度分割模块。 实验结果显示，本文提出的多尺度分割方法在处理高分辨率遥感图像时表现出良好的效果，其分割结果符合人类视觉习惯，满足了面向对象遥感处理系统ELU对于分类精度的严格要求。因此，这种方法不仅提升了遥感图像的分析和识别能力，也为遥感图像处理领域的实际应用提供了有价值的解决方案。 关键词：面向对象、高分辨率遥感图像、光谱、形状、纹理、多尺度分割、地物识别、区域合并、RAG图、NNG图、ELU系统。