获得高分辨率遥感图像上的目标对象:去除冗余数据、提高图像处理分析速度、排除无关干扰
![881fd839cd6e0098533262d1bd61baea.png](https://i-blog.csdnimg.cn/blog_migrate/3d4c58fab7d39e692763f955fd247280.jpeg)
阈值分割
根据图像全部信息或局部信息进行阈值选取阈值,判断图像像元是属于目标区域还是背景区域,实现图像分割,生成二值图像
![785aa9e3995b3000fd50fc81d6a3f0af.png](https://i-blog.csdnimg.cn/blog_migrate/189d9620524d9777b6b6cbc78bc752d1.jpeg)
- 阈值分割方法:均匀性度量法
在最优阈值处,目标和背景对应的灰度像元分布应该最均匀,
![58fac9f6f971812842d264c9d30102d0.png](https://i-blog.csdnimg.cn/blog_migrate/94fa5c83ae47d81f32483914c34093f8.png)
p1和p2分别表示目标和背景像元的分布概率,σ1和σ2分别表示目标和背景灰度像元的标准差
![3fe2baaf52e2ca07f591c93701ffb728.png](https://i-blog.csdnimg.cn/blog_migrate/3152c6e2be5ed0551c21dcd6eb192cfa.png)
- 阈值分割方法:最大类间距离法
最优阈值下,图像分割后的前景与背景间的差异应该最大,
![8e7260071b6bf296aa359a9edd0a178d.png](https://i-blog.csdnimg.cn/blog_migrate/ce270204df3a229c527371f7dee8639c.png)
T表示阈值,μ1和μ2分别表示阈值为T时目标和背景对应灰度像元的均值
![1741cfa9041b150ff2d2ec373e401db9.png](https://i-blog.csdnimg.cn/blog_migrate/5971ec90d765ac2d4876f3f6d1f82ff2.png)
- 阈值分割方法:最大类间方差法
图像分割的目标和背景之间的方差越大,意味着错分概率最小
![3a7fea280d2e7072ca84936d3277d355.png](https://i-blog.csdnimg.cn/blog_migrate/de3648a17aa24c7bad7a4d09fd11b87f.png)
p1和p2为目标和背景像元的分布概率,μ1和μ2为灰度均值,μ为整幅图像的灰度均值
![62e50943e993f4811b39b2dfc45dd4f5.png](https://i-blog.csdnimg.cn/blog_migrate/cba3318fb5505ea08ba9ff2576f81e4a.png)
- 阈值分割方法:最大熵法
达到最佳阈值从图像中获得信息量最大,信息论中采用熵来度量数据中所包含信息量的大小
![b8b90172d255afa2ef69e4e31583359e.png](https://i-blog.csdnimg.cn/blog_migrate/ecc591dc80959b6361083a655d29b240.png)
p表示某事件发生的概率
![accf1af511b2e19a3a8fdf645f41ff6b.png](https://i-blog.csdnimg.cn/blog_migrate/6605bd7df4528b8faeecb17821bffaf7.png)
T为阈值,vmin和vmax分别表示图像灰度最小值和最大值,pi表示值为i的像元分布概率,pT表示图像从灰度最小值vmin到阈值T时的累积分布概率
![26de94984eeafb7ad5b19f8ac3d8e0c8.png](https://i-blog.csdnimg.cn/blog_migrate/80beddedf85f9a0a0df7948695860a4b.png)
- 局部自适应阈值分割法
光照不均匀时,对不同的子区域采用不同的阈值对其进行分割
![fd7efc4ad80c7f64aa8a33bc90b8980f.png](https://i-blog.csdnimg.cn/blog_migrate/0da0bddbc285eaffc81641b53042e392.jpeg)
边界分割
- 图像边缘:物体的轮廓或物体不同表面之间的交界,是图像局部特性不连续或突变的结果
- 边界:具有相同灰度值的最大连通域的外廓线,孤立且闭合,由边缘连接而成
- 边界分割:利用不同区域间像元灰度不连续的特点检测出区域间的边缘,将相互不连通的边缘连接起来构成封闭的区域
边缘检测:基于微分算子的边缘检测
将微分算子作用于原图像,计算各像元的梯度值,由于边缘的梯度值较高,通过对梯度图像的灰度值进行统计,选择合适的阈值对梯度图像进行分割得到边缘
![400bcef06d8f9bb3335de54a369b09de.png](https://i-blog.csdnimg.cn/blog_migrate/2cdff812317b9cf4475fcdb56fa26bfe.jpeg)
边缘检测:综合边缘检测-LoG算子
LoG(LaplacianofGaussian)算子:采用高斯低通滤波器对图像进行平滑处理,然后进行拉普拉斯运算使图像边缘得到增强
![7e9b437841fe3f6f0bf1ac90460f1aa6.png](https://i-blog.csdnimg.cn/blog_migrate/fa3fad27fabe2f9c309b8f6f8bc65e37.jpeg)
![58c38c2f2b3c041c668fcba190180396.png](https://i-blog.csdnimg.cn/blog_migrate/c02187839e0e97d72d90bd9d73316ef0.jpeg)
边缘检测:综合边缘检测-Canny算子
Canny算子
- 检测性能好:不漏检真实边缘,不将非边缘点误检为边缘点,使输出的信噪比最大
- 定位性能好:检测到的边缘点与实际边缘点位置最近
- 唯一性:对于单个边缘点仅有一个响应
1.用二维高斯函数的一阶导数对图像进行平滑消除噪声点
![d34a0ab5ad8c40da3c7b4c52f385a1c7.png](https://i-blog.csdnimg.cn/blog_migrate/653d8fe80c85c89fb8f57323b6bcaa70.png)
2.用一阶偏导的有限差分来计算梯度的幅值和方向
![79daecacba9cf49d6b634707b0f96045.png](https://i-blog.csdnimg.cn/blog_migrate/df0fe1ff5d4f8a22c0cb00f5b3e3b7cf.jpeg)
3.对梯度幅值进行非极大值抑制,细化边缘,根据像元梯度确定边缘垂直方向上两个邻接的像元,小于其中任何一个邻接像元值则为0,抑制非极大值
![f270507c4e0ecbf0df14331cc6e0b800.png](https://i-blog.csdnimg.cn/blog_migrate/236ce90bc2d2fafa9eb290c80b2020fd.png)
4.用双阈值算法检测和连接边缘,Canny算子使用两个高Th低Tl阈值,比率通常为2:1或3:1,根据阈值Th和Tl分割得到两幅边缘图像Ih和Il,在Ih中将边缘连成轮廓,在Il的8邻域位置上寻找可以连接到轮廓上的边缘
![c62dbe066cf8e876970199b2f2212834.png](https://i-blog.csdnimg.cn/blog_migrate/cd7e9bcd8a195c2b27224afdc6674345.jpeg)
边缘检测:基于形态学梯度的边缘检测
![6bc0e839af763fe96985b7910db4b6a3.png](https://i-blog.csdnimg.cn/blog_migrate/20ed1f8153431a74610a4ab9925295a2.jpeg)
边缘连接:哈夫变换
![2a8f4c0703b30cea1088e6f00c040aff.png](https://i-blog.csdnimg.cn/blog_migrate/c2ff10d9bb5e139253201e91f03ab2b1.jpeg)
![149ec0ed64b38921309d3cc2fe4be5e8.png](https://i-blog.csdnimg.cn/blog_migrate/5d5bd97ad509083761ce454ac7701298.png)
在图像空间中检测直线就是在ρ-θ参数空间上寻找通过曲线数最多的点
![78ff9414a669eae7f9bf0037b5fb52c0.png](https://i-blog.csdnimg.cn/blog_migrate/2e9a7dfe82e20b0c802e249f2283c9f3.jpeg)
区域提取分割
- 区域生长分割法
- 区域分裂合并分割法
区域生长法:利用相邻像元之间的相似性将像元扩充到一个区域
- 种子点的选取:先验知识选取或借助生长准则对图像聚类分析,聚类中心的像元作为种子
- 生长准则:生长过程归并邻域像元的相似性准则,基于区域灰度差灰度分布统计性质和形状
- 终止条件:决定区域生长的停止条件或规则,需要从全局进行把关
![daae70279fc644141399dc9fe235e309.png](https://i-blog.csdnimg.cn/blog_migrate/077988c0eaa9047f140a5fb0147a2e8d.jpeg)
用新像元所在区域的平均灰度值去与各邻域像元的灰度值进行比较
区域分裂合并法:将区域不断分裂为若干不相交的子区域,直到每个子区域内部属性都一致
![e9ae6ebbf1516e06da705591fa1bd235.png](https://i-blog.csdnimg.cn/blog_migrate/5f9f83de2341ee3955dcfb82cfe6f0d8.png)
形态学分水岭分割法:能直接得到封闭的边界,但容易产生过度分割
二值图像处理
![be721999c6554a1ec4d69d6b0deb4873.png](https://i-blog.csdnimg.cn/blog_migrate/a86907eed44b4c67f25eb064129bf480.png)
![57cd6ac73bb1cd11e076e442e0375fbd.png](https://i-blog.csdnimg.cn/blog_migrate/98430ff9b414174346c4c314c45dcc6e.png)
对象提取
对象:遥感图像上具有相同特征(光谱、纹理和空间组合关系等)的“同质均一”单元
- 贴标签:对二值图像不同连通域进行编号以区分
![e0f008e1a41360036b093c36cd1bae7e.png](https://i-blog.csdnimg.cn/blog_migrate/654f7b04df182f74da73438ce49236a1.png)
- 边界提取:需要矢量边界描述各目标物的形态特征,递归搜索获得边界坐标首尾连接