基于区域活动轮廓模型的高光谱图像分割方法.pdfVIP

遥感技术与应用 Vol.23 No.3 第 23 卷第3 期 Jun.2008 2008 年 6 月 REMOTE SENSING TECHNOLOGY AND APPLICATION 基于区域活动轮廓模型的高光谱图像分割方法 张文杰，张钧萍，张哗 (哈尔滨工业大学信息工程系，黑龙江哈尔滨 150001) 摘要:针对高光谱图像特点，提出了一种基于区域活动轮廓模型的高光谱图像分割方法。综合考虑 高光谱图像的空间信息和光谱信息，对 Chan-Vese 方法中的能量函数加以改进，利用空间全局信 息和同质区域的灰皮一致性，约未能量函数空间项-利用目标光谱信息相似性，约束能量函数光谱 项，最后通过能量函数最小化实现图像分割。该方法能够有效提取高光谱图像中的模糊轮廓，从而 降低混合像元和目标周围阴影对分割造成的影响。利用两幅 AVIRIS 图像进行仿真实验，实验结 果表明，提出的方法能够获得令人满意的分割效果，并且对复杂场景具有一定适应性。 关 键 词:高光谱图像r 图像分割;活动轮廓模型;光谱相似性度量 中固分类号:TP 751 文献标志码:A 文章编号:1004-0323(2008)03-0351-05 应用速度函数约束曲线演化时仅利用了局部边缘 1 引言 信息，对于实际的高光谱图像，空间分辨率通常较 高光谱遥感是目前受到广泛关注的一门遥感技 低，这就造成目标边缘模糊且包含混合像元，异种 术[口。与常规遥感相比，高光谱遥感具有丰富的光 地物之间没有明显的分界，应用上述方法分割效果 谱信息以及图谱合一的特性，能以更高的可信度识 并不理想。 别不同的地物目标。对高光谱图像的准确分割是一 基于 Mumford-Shah 区域最优划分的几何活动 项基本技术，不但可以为后继的目标定位、识别和检 轮廓(Geometric Active Contour) 模型川是一种依 测提供依据，而且对高光谱数据的压缩、分类等算法 赖图像全局信息的分割方法，能够提取图像中梯度 研究具有辅助作用[210 由于高光谱图像的特殊性， 变化不很明显的轮廓，即使图像边缘模糊也能获得 其分割方法不同于常规方法，在充分利用空间信息 较好的分割效果。此外，水平集思想的引人使其保 和光谱信息的同时，需要考虑混合像元和较高的数 留了水平集的优势，可以自动处理曲线演化过程中 据维数对分割精度造成的影响。 的拓扑变化，并具有稳定的数值解。因此，该模型在 针对高光谱特点，一些成熟的分割算法被加以 医学图像分割和运动目标跟踪等领域得到了广泛 改进，应用于高光谱图像，如支持向量机和马尔可 的应用。 夫随机场[3J 。水平集(Level Set) 方法作为处理图