可变类空间约束高斯混合模型遥感图像分割

摘要：

针对传统高斯混合模型(GMM,Gaussian mixture model)难以自动获取类属数和对噪声敏感问题,提出了一种基于可变类空间约束GMM的遥感图像分割方法.首先在构建的GMM中,将像素类属性建模为马尔可夫随机场(MRF,Markov random field),并在此基础上定义其先验概率;结合邻域像素类属性的后验概率和先验概率,定义噪声平滑因子,以提高算法的抗噪性;在参数求解过程中,分别采用可逆跳变马尔可夫链蒙特卡罗(RJMCMC,reversible jump Markov chain Monte Carlo)方法和最大似然(ML,maximum likelihood)方法估计类属数和模型参数;最后以最小化噪声平滑因子为准则获取最终分割结果.为了验证提出的分割方法,分别对模拟图像和全色遥感图像进行了可变类分割实验.实验结果表明提出方法的可行性和有效性.

关键词：高斯混合模型、空间约束、最大似然估计、可逆跳变马尔可夫链蒙特卡罗、遥感图像分割

所属期刊栏目：38

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目41301479, 41271435;辽宁省自然科学基金资助项目No.2015020090 The National Natural Science Foundation of China41301479, 41271435;The Natural Science Founda-tion of Liaoning Province2015020090

在线出版日期：2017-03-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：34-43