利用区域信息融合混合活动轮廓模型的河流遥感图像分割
目的 河流遥感图像是背景复杂的非匀质图像,利用传统的活动轮廓模型进行分割往往不够准确.针对这一问题,提出了基于区域信息融合的混合活动轮廓模型来分割河流遥感图像.方法 该混合模型将Chan-Vese(CV)模型和基于交叉熵的活动轮廓模型的外部能量约束项相结合,并赋予归一化调节比例系数.通过计算轮廓曲线内外区域像素灰度的方差和交叉熵,指导曲线逼近目标边缘.为了加速混合模型的演化,引入曲线内外区域像素灰度的类内绝对差,取代原有的内外区域能量权值,以提高混合模型的分割效率.结果 大量实验结果表明,相较于CV模型、测地线模型、基于交叉熵的活动轮廓模型、CV模型和测地线模型的混合模型以及局部全局灰度拟合能量模型(LGIF),本文混合模型分割河流遥感图像的灵敏度和上述方法都接近于100％,准确率大幅提升,在90％以上,虚警率则下降了约50％,且所需迭代次数和运行时间更少.结论 本文提出的混合模型主要适用于具有一定对比度的河流遥感图像,在分割性能和分割效率两个方面,都有明显的优势.
河流遥感图像、图像分割、区域信息融合、混合活动轮廓模型、类内绝对差、自适应权值
22
TP751.1;TP391.41(遥感技术)
国家自然科学基金项目61573183;港口航道泥沙工程交通行业重点实验室开放基金;长江科学院开放基金项目CKWV2013225/KY;水利部黄河泥沙重点实验室开放基金项目2014006;城市水资源与水环境国家重点实验室开放基金项目LYPK201304;江苏高校优势学科建设工程2012National Natural Science Foundation of China61573183
2017-03-17（万方平台首次上网日期，不代表论文的发表时间）
共13页
212-224
