论文部分内容阅读
自从SPOT-5、IKONOS、QuickBird等卫星成功发射并投入商业运行以来，高分辨率卫星遥感信息的实用化开创了遥感应用的新时代，也对高分辨率遥感影像的处理和信息提取提出了新的更高的要求。高分辨率遥感影像与中、低分辨率的影像相比具有更加丰富的结构信息和纹理信息。影像分割是高分辨率遥感信息提取的重要环节，已成为遥感信息科学发展的前沿课题和研究热点。传统的图像分割算法由于不能产生合理和稳定的结果，并且容易丢失重要的结构信息，在高分辨率遥感信息提取中的应用受到了限制。因此，必须探索新的有效的分割方法。数学形态学的诞生与发展为高分辨率遥感影像的分割提供了新的途径。
论文在分析高分辨率遥感影像的特点和数学形态学基础理论的基础上，探讨了数学形态学在高分辨率遥感影像分割应用中的可行性，建立了基于数学形态学的高分辨遥感影像分割方法(简称SHRMM方法)。SHRMM方法包括四步：(1)多尺度多光谱遥感影像的梯度变换以及纹理特征与形态学梯度的融合；(2)为减少梯度图像产生的无关局部最小区域，进行形态学灰值重建；(3)分水岭分割；(4)分割结果评价。
论文对SHRMM方法进行了算法实现和实验验证，结果表明：(1)SHRMM方法对高分辨率遥感影像的分割是有效的，实现了目标对象的准确探测；(2)多尺度多光谱遥感影像的梯度图像与纹理特征相融合，有效地实现了对象的边界增强，提高了分割的准确度；(3)阈值法或聚类结果作标记图像对梯度图像进行形态学重建，有效地减少了局部最小区域，从而改善了影像分割效果；(4)阈值以及结构元素的形状和尺度对影像的分割结果具有重要影响，SHRMM方法对提取具有特定结构特征的对象更加有效。
数学形态学有完备的数学基础，对遥感影像处理具有直观简明性和数学严谨性，能定量描述和分析遥感影像的结构信息。数学形态学遥感影像分割领域的研究方向将集中在数学形态学的快速算法、结构元素的选取、形态学运算通用性的改善等方面。SHRMM方法将针对多层次问题和特定应用领域进一步完善，逐步形成多领域应用的专业性影像分割和信息提取方法。