Please wait a minute...
img

官方微信

遥感技术与应用
数据与图像处理     
一种改进的隐马尔可夫随机场遥感影像分割算法
杨军1,裴剑杰2
(1.兰州交通大学 电子与信息工程学院,甘肃 兰州 730070;
2.兰州交通大学 测绘与地理信息学院/甘肃省地理国情监测工程实验室,甘肃 兰州 730070)
Improved HMRF for Remote Sensing Image Segmentation
Yang Jun1,Pei Jianjie2
(1.School of Electronic and Information Engineering,Lanzhou Jiaotong University,Lanzhou 730070,China;2.Faculty of Geomatics,Lanzhou Jiaotong University &Gansu Provincial Engineering Laboratory for National Geographic State Monitoring,Lanzhou 730070,China )
 全文: PDF 
摘要:
针对传统的马尔科夫随机场影像分割算法对影像噪声和像素异常值敏感,容易产生分割结果不准确以及边缘不平滑等问题,提出了一种基于有限高斯混合模型的隐马尔科夫随机场影像分割算法。首先,以期望最大化算法代替传统的K-means方法获得影像初始分割结果,并用双边滤波器对初始分割结果进行滤波处理。其次,使用有限高斯混合模型和Potts模型分别对影像特征场和标记场建模,并用期望最大化算法进行参数估计,从而获得特征场能量和标记场能量。最后,利用迭代条件模式算法进行能量函数最小化优化,获得最优分割结果。结果表明:相比于经典MRF方法和传统HMRF方法,该算法获得的分割结果更精确,并且概率兰德指数和全局一致性误差指标都优于这两种算法。
 
 
关键词: 贝叶斯定理隐马尔科夫随机场有限高斯混合模型双边滤波器期望最大化    
Abstract: The traditional Markov random field algorithm used for image segmentation is often associated with some known problems,such as unsmooth edges of the segmented regions due toimage noise and abnormal pixels values,thus,subsequently inaccuracy segmentation results.On account of this phenomenon,an algorithm that follows the hidden Markov random field which is based on finite Gaussian mixture model is put forward.First,the initial segmentation results are obtained by replacing traditional K-means method with the Expectation Maximization (EM) algorithm,and they are smoothedby using the bilateral filter.Next,the finite Gaussian mixture model and the Potts modelare used to model the feature field and the mark field,and the EM algorithm is used for its parameter estimationto obtain the feature field energy and the mark field energy.Finally,the energy function is minimized by using the Iterative Condition Model (ICM) algorithm in order to achievean optimal segmentation result.Experimental results show that our approach achieved a more efficient result by comparingto the classical MRF method and the traditional HMRF method,and the probabilistic rand index and global consistency error indicators are better than that of existing
Key words: Bayesian theorem    Hidden Markov random field    Gaussian mixture model    Bilateral Filter    Expectation maximization
收稿日期: 2017-12-02
ZTFLH:  TP237  
基金资助: 国家自然科学基金项目(61462059),人社部留学人员科技活动择优资助(重点类)项目(2013277)。
作者简介: 杨军(1973-),男,宁夏吴忠人,博士,教授,博士生导师,主要从事地理空间信息分析与处理、计算机图形学、数字图像处理等方面的研究。Email:yangj@mail.lzjtu.cn。
服务  
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章  
杨军
裴剑杰

引用本文:

杨军, 裴剑杰. 一种改进的隐马尔可夫随机场遥感影像分割算法[J]. 遥感技术与应用, 10.11873/j.issn.1004-0323.2018.5.0857.

Yang Jun, Pei Jianjie. Improved HMRF for Remote Sensing Image Segmentation. Remote Sensing Technology and Application, 10.11873/j.issn.1004-0323.2018.5.0857.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2018.5.0857        http://www.rsta.ac.cn/CN/Y2018/V33/I5/857

[1] 刘洁, 李静, 柳钦火, 何彬彬, 于文涛. 全球典型植被叶片光谱特征及其对LAI反演的影响分析[J]. 遥感技术与应用, 2019, 34(1): 155-165.
[2] 李丹, 杨斌, 陈财. 基于Sentinel-1A数据反演九寨沟地震地表形变场[J]. 遥感技术与应用, 2018, 33(6): 1141-1148.
[3] 高书鹏, 史正涛, 刘晓龙, 柏延臣. 基于高时空分辨率可见光遥感数据的热带山地橡胶林识别[J]. 遥感技术与应用, 2018, 33(6): 1122-1131.
[4] 王卷乐, 程凯, 边玲玲, 韩雪华, 王明明. 面向SDGs和美丽中国评价的地球大数据集成框架与关键技术[J]. 遥感技术与应用, 2018, 33(5): 775-783.
[5] 李姣姣, 刘玉, 陈锟山. 基于香农熵的极化SAR相干矩阵信息量评价[J]. 遥感技术与应用, 2018, 33(5): 842-849.