資源描述：
《基于改進(jìn)高斯混合模型的遙感影像道路提取-論文.pdf》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。
1、第23卷第3期測(cè)繪工程VoI．23．NO．32014年3月EngineeringofSurveyingandMappingMar．，2013基于改進(jìn)高斯混合模型的遙感影像道路提取向晶，周紹光，陳超。(1．河海大學(xué)地球與工程學(xué)院測(cè)繪工程系，江蘇南京210098；2．江蘇省基礎(chǔ)地理信息中心，江蘇南京210013)摘要：基于改進(jìn)的高斯混合模型，提出一種從高分辨率遙感圖像提取道路的方法。通過Gabor濾波器計(jì)算影像一維紋理描述值，將其作為分割道路的特征值對(duì)影像進(jìn)行預(yù)處理，再利用基于兩層高斯混合模型的新分類方式對(duì)高分辨率遙感影像進(jìn)行分類，取出道路類。實(shí)驗(yàn)表明，結(jié)果比傳統(tǒng)的一些道路分割方法效果好
2、。關(guān)鍵詞：改進(jìn)的高斯混合模型；道路提??；Gabor濾波器中圖分類號(hào)：P237文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1006—7949(2014)03—0042—04Roadextractionofhigh—resolutionremotesensingimageswithimprovedGaussianmixturemodelXIANGJing，ZHOUShao—guang，CHENChao(1．Dept．ofSurveyingandMappingEngineering，HehaiUniversity，Nanjing210098，China；2．FoundationalGeographyInfor
3、mation(．；enterofJiangsuProvince，Nanjing210013，China)Abstract：BasedontheprincipleofimprovedGaussianmixturemodel，amethodtoextracttheroadfromthehigh—resolutionremotesensingimageisproposed，whichcalculatestheimagevalueofone-dimensionaltexturewithGaborfilter，andatthesametime，treatsitascharacteristicv
4、alueofsegmentingroad，thenpreprocesestheimage．ThenewmethodOfclassificationbasedonthetwolayersofGaussianmixturemodelisusedtosegmentthehigh—resolutionremotesensingimage．Experimentsshowtheresultsoftheproposedmethodarebetterthansometraditionalsegmentways．Keywords：improvedGaussianmixturemodel；roadext
5、raction；GaborFilter當(dāng)今遙感影像獲取手段快速發(fā)展，影像分辨率復(fù)雜，分辨率越來越高，單高斯模型已經(jīng)不能滿足越來越高u]。從高分辨率遙感影像中提取道路來更需求。本文將高分辨率遙感影像上的每類擬合成新GIS數(shù)據(jù)已成為一個(gè)新的研究熱點(diǎn)l2]。在國(guó)內(nèi)一個(gè)高斯混合模型，整幅圖像看成一個(gè)兩層的高斯國(guó)外，這方面的研究已有30多年，出現(xiàn)許多理論和混合模型。實(shí)驗(yàn)表明，每個(gè)類別取3個(gè)左右高斯分技術(shù)上的創(chuàng)新。布即可取得良好效果引。本文提出一種基于兩層高斯混合模型的高分1改進(jìn)高斯混合模型辨率遙感影像道路提取的方法。高斯混合模型許多方面取得很大成功，但用于高分辨率遙感影像道1．1高斯混合模型及
6、最大似然估計(jì)路提取的研究卻不多。駱劍承等人l3將遙感圖像中設(shè)z為一幅圖像第i個(gè)像素的觀察值，如灰度、地物在光譜空間設(shè)想為高斯混合模型，有一定的先紋理等，并且(i一1，2，?，N)滿足獨(dú)立同分布的進(jìn)性。特性，該圖像為d維。另設(shè)該圖像含有K個(gè)目標(biāo)傳統(tǒng)的高斯混合模型將各類別的數(shù)據(jù)擬合為類，每個(gè)目標(biāo)類都服從已知概率分布，記為，(／)，單高斯模型
7、4]，而隨著技術(shù)的發(fā)展，遙感圖像越來越該分布由參數(shù)集確定。給出所有類的參數(shù)集，得到每像素由各類合成概率分布式為收稿日期：201303—02基金項(xiàng)目：國(guó)家自然科學(xué)基金資助項(xiàng)目(41271420／D010702)；江蘇省測(cè)繪科研資助項(xiàng)目(JSCHKY2O
8、l201)作者簡(jiǎn)介：向晶(1989一)，女，碩士研究生．第3期向晶，等：基于改進(jìn)高斯混合模型的遙感影像道路提取·43·的模型為有限混合模型。則所有參數(shù)的集合為{丌，根據(jù)貝葉斯公式，未知點(diǎn)517屬于類的后驗(yàn)概?，71"K；一，}；同時(shí)滿足條件丌『≥0，J===1，?，率。為K且e(fl,／x)一P(x／fl,)P(島)／P(x)．(9)K式中：P(fl~)為先驗(yàn)概率，也就是在圖像中類別出現(xiàn)∑一1．(2)的概率；P(x／fl1)為似然概率，為在類別島中出現(xiàn)像若
