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