基于多方法融合的非监督彩色图像分割

董新宇^1,2,3(),陈瀚阅^1,2,*(),李家国³,孟庆岩³,邢世和^1,2,张黎明^1,2

1. 福建农林大学 资源与环境学院，福建 福州 350002
2. 土壤生态系统健康与调控福建省高等学校重点实验室，福建 福州 350002
3. 中国科学院遥感与数字地球研究所，北京 100101

收稿日期:2018-06-07出版日期:2019-04-20发布日期:2019-04-19
通讯作者:陈瀚阅E-mail:dsammy@126.com;chenhanyue.420@163.com
作者简介:董新宇(1994—)，男，河南商丘人，硕士研究生，主要研究方向为遥感图像处理.E-mail: dsammy@126.com
基金资助:海南自然科学基金创新研究团队资助项目(2017CXTD015);高分辨率对地观测系统重大专项资助项目(30-Y20A07-9003-17/18);国家自然科学基金资助项目(41401399)

An unsupervised color image segmentation method based on fusion of multiple methods

Xinyu DONG^1,2,3(),Hanyue CHEN^1,2,*(),Jiaguo LI³,Qingyan MENG³,Shihe XING^1,2,Liming ZHANG^1,2

1. College of Resources and Environment, Fujian Agriculture and Forestry University, Fuzhou 350002, Fujian, China
2. University Key Lab of Soil Ecosystem Health and Regulation in Fujian, Fuzhou 350002, Fujian, China
3. The Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100101, Beijing, China

Received:2018-06-07Online:2019-04-20Published:2019-04-19
Contact:Hanyue CHEN E-mail:dsammy@126.com;chenhanyue.420@163.com

Supported by:海南自然科学基金创新研究团队资助项目(2017CXTD015);高分辨率对地观测系统重大专项资助项目(30-Y20A07-9003-17/18);国家自然科学基金资助项目(41401399)

摘要/Abstract

摘要： 针对传统K-means聚类彩色图像分割方法需要人为设定初始分割类别数目、易受噪声干扰等缺陷，提出一种多方法融合非监督彩色图像分割算法。该算法对原始图像进行光谱信息增强处理以提高图像信息提取效率，对K-means聚类引入戴维森堡丁指数(Davies-Bouldin index, DBI)自动化确定最佳分割类别数目，通过图像聚类分析并进行像素标签标记，并结合高斯马尔科夫随机场(Gauss-Markov random field, GMRF)理论对标记图像进行分割，最后使用形态学算子进行后处理完成分割操作。试验结果表明。本研究方法具有一定的鲁棒性，且分割效果更接近真实性。通过对分割结果进行量化评价，进一步说明本研究方法在分割精度和准确性方面更具优势。


PDF全文下载地址:

http://gxbwk.njournal.sdu.edu.cn/CN/article/downloadArticleFile.do?attachType=PDF&id=1815