贵州大学智能信息处理研究所, 贵州 贵阳 550025
针对图像前后景分离的传统算法需要人机交互且分离效果差、效率低和种子点选取难等问题,提出了基于Lab颜色空间纹理特征的图像前后景自动分离算法。对图像进行分块,并将图像转换到由国际照明委员会(CIE)制定的CIE Lab颜色空间;然后提取各图像子块的颜色和纹理特征,选取种子点;最后采用区域生长算法得到分割图像,采用区域合并改善过分割现象。结果表明,所提算法的分离结果较好,处理时间和算法复杂度较传统算法更优。
图像处理 图像前后景分离 区域生长 区域合并 图像子块 激光与光电子学进展
2019, 56(12): 121001
School of Optical and Electronic Information, Huazhong University of Science and Technology, Wuhan 430074, China
Frontiers of Optoelectronics
2016, 9(4): 633–639
1 北京航空航天大学交通科学与工程学院， 北京 100191
2 清华大学土木工程系， 北京 100084
针对高分辨率遥感图像分割过程中区域合并复杂性问题，提出了一种基于边界引导的多尺度遥感图像分割算法.一方面应用SUSAN算子提取高分辨率遥感图像中地物的边界用于限制区域增长过程；另一方面进行两阶段增长，首先应用基于图的分割算法进行基于像素的区域生长，然后进行考虑对象特征信息的区域合并.对宜昌城区某处融合后的QuickBird彩色图像进行了实验，并分别与无边界引导分割以及eCognition平台下图像分割效果进行了对比.结果表明，该方法可以有效抑制传统图像分割算法在低对比度区的区域融合问题，突破了分割尺度参数不能在全图取得合理分割的局限性.
边界引导 遥感图像分割 区域合并 edge-guided remote sensing image segmentation region merging
