一种多尺度无监督遥感图像分割方法

摘要：

提出了一种多尺度无监督遥感图像分割方法.通过对多尺度图像数据在每个尺度上进行Gauss子集聚类,并将每个像素的邻域内的Gauss子集类别标记作为特征向量,利用Markov四叉树模型进行二次聚类,从而实现无监督图像分割.与其他基于多尺度Markov模型的无监督分割方法和传统动态聚类方法相比,该方法既无需假定每类的分布形式,又能较好地反映数据的概率结构.合成图像与SAR图像的实验结果表明,该方法的分割精度接近于有监督的H-MPM和H-SMAP方法.

关键词：多尺度、四叉树、MPM(maximum posterior marginals)、EM(expectation maximization)算法、无监督分割

分类号：P237.3(摄影测量学与测绘遥感)

在线出版日期：2007-01-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：20-22,54