胡 琳, 李 岩
(华南师范大学 计算机学院, 广州 510631)
基于显著图的遥感图像多分辨区域生长分割算法
胡 琳, 李 岩
(华南师范大学 计算机学院, 广州 510631)
针对传统区域生长算法对噪声敏感和初始种子过度依赖的问题, 本文提出一种基于显著图的遥感图像多分辨区域生长分割方法. 该方法利用亮度、颜色、方向三个特征金字塔生成显著图, 通过视觉选择注意模型自动选择注意区域作为种子区域. 从能分辨种子区域的最大尺度开始区域生长, 直到0尺度, 从而分割出对遥感图像中感兴趣的区域. 实验结果表明该方法能有效地从遥感图像中分割出视觉注意的区域, 且有较快的速度.
图像分割; 区域生长; 视觉选择注意模型; 高斯金字塔
人类视觉系统对复杂场景的识别的过程是一个多特征融合的过程, 综合亮度、颜色、纹理、形状等多个方面分析选择容易引起注意的区域, 即注意焦点(FOA, Focus Of Attention). Koch和Ullman1985年提出的视觉选择注意模型模拟人类主动视觉选择机制, 提出显著图(Saliency Map)的概念以及赢者全取和返回抑制的注意转移机制. 其后, Itti与Koch模拟人类视觉注意阶段的神经学研究成果, 根据视觉“自底向上”注意机制建立定量计算模型(Itti模型)获得图像的注意焦点[6], 将人类视觉认知理论的研究成果运用于遥感图像处理. 国内外学者开展的研究多集中于目标提取及变化检测.
本文针对区域生长算法对噪声敏感和初始种子过度依赖的问题, 提出一种通过Itti模型获取……