结合波利亚罐模型和M-H算法的遥感图像分割

李 玉 李 杰 王 玉 赵泉华

(辽宁工程技术大学测绘与地理科学学院遥感科学与应用研究所，辽宁阜新 123000)

1 引言

图像分割是根据图像像素的一些特殊性质(如光谱测度、空间结构特征等)，按照某种规则或算法将图像分成具有一致特性区域的方法和手段[1]，是遥感图像处理中的关键技术，也是对图像后续分析的基础。至今，图像分割已经有多种相关方法[2]，主要包括：阈值分割[3]、区域分割[4]、聚类分割[5]和统计模型分割[6]。然而，随着遥感成像技术的快速发展，遥感图像分辨率逐渐提高，增加了其分割的困难性。目前，很多针对低、中分辨率遥感图像的分割方法已无法满足在实际应用中对分割精度的要求。因此，如何对遥感图像进行精确分割愈加受到关注。

由于分辨率的提高，遥感图像细节信息愈加丰富，而目前的图像分割方法多是以单一像素作为处理单元，没有利用像素之间存在的相关性，使用这种传统的分割方法得到的结果中必会包含较多错分像素[7]。因此，如何有效利用像素之间关系成为遥感图像分割中的关键问题。对此，Hassner和Sklansky[8]将马尔科夫随机场(Markov Random Field, MRF)引入图像分割中，为像素及其邻域的相互关系提供一种描述方式，使得有效利用像素之间的关系成为可能。在基于MRF的图像分割方法中，常用Potts模型定义邻域势能函数[9]。Potts模型将图像看作像素阵列，像素类别表示模型的状态，阵列中任意像素的状态由该像素的邻域像素状态决定。该模型原理简单，普适性强，可有效将像素邻域运用到图像分割中。……