改进的简单非迭代聚类的遥感影像分割研究

doi:10.3778/j.issn.1002-8331.2004-0286

计算机工程与应用 ›› 2021, Vol. 57 ›› Issue (13): 185-192.DOI: 10.3778/j.issn.1002-8331.2004-0286

改进的简单非迭代聚类的遥感影像分割研究

孙玮婕，杨军

1.兰州交通大学测绘与地理信息学院，兰州 730070
2.地理国情监测技术应用国家地方联合工程研究中心，兰州 730070
3.甘肃省地理国情监测工程实验室，兰州 730070
4.兰州交通大学电子与信息工程学院，兰州 730070

出版日期:2021-07-01 发布日期:2021-06-29

Research on Remote Sensing Image Segmentation Based on Improved Simple Non-iterative Clustering

SUN Weijie, YANG Jun

1.Faculty of Geomatics, Lanzhou Jiaotong University, Lanzhou 730070, China
2.National-Local Joint Engineering Research Center of Technologies and Applications for National Geographic State Monitoring, Lanzhou 730070, China
3.Gansu Provincial Engineering Laboratory for National Geographic State Monitoring, Lanzhou 730070, China
4.School of Electronic and Information Engineering, Lanzhou Jiaotong University, Lanzhou 730070, China

Online:2021-07-01 Published:2021-06-29

摘要/Abstract

摘要：

简单线性迭代聚类（Simple Linear Iterative Clustering，SLIC）超像素算法依赖超像素设置数目的大小，容易产生欠分割或者过分割的现象，且运行速度不高。提出一种改进的简单非迭代聚类（Simple Non-Iterative Clustering，SNIC）超像素算法对遥感影像进行分割。采用SNIC超像素获取初始分割结果；利用动态阈值对原始影像进行分割；对影像进行两次作差，从而对SNIC分割结果进行修正；选取满足一定条件的分割线即为最终的分割结果。实验结果表明，该算法在分割精度、召回率和运行时间上都获得了令人满意的结果。

关键词: 遥感影像, 图像分割, 简单非迭代聚类, 动态阈值

Abstract:

Simple Linear Iterative Clustering（SLIC） superpixel algorithm relies on the number of superpixel settings, which is prone to under segmentation or over segmentation, and also a low efficiency. An improved Simple Non-Iterative Clustering（SNIC） superpixel algorithm for segmentation of remote sensing images is proposed in. Firstly, SNIC superpixels are used to obtain the initial segmentation results. Secondly, the dynamic threshold is applied to segment the original image, and then the images are made difference twice so as to correct the SNIC segmentation results. Finally, the segmentation lines that meet certain conditions are the final segmentation results. Experimental results show that the proposed algorithm has obtained good results in terms of precision, recall and running time.

Key words: remote sensing images, image segmentation, Simple Non-Iterative Clustering（SNIC）, dynamic threshold

孙玮婕，杨军. 改进的简单非迭代聚类的遥感影像分割研究[J]. 计算机工程与应用, 2021, 57(13): 185-192.

SUN Weijie, YANG Jun. Research on Remote Sensing Image Segmentation Based on Improved Simple Non-iterative Clustering[J]. Computer Engineering and Applications, 2021, 57(13): 185-192.

[1]	张朕通，单玉刚，袁杰. 联合多尺度和注意力机制的遥感影像检测[J]. 计算机工程与应用, 2021, 57(9): 212-216.
[2]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[3]	赵阳，张俊华. 多尺度特征融合的脊柱X线图像分割方法[J]. 计算机工程与应用, 2021, 57(8): 214-219.
[4]	潘沛鑫，潘中良. 结合显著性的主动轮廓图像分割[J]. 计算机工程与应用, 2021, 57(8): 225-230.
[5]	董鹏，周烽，赵悰悰，王亚飞，米泽田，付先平. 基于双目视觉的水下海参尺寸自动测量方法[J]. 计算机工程与应用, 2021, 57(8): 271-278.
[6]	彭璟，罗浩宇，赵淦森，林成创，易序晟，陈少洁. 深度学习下的医学影像分割算法综述[J]. 计算机工程与应用, 2021, 57(3): 44-57.
[7]	李代栋，赫晓慧，李盼乐，田智慧，周广胜. 基于SPUD-ResNet的遥感影像道路提取网络[J]. 计算机工程与应用, 2021, 57(23): 240-247.
[8]	刘锐，丁辉，尚媛园，邵珠宏，刘铁. COVID-19医学影像数据集及研究进展[J]. 计算机工程与应用, 2021, 57(22): 15-27.
[9]	周绍光，吴昊，赵婵娟，陈仁喜. 利用同质区特性的高光谱图像迁移学习分类[J]. 计算机工程与应用, 2021, 57(21): 224-233.
[10]	丁成，翁理国，夏旻，崔逸尘，钱俊豪，刘佳. 多注意力机制网络卫星图像分割算法[J]. 计算机工程与应用, 2021, 57(2): 223-229.
[11]	高宇歌，杨海涛，王晋宇，李高源，张长弓，冯博迪. 联合知识与CNN的遥感影像目标检测研究综述[J]. 计算机工程与应用, 2021, 57(18): 65-74.
[12]	李振强，王树才，赵世达，白宇. 改进DeepLabv3+和XGBoost的羊骨架切割方法[J]. 计算机工程与应用, 2021, 57(18): 263-269.
[13]	杨勇，郭玲，叶阳东. 全变分流边与M2GGD相结合的自然图像分割方法[J]. 计算机工程与应用, 2021, 57(11): 202-210.
[14]	刘杰，房俊，雷峰津. 电能质量异常数据在线检测方法[J]. 计算机工程与应用, 2020, 56(9): 240-247.
[15]	鲁圆圆，冯浩，李靖. 结合分布度量统计建模的主动轮廓图像分割[J]. 计算机工程与应用, 2020, 56(7): 228-233.

改进的简单非迭代聚类的遥感影像分割研究

Research on Remote Sensing Image Segmentation Based on Improved Simple Non-iterative Clustering

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics