基于NMI特征的遥感影像线性迭代聚类超像素分割算法

李静

doi:10.37188/OPE.20223006.0734

您当前的位置：

首页 >

文章列表页 >

基于NMI特征的遥感影像线性迭代聚类超像素分割算法

信息科学 | 更新时间：2022-04-26

- 基于NMI特征的遥感影像线性迭代聚类超像素分割算法
- SLIC super-pixel segmentation algorithm base on NMI features used in remote sensing image
- 光学精密工程 2022年30卷第6期页码：734-742
- 作者机构：
  
  北京跟踪与通信技术研究所，北京 100094
- 作者简介：
  
  [ "李　静（1977-），女，山东荣成人，博士，助理研究员，2008年于海军航空工程大学获得博士学位，现为北京跟踪与通信技术研究所助理研究员，主要从事航天工程总体研究。E-mail： zuobin97117@163.com" ]
- 基金信息：
  
  粤港关键领域重点突破项目(2004A10403021);广东省攻关项目(2006A10401006)
- DOI：10.37188/OPE.20223006.0734
  中图分类号： TP391.4
- 收稿日期：2021-09-21，
  
  修回日期：2021-10-11，
  
  纸质出版日期：2022-03-25
- 稿件说明：
移动端阅览
李静.基于NMI特征的遥感影像线性迭代聚类超像素分割算法[J].光学精密工程,2022,30(06):734-742.

LI Jing.SLIC super-pixel segmentation algorithm base on NMI features used in remote sensing image[J].Optics and Precision Engineering,2022,30(06):734-742.
李静.基于NMI特征的遥感影像线性迭代聚类超像素分割算法[J].光学精密工程,2022,30(06):734-742. DOI： 10.37188/OPE.20223006.0734.

LI Jing.SLIC super-pixel segmentation algorithm base on NMI features used in remote sensing image[J].Optics and Precision Engineering,2022,30(06):734-742. DOI： 10.37188/OPE.20223006.0734.

摘要

针对现有基于简单线性迭代聚类（SLIC）的超像素分割算法用于细节丰富的遥感图像处理时，存在的易受噪声干扰、过分割问题，本文提出一种结合超像素块之间基于归一化转动惯量（NMI）特征的相似性度量的遥感影像分割方法，对分割效果进行改善。本文首先利用引导滤波算法对影像进行平滑处理，去除椒盐噪点；再通过现有的线性迭代聚类算法对影像进行像素级分割，生成初始的超像素；进而确定出微小超像素块，然后计算其与相邻超像素块的相似性度量值，将其合并入差异性最小的相邻超像素块，达到分割影像的目的。本文方法在传统分割算法基础上降低了超像素对噪声的敏感性，提高了影像分割的精度。实验表明，论文提出算法可将测试遥感图像的分割超像素块数量由4 171减小为282，微小超像素块数量减少60%以上，有效降低噪声点的影响，改善以往算法存在的过分割缺陷。

Abstract

The state-of-the-art super-pixel segmentation algorithm based on simple linear iterative clustering （SLIC） has the problem of over segmentation and discontinuity when processing remote sensing images with extensive details. Here， we propose a remote sensing image segmentation method that combines the NMI-based similarity measure between super-pixel blocks to improve the segmentation effect. First， a guided filtering is used to smooth the pepper noise in the image. Second， the image is segmented at a pixel level using the SLIC algorithm to generate initial super-pixels. Third， to achieve image segmentation， the micro super-pixels are determined based on some criterion and then merged into the adjacent super-pixel blocks with the least difference by calculating the similarity measure with its adjacent super-pixel blocks. This paper’s method reduces the sensitivity of super-pixel to noise and improves the precision of image segmentation compared with traditional segmentation algorithms. The experimental results indicate that the proposed algorithm reduced the number of segmented super-pixel blocks from 4 171 to 282 and reduced the number of micro super-pixel blocks by more than 60%. It also reduced the influence of noise points and improved the over segmentation defects of existing algorithms.

关键词

Keywords

references

窦鹏，翟亮，张继贤 . 基于GLC面向对象遥感影像分类方法的研究与应用［J］. 测绘与空间地理信息， 2013 ， 36 （ 11 ）： 68 - 71， 74 . doi: 10.3969/j.issn.1672-5867.2013.11.020 http://dx.doi.org/10.3969/j.issn.1672-5867.2013.11.020

DOU P ， ZHAI L ， ZHANG J X . Research and application of object- oriented remote sensing image classification based on GLC ［J］. Geomatics & Spatial Information Technology ， 2013 ， 36 （ 11 ）： 68 - 71， 74 . （in Chinese） . doi: 10.3969/j.issn.1672-5867.2013.11.020 http://dx.doi.org/10.3969/j.issn.1672-5867.2013.11.020

董心玉 . 基于面向对象的高分一号遥感影像森林分类研究［D］. 哈尔滨：东北林业大学， 2016 .

DONG X Y . An Object-based Forest Type Classification Research Based on GF- 1 Remote Sensing Data ［D］. Harbin ： Northeast Forestry University ， 2016 . （in Chinese）

REN ， MALIK . Learning a classification model for segmentation ［C］. Proceedings Ninth IEEE International Conference on Computer Vision. 1316，2003 ， Nice， France. IEEE ， 2003 ： 10 - 17 . doi: 10.1109/iccv.2003.1238308 http://dx.doi.org/10.1109/iccv.2003.1238308

STUTZ D ， HERMANS A ， LEIBE B . Superpixels： an evaluation of the state-of-the-art ［J］. Computer Vision and Image Understanding ， 2018 ， 166 ： 1 - 27 . doi: 10.1016/j.cviu.2017.03.007 http://dx.doi.org/10.1016/j.cviu.2017.03.007

ACHANTA R ， SHAJI A ， SMITH K ， et al . SLIC superpixels compared to state-of-the-art superpixel methods ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2012 ， 34 （ 11 ）： 2274 - 2282 . doi: 10.1109/tpami.2012.120 http://dx.doi.org/10.1109/tpami.2012.120

LIU Y J ， YU M J ， LI B J ， et al . Intrinsic manifold SLIC： a simple and efficient method for computing content-sensitive superpixels ［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence ， 2018 ， 40 （ 3 ）： 653 - 666 . doi: 10.1109/tpami.2017.2686857 http://dx.doi.org/10.1109/tpami.2017.2686857

JAMPANI V ， SUN D ， LIU M Y ， et al . Superpixel sampling networks ［C］. Springer， The 4th Proceedings of the European Conference on Computer Vision . Munich ： Springer ， 2018 ： 363 - 380 . doi: 10.1007/978-3-030-01234-2_22 http://dx.doi.org/10.1007/978-3-030-01234-2_22

LEI T ， JIA X H ， ZHANG Y N ， et al . Superpixel-based fast fuzzy C-means clustering for color image segmentation ［J］. IEEE Transactions on Fuzzy Systems ， 2019 ， 27 （ 9 ）： 1753 - 1766 . doi: 10.1109/tfuzz.2018.2889018 http://dx.doi.org/10.1109/tfuzz.2018.2889018

ZHAO J X ， BO R ， HOU Q B ， et al . FLIC： Fast linear iterative clustering with active search ［J］. Computational Visual Media ， 2018 ， 4 （ 4 ）： 333 - 348 . doi: 10.1007/s41095-018-0123-y http://dx.doi.org/10.1007/s41095-018-0123-y

刘仲民，王阳，李战明，等 . 基于简单线性迭代聚类和快速最近邻区域合并的图像分割算法［J］. 吉林大学学报（工学版）， 2018 ， 48 （ 6 ）： 1931 - 1937 . doi: 10.13229/j.cnki.jdxbgxb20171009 http://dx.doi.org/10.13229/j.cnki.jdxbgxb20171009

LIU Z M ， WANG Y ， LI Z M ， et al . Image segmentation algorithm based on SLIC and fast nearest neighbor region merging ［J］. Journal of Jilin University （Engineering and Technology Edition）， 2018 ， 48 （ 6 ）： 1931 - 1937 . （in Chinese） . doi: 10.13229/j.cnki.jdxbgxb20171009 http://dx.doi.org/10.13229/j.cnki.jdxbgxb20171009

LU L Z ， WANG C ， YIN X . Incorporating texture into SLIC super-pixels method for high spatial resolution remote sensing image segmentation ［C］. 2019 8th International Conference on Agro-Geoinformatics （Agro-Geoinformatics）. 1619，2019 ， Istanbul， Turkey. IEEE ， 2019 ： 1 - 5 . doi: 10.1109/agro-geoinformatics.2019.8820692 http://dx.doi.org/10.1109/agro-geoinformatics.2019.8820692

HE K M ， SUN J ， TANG X O . Guided image filtering ［C］. IEEE Transactions on Pattern Analysis and Machine Intelligence. IEEE ，： 1397- 1409 .

陆方杰，夏顺仁 . 基于归一化转动惯量的显微图像拼接算法［J］. 中国医疗器械杂志， 2007 ， 31 （ 6 ）： 404 - 406 . doi: 10.3969/j.issn.1671-7104.2007.06.004 http://dx.doi.org/10.3969/j.issn.1671-7104.2007.06.004

LU F J ， XIA S R . A microscopic image mosaicing algorithm based on normalized moment of inertia ［J］. Chinese Journal of Medical Instrumentation ， 2007 ， 31 （ 6 ）： 404 - 406 . （in Chinese） . doi: 10.3969/j.issn.1671-7104.2007.06.004 http://dx.doi.org/10.3969/j.issn.1671-7104.2007.06.004

NGUYEN T A ， SONG W S ， HONG M C . Spatially adaptive denoising algorithm for a single image corrupted by Gaussian noise ［J］. IEEE Transactions on Consumer Electronics ， 2010 ， 56 （ 3 ）： 1610 - 1615 . doi: 10.1109/tce.2010.5606304 http://dx.doi.org/10.1109/tce.2010.5606304

浏览量

605

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

融合超像素与多模态感知网络的遥感影像车辆检测

分焦平面偏振图像传感器偏振主轴方向的标定

改进的归一化转动惯量对人体跌倒的识别

融合超像素与多模态感知网络的遥感影像车辆检测