一种基于CNN与梯度分水岭算法的卫星图像区域分割识别方法

基金项目: 重庆市科技研发基地能力提升项目(cstc2014ptsy40003)

详细信息

Method of Satellite Images Region Segmentation and Recognition Based on CNN and Gradient Watershed Algorithm

摘要: 卫星图像的准确分割与识别在军事、环境、民生方面都有着重要的研究意义与价值.传统的区域分割算法如分水岭算法、k-means算法等在错综复杂的卫星图像中表现不佳,且不能同时给出区域的类别.为解决上述问题,本文提出一种结合CNN与分水岭算法的图像区域分割方法.该方法首先使用人工标记的区域图像训练CNN(卷积神经网络)分类器,且使其具有旋转不变性及平移不变性,从而能适应不同状态下的图像分类.然后用分水岭算法对图像进行区域粗粒度的聚类,针对分割出的每一个候选区域,使用CNN分类器对其迭代打分,最后得到分割区域并给出识别结果.实验结果表明,该方法较传统方法有更好效果.
- 卷积神经网络 /
- 梯度分水岭 /
- 卫星图像 /
- 分割识别

1.	陆盈，邱建林. 基于非下采样Shearlet变换耦合相对亮度测度的可见光与红外图像融合算法. 光学技术. 2022(02): 244-249 . 百度学术
2.	廖宁，陈怡然. 红外和可见光图像高效融合的人工智能技术研究. 激光杂志. 2022(03): 109-113 . 百度学术
3.	巩稼民，吴成超，郭刘飞，刘威，裴梦杰，卢姣姣，高睿杰. 基于RGF改进显著性检测与SCM相结合的图像融合. 激光与红外. 2022(08): 1251-1258 . 百度学术
4.	张慧智，杨海涛. 基于激光跟踪技术的运动模糊图像重建方法. 激光杂志. 2020(11): 63-66 . 百度学术
5.	巩稼民，刘爱萍，张晨，张丽红，郝倩文. 基于FCM与ADSCM的红外与可见光图像融合. 激光与光电子学进展. 2020(20): 222-230 . 百度学术