ISSN 2070-7401 (Print), ISSN 2411-0280 (Online)
Современные проблемы дистанционного зондирования Земли из космоса
физические основы, методы и технологии мониторинга окружающей среды, потенциально опасных явлений
и объектов

  

Современные проблемы дистанционного зондирования Земли из космоса. 2014. Т. 11. №1. С. 301-307

Текстурная RGB - сегментация одноканальных TerraSAR-X изображений

Н.В. Родионова1 
1 Фрязинский филиал Института радиотехники и электроники им. В.А. Котельникова РАН, Фрязино, Россия
Одним из важнейших этапов в обработке изображений является сегментация, или разбиение изображения на однородные по некоторым признакам области. В качестве критериев однородности могут быть яркость, текстура, цвет и другие параметры. В данной работе осуществлена сегментация по текстуре одноканальных (одна поляризация) TerraSAR-X изображений с использованием статистик второго порядка Харалика. В качестве текстурных признаков Харалика были выбраны ‘контраст’, ‘обратный момент’, ‘сумма квадратов’, ‘корреляция’ и ‘энтропия’. Для выявления текстурных признаков, дающих наибольшую дифференциацию объектов на радиолокационном изображении, в работе вычислены и проанализированы матрицы попарных расстояний Джеффриса – Матусита между парами классов для исходного и сегментированных по текстуре изображений до и после фильтрации спеклов. Вычисление матриц расстояний не выявило среди рассмотренных текстурных признаков ‘главных компонент’, дающих наибольшие попарные расстояния, но показало лучшую дифференциацию объектов на текстурных изображениях в сравнении с амплитудными. В статье сделано сравнение текстурных изображений с изображениями, полученными методом главных компонент и кластеризацией.
Ключевые слова: одноканальное изображение, сегментация, текстурные признаки, расстояние Джеффриса – Матусита
Полный текст

Список литературы:

  1. Бакут П.А., Колмогоров Г.С., Ворновицкий И.Э. Сегментация изображений: методы пороговой обра- ботки // Зарубежная радиоэлектроника. 1987. №10. С. 6–24.
  2. Бакут П.А., Колмогоров Г.С. Сегментация изображений: методы выделения границ областей // Зару- бежная радиоэлектроника. 1987. №10. С. 25–47.
  3. Чочиа П.А. Пирамидальный алгоритм сегментации изображений // Информационные процессы. 2010. 10 (1). С. 23–35.
  4. Haralick R.M., Shanmugam K., Dinstein I. Textural Features for Image Classification // IEEE Trans. Syst. Man and Cybernetics. 1973. Vol. 3. No. 6. P. 610–621.
  5. Lee J.-S. A Simple Speckle Smoothing Algorithm for Synthetic Aperture Radar Images // IEEE Trans. SMC. 1983. Vol.13. No.1. P. 85–89.
  6. Nussbaum S., Menz G. (Eds.). Object-Based Image Analysis and Treaty Verification: New Approaches in Remote Sensing – Applied to Nuclear Facilities in Iran. 2008. Springer Science+Business Media B.V., Dordrecht.
  7. Ulaby F.T., Kouyate F., Brisco B., Williams T.H.L. Textural Information in SAR Images // IEEE Trans. GRS. 1986. Vol. GE-24. No.2. P. 235–245.
  8. http://www.infoterra.de/gallery/
  9. http://www.52north.org/