Архив
Том 21, 2024
Том 20, 2023
Том 19, 2022
Том 18, 2021
Том 17, 2020
Том 16, 2019 г.
Том 15, 2018 г.
Том 14, 2017 г.
Том 13, 2016 г.
Том 12, 2015 г.
Том 11, 2014 г.
Том 10, 2013 г.
Том 9, 2012 г.
Том 8, 2011 г.
Том 7, 2010 г.
Выпуск 6, 2009 г.
Выпуск 5, 2008 г.
Выпуск 4, 2007 г.
Выпуск 3, 2006 г.
Выпуск 2, 2005 г.
Выпуск 1, 2004 г.
Поиск
Найти:
Подписка/отписка
на рассылку новостей
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/