祝贺张大明副教授在《自然资源遥感》发文“一种超像素上Parzen窗密度估计的遥感图像分割方法”

       图像分割是高分辨率遥感图像分析中的关键步骤,对信息提取精度起到重要作用。为提高传统基于像素的遥感图像分割算法性能,提出一种在超像素上进行Parzen窗密度估计的分割算法。包括超像素初始分割、特征测量、密度估计并重新聚类3个主要步骤。在超像素初始分割阶段,采用简单线性迭代聚类算法将图像进行超像素粗分割,并将每个超像素块标记为图结构中的一个顶点; 然后测量每个超像素块的Gabor纹理特征,构建高维特征向量并计算纹理间的相似度,作为图中连接2个顶点的边的权值,并在该图的最小生成树上计算2个顶点之间的距离; 接着将此距离用于Parzen窗,估计每个顶点的密度,并重新聚类得到最终结果。采用多幅多光谱高分辨遥感图像验证了所提出的算法,基于目视判别以及基于准确率和召回率的定量评价,将该方法与其他分割算法的结果进行比较,验证了所提出算法的有效性。

       该研究成果受国家自然科学基金项目“基于压平和3-DDIC的角膜生物力学性能活体检测方法及技术研究”编号(61471003);安徽省高校自然科学基金项目“几何造型理论及其方法研究”编号(KJ2018A0518);“城市建筑声环境设计及质量评价方法研究”编号(KJ2020A0484);“基于多粒度语义评价的群决策应用研究”编号(KJ2019JD17);安徽省重点实验室开放课题“建筑声环境设计、监测与评估有关理论及关键技术研究”(IBES2018KF04)共同资助支持。