基于改进的SLIC和OTSU的遥感影像水体提取.docx

基于改进的SLIC和OTSU的遥感影像水体提取
摘要
遥感影像水体提取是遥感图像处理中的重要问题之一。目前广泛应用的基于阈值分割的方法在一定程度上能提取出水体区域，但对于复杂的遥感影像和水体边界模糊的情况效果较差。为了改善传统阈值分割方法的不足，本文提出了一种基于改进的SLIC和OTSU算法的遥感影像水体提取方法。该方法首先利用SLIC算法对遥感影像进行超像素分割，然后通过OTSU算法选取最佳阈值，最后将所选阈值与超像素进行融合得到最终的水体提取结果。实验证明，该方法在提取水体区域的准确率和水体边界的精度上都有明显提升，能够更好地适应不同情况下的遥感影像水体提取需求。
关键词：遥感影像，水体提取，SLIC算法，OTSU算法，超像素分割
1.引言
遥感影像水体提取在环境监测、城市规划、水资源管理等领域具有重要的应用价值。传统的阈值分割方法在水体提取方面存在以下问题：1）受噪声和亮度差异的影响，导致提取结果不准确；2）对于复杂的遥感影像和水体边界模糊的情况效果较差；3）需要手动选择阈值，不具有通用性。
为了解决以上问题，本文提出了一种基于改进的SLIC和OTSU算法的遥感影像水体提取方法。该方法综合利用了超像素分割和自适应阈值选取两种方法，既可以减少计算复杂度，又能提取出准确的水体区域。
2.方法
2.1SLIC算法
SLIC(SimpleLinearIterativeClustering)算法是一种基于K-means的超像素分割算法。该算法首先将图像分割为固定大小的超像素，然后计算每个超像素的中心点和颜色。最后通过迭代调整每个像素的标签，使得每个像素与其所属超像素的中心点的距离最小。该算法能够在保持空间连续性的同时保持颜色信息，因此对于复杂的遥感影像有很好的效果。
2.2OTSU算法
OTSU算法是一种自适应阈值选取方法。该方法通过遍历所有可能的阈值，并根据阈值将图像分为前景和背景两部分，然后计算前景和背景之间的类内方差和类间方差，最终选择使得类内方差最小或者类间方差最大的阈值作为所选阈值。OTSU算法不需要手动选择阈值，具有较好的通用性。
2.3改进的SLIC和OTSU算法
在传统的基于SLIC和OTSU的方法中，先使用SLIC算法对遥感影像进行超像素分割，然后使用OTSU算法选取阈值。然而，该方法忽略了超像素与阈值之间的关系，导致提取结果不准确。为了解决这个问题，本文提出了一种改进的SLIC和OTSU算法。
首先，使用SLIC算法对遥感影像进行超像素分割，并计算每个超像素的颜色直方图。然后，利用OTSU算法选取最佳阈值，将图像分为水体和非水体两部分。最后，将所选阈值与超像素进行融合，得到最终的水体提取结果。
3.实验与结果分析
本文选取了一幅复杂的遥感影像进行实验，并与传统的阈值分割方法进行对比。实验结果表明，基于改进的SLIC和OTSU算法的方法在提取水体区域的准确率和水体边界的精度上都有明显提升，能够更好地适应不同情况下的遥感影像水体提取需求。
4.结论
本文提出了一种基于改进的SLIC和OTSU算法的遥感影像水体提取方法。通过综合利用超像素分割和自适应阈值选取两种方法，能够在保持空间连续性的同时提取出准确的水体区域。实验结果表明，该方法在水体提取方面具有很好的性能，能够更好地适应不同情况下的遥感影像水体提取需求。
参考文献：
[1]AchantaR,ShajiA,SmithK,etal.SLICsuperpixelscomparedtostate-of-the-artsuperpixelmethods[J].IEEETransactionsonPatternAnalysisandMachineIntelligence,2012,34(11):2274-2282.
[2]OtsuN.Athresholdselectionmethodfromgray-levelhistograms[J].IEEETransactionsonSystems,Man,andCybernetics,1979,9(1):62-66.