论文摘要：鉴于Markov随飞机场模子的遥感图像分隔

正文以无监视遥感图像分隔为手段，中心处置了分隔进程中因为遥感图像特出性形成的先验缺点和失误，消息量大，大样品演练图像难以索取以及外表纹理搀杂，难以刻画等几个难点题目。正文运用马尔可夫（MRF）刻画遥感图像纹理的搀杂关系性，而且对准MRF参数估量量大的特性，经过对百般简直马尔可夫模子的参数估量算法以及参数对纹理刻画的灵验性领会最后采用了高斯马尔可夫随飞机场(GMRF) 模子。而且经过领会各个纹理特性向量的会合情景，得出各类特性向量可刻画为会合在其均值范围的高斯散布，进而将图像特性向量刻画为多元高斯搀和散布(GMM)，运用实用于GMM的无监视聚类算法实行纹理类型个数和参数的估量，灵验而宁静的获得了纹理类型个数和各纹理参数的估量。正文将遥感图像经过GMRF映照到特性参数空间，将搀杂的二维马尔可夫数据映照为大略的多元高斯搀和散布，进而运用大略的多通道贝叶斯（Bayes）分门别类器实行图像像素类型的最大后验估量估量（MAP）。但因为该算法没有充溢运用先验常识以及低阶GMRF难以刻画大标准纹理，进而形成分隔展示雀斑噪声。对准这一缺陷，本文华用鉴于搀和图形构造的多标准分隔算法，不只灵验运用了先验，而且克复MRF模子的限制控制性，进而很大水平上普及了分隔精度，克复了雀斑噪声。正文的算法具备无监视，分隔精度高，不妨并行计划等便宜，具备很高的适用价格。