高斯 瑞利混合模型在遥感图像分割中的应用

在遥感图像的众多分割方法中,高斯混合模型(GMM)是一种常用的图像建模方法。提出了高斯-瑞利混合模型(GRMM)可能更适合对遥感图像建模。介绍了传统高斯混合模型和高斯-瑞利混合模型的区别。比较了这两种混合模型对图像建模的结果,并用数据说明高斯-瑞利混合模型拟合图像的像素分布误差更小。采用最大熵方法确定图像的最佳分类数,采用马尔可夫随机场(MRF)方法及新的势能函数完成图像的分割,采用迭代条件模型(ICM)完成分割过程中的最大后验概率计算问题。在实验中采用了3幅遥感图像,实验过程中比较了各个图像运用高斯混合模型和高斯-瑞利混合模型的分割和拟合结果,分别通过数据和分割结果体现了该分割方法的效果。