全文总字数：3677字

1. 研究目的与意义及国内外研究现状

高分辨率遥感影像在军事目标探测，城市信息更新，农林地块精细识别，大型工程设施监控等军事民用商业方面起着很大作用。图像分割是将图像划分为互不相连的区域，主要有边缘检测和区域生长两个方面。对高分辨率遥感影像的分割方法进行优化可以使图像更加清晰，有很大的现实意义。

图像分割就是基于同质性或异质性准则将一副图像划分为若干个有意义的子区域的过程，图像分割的优劣直接影响下一步的图像分析和理解。高分辨率遥感图像中地物对象的分割是遥感图像理解、地物识别的关键问题，也是有效利用地物空间信息的基础，因此研究如何实现精准分割非常有必要。

由于小波变换可以利用小波系数多分辨率的特征、小波分析的局部化特征进行模式分类和图像分割，因此近年来基于小波变换的方法在图像处理领域应用广泛。例如应用在图像去噪、边缘检测以及图像分割等方面。小波变换可以利用其低熵性、小波基选择的多样性、多分辨特性和去相关性等特点对图像进行去噪【1-5】和边缘检测【6-7】；然后利用小波多尺度变换对图像进行分割【8-11】。本文旨在研究基于小波变换的高分辨率遥感图像分割的改进方法，以达到更好的图像分割效果，为后续的图像分析奠定基础。

2. 研究的基本内容

本文主要研究基于小波变换的高分辨率遥感影像的分割。

1、小波变换具有多分辨率的特征，即能够基于同一空间的不同尺度分析信号。不同尺度下的分析对结果有着不同的影响，因此尺度参数的选择尤其重要。本文希望找到一种方法能够较容易的找到最优尺度参数。

3. 实施方案、进度安排及预期效果

2017年1月10日前填写任务书

2017年2月28日前撰写开题报告，完成开题

2017年5月12日前进行外文文献翻译，提交毕业论文初稿

4. 参考文献

【1】周小军, 谭薇, 张燎, 等. 遥感图像常用去噪方法[j]. 工业仪表与自动化装置, 2015 (3): 69-72.

【2】li l, jia z, yang j, et al. noisy remote sensing image segmentation with wavelet shrinkage and graph cuts[j]. journal of the indian society of remote sensing, 2016, 44(6): 995-1002.

【3】ansari r a, budhhiraju k m. a comparative evaluation of denoising of remotely sensed images using wavelet, curvelet and contourlet transforms[j]. journal of the indian society of remote sensing, 2016, 44(6): 843-853.