專利名稱：一種基于Gram-Schmidt融合和LEGION的高分辨率遙感影像分割方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種高分辨率遙感影像分割方法，特別是涉及一種基于 Gram-Schmidt方法進(jìn)行多波段遙感影像數(shù)據(jù)融合，在此基礎(chǔ)上使用LEGION (Locally Excitatory Globally Inhibitory Oscillator Networks,局部興奮全局抑制振蕩網(wǎng)絡(luò))方法進(jìn)行
高分辨率遙感影像分割的方法。
背景技術(shù)：
遙感技術(shù)已經(jīng)被廣泛地應(yīng)用于土地利用調(diào)查、資源勘探、生態(tài)環(huán)境監(jiān)測(cè)等諸多 領(lǐng)域，對(duì)社會(huì)和經(jīng)濟(jì)發(fā)展發(fā)揮著重要的作用。隨著航空、航天及傳感器技術(shù)日新月異的 發(fā)展，遙感影像的空間分辨率、時(shí)間分辨率和光譜分辨率不斷提高。高空間分辨率遙感 影像由于能夠充分體現(xiàn)地物細(xì)節(jié)信息而備受關(guān)注。遙感影像分割是指將遙感影像中具有 特殊涵義的不同區(qū)域區(qū)分開來，這些區(qū)域互不相交，每一個(gè)區(qū)域都滿足特定區(qū)域的一致 性，它是高分辨率遙感影像應(yīng)用中非常重要的環(huán)節(jié)，涉及了圖像處理、模式識(shí)別和人工 智能等諸多技術(shù)領(lǐng)域。數(shù)字圖像處理、計(jì)算機(jī)圖形學(xué)、模式識(shí)別、人工智能等學(xué)科的發(fā)展使得新的圖 像分割方法不斷涌現(xiàn)，如聚類法、閾值法、邊緣檢測(cè)法、區(qū)域生長(zhǎng)法、水平集方法、分 水嶺變換法、多尺度分割、神經(jīng)網(wǎng)絡(luò)分割等。上述分割方法各有優(yōu)缺點(diǎn)，在實(shí)際應(yīng)用中 很難達(dá)到非常理想的效果。聚類法將圖像內(nèi)的像素劃分到指定數(shù)目的類別之中，在此基 礎(chǔ)上將同一類別且相互聯(lián)通的像素分割到同一個(gè)區(qū)域，但是類別數(shù)目的確定一般都是通 過人工指定來實(shí)現(xiàn)的，此外由于沒有考慮空間上的邊緣信息和鄰接信息，該方法經(jīng)常會(huì) 得出不符合人的視覺習(xí)慣的分割結(jié)果；邊緣檢測(cè)法在圖像中存在噪聲時(shí)，得到的邊緣常 常是孤立的或者分小段連續(xù)的，即使采用邊緣閉合的方法進(jìn)行處理，也很難得到精確邊 緣；區(qū)域增長(zhǎng)法中合并和停止合并規(guī)則的制定會(huì)嚴(yán)重影響分割結(jié)果，往往會(huì)產(chǎn)生欠分割 和過分割現(xiàn)象。其它分割方法在實(shí)際應(yīng)用總也往往存在著各種問題，因此研究人員在改 進(jìn)現(xiàn)有技術(shù)的同時(shí)一直在探索新的分割方法。影像分割方法往往都是首先在普通的數(shù)字 圖像分割中得到廣泛應(yīng)用，然后引入到遙感影像分割中來。由于遙感影像數(shù)據(jù)量大、信 息豐富等特征，新的分割方法應(yīng)用到遙感影像分割中往往會(huì)出現(xiàn)很多難以解決的技術(shù)問 題。隨著人類對(duì)視覺機(jī)理研究的不斷深入，基于生物視覺仿真和人工神經(jīng)網(wǎng) 絡(luò)的圖像分割方法也越來越成熟。局部興奮全局抑制振蕩網(wǎng)絡(luò)(Locally fecitatory GloballyInhibitory Oscillator Networks，簡(jiǎn)稱LEGION)方法是一種基于生物視覺仿真的
神經(jīng)網(wǎng)絡(luò)方法，它的基本原理是來自同一物體的刺激會(huì)引起檢測(cè)這一物體的那些神經(jīng) 元發(fā)生同步神經(jīng)振蕩。在圖像分割中，將一個(gè)像素視作一個(gè)神經(jīng)元，首先選出一批振蕩 發(fā)起點(diǎn)，隨后在它的鄰域內(nèi)，將和它具有相同屬性的像素也發(fā)起振蕩，直到這一片區(qū)域 的振蕩達(dá)到協(xié)同，則協(xié)同振蕩的這些像素就被劃為同一塊區(qū)域，而與發(fā)起點(diǎn)不相似的像素則被劃在不同的區(qū)域內(nèi)。這種思路逐步被模型化，1995年，DavidTerman，DeLiang Wang 在其月干U 《Physica D Nonlinear Phenomena》第 81 卷發(fā)表"Global competition and local cooperation in a network of neural oscillators” 一文提出 了全局競(jìng)爭(zhēng)局部合作的神經(jīng) 兀網(wǎng)絡(luò)(Global competition and local cooperationin a network of neural oscillators)模型；隨
后，兩人在前面工作的基礎(chǔ)上，提出了改進(jìn)過后的“局部興奮全局抑制振蕩網(wǎng)絡(luò)(Locally Excitatory Globally InhibitoryOscillator Networks, LEGION)” 模型。目前，LEGION方法只能應(yīng)用于單波段灰度圖像的分割，而遙感影像往往具有 多個(gè)波段的信息，因此LEGION方法尚不能充分利用遙感影像所提供的信息來進(jìn)行分 割。魯東旭在《基于LEGION的圖像目標(biāo)提取方法研究及其對(duì)彩色圖像的實(shí)現(xiàn)》一文 中給出了基于LEGION方法的彩色圖像目標(biāo)提取的方法，對(duì)彩色圖像分別在RGB空間 和HSV空間進(jìn)行了分割，并對(duì)目標(biāo)提取結(jié)果進(jìn)行了比較，實(shí)驗(yàn)表明提取的目標(biāo)區(qū)域更符 合人眼視覺習(xí)慣，效果較好。但是文中的方法對(duì)彩色圖像各個(gè)波段分別進(jìn)行LEGION分 割，再將三個(gè)波段的運(yùn)算結(jié)果進(jìn)行綜合顯示，最后輸出目標(biāo)圖像，這種方式?jīng)]有真正解 決綜合使用多波段影像信息的問題，分割效果與單波段相比提升有限。

發(fā)明內(nèi)容
1.發(fā)明要解決的技術(shù)問題LEGION方法只能使用單個(gè)波段影像信息進(jìn)行分割，分割效果較差；對(duì)每個(gè)波 段進(jìn)行LEGION分割，通過將結(jié)果進(jìn)行結(jié)合顯示的方式并不能從本質(zhì)上解決無法綜合使 用多波段信息的問題，其分割效果也不理想。為此，本發(fā)明提供了一種基于Gram-Schmidt融合和LEGION的高分辨率遙感影
像分割方法，使得在對(duì)高分辨率遙感影像進(jìn)行LEGION分割時(shí)能夠綜合使用多光譜波段 以及全色波段的信息，從而更加精確的將目標(biāo)地物提取出來。2.本發(fā)明的技術(shù)方案如下原理為了充分利用遙感影像多波段信息，首先對(duì)高分辨率遙感影像進(jìn)行 Gram-Schmidt融合。Gmm-Schmidt是線性代數(shù)和多元統(tǒng)計(jì)中常用的方法，通過對(duì)矩陣或 多波段影像進(jìn)行正交變換，消除相關(guān)的多光譜波段之間的相關(guān)性。此外，該變換還有兩 個(gè)比較明顯的優(yōu)點(diǎn)1)對(duì)融合波段的數(shù)量沒有限制，可以在一次融合過程中對(duì)所有多光 譜波段進(jìn)行融合；2)融合后的高分辨率的多光譜數(shù)據(jù)能很好地保持原始多光譜影像的光 譜信息。經(jīng)過融合后的影像各多光譜波段既保留了光譜信息，又提高了空間分辨率。對(duì) 融合過的幾個(gè)多光譜波段像素值求平均值，并以此為基礎(chǔ)進(jìn)行LEGION分割。LEGION 方法原理是來自同一物體的刺激會(huì)引起檢測(cè)這一物體的哪些神經(jīng)元發(fā)生同步神經(jīng)振蕩。 這種思路可以引入圖像分割中，將一個(gè)像素視作一個(gè)神經(jīng)元，首先選出一批振蕩發(fā)起 點(diǎn)，則在它鄰域內(nèi)，將和它具有相同屬性的像素也發(fā)起振蕩，直到這一片區(qū)域的振蕩達(dá) 到協(xié)同，則協(xié)同振蕩的這些像素就被劃為同一塊區(qū)域。而與發(fā)起點(diǎn)不相似的像素則被劃 在不同的區(qū)域內(nèi)。 基于Gram-Schmidt融合和LEGION的高分辨率遙感影像分割方法，包括以下步 驟 步驟1:將高分辨率遙感影像的多光譜波段重采樣，使其和其全色波段有相同的大小及像素?cái)?shù)；步驟2 將全色波段和多光譜波段進(jìn)行Gram-Schmidt融合，Gram-Schmidt變
換后各分量正交，各分量所包含的信息量相差不大，這樣可以改進(jìn)主成分變換中信息過 分集中的問題，此外，Gram-Schmidt變換還有兩個(gè)比較明顯的優(yōu)點(diǎn)首先，對(duì)融合波段 的數(shù)量沒有限制，可以在一次融合過程中對(duì)所有多光譜波段進(jìn)行融合；其次，融合后的 高分辨率的多光譜數(shù)據(jù)能很好地保持原始多光譜影像的光譜信息，通過Gram-Schmidt變 換，遙感影像每個(gè)多光譜波段均獲得了更高的空間分辨率，并且基本保留了原有的光譜 fn息；步驟3:根據(jù)分割的目的，結(jié)合地物光譜特征，對(duì)每個(gè)像素各波段像素值按公 式①求均值，將多個(gè)波段的信息合成為一個(gè)波段，作為L(zhǎng)EGION分割方法的輸入數(shù)據(jù)；
權(quán)利要求
1. 一種基于Gram-Schmidt融合和LEGION的高分辨率遙感影像分割方法，具體包括 以下步驟步驟1:將高分辨率遙感影像的多光譜波段重采樣，使其和其全色波段有相同的大 小及像素?cái)?shù)；步驟2:將全色波段和多光譜波段進(jìn)行Gmm-Schmidt融合，使得每個(gè)多光譜波段均 獲得了更高的空間分辨率，并且基本保留了原有的光譜信息；步驟3:根據(jù)分割的目的，結(jié)合地物的光譜特征，對(duì)每個(gè)像素的各波段像素值按公 式①求均值，將多個(gè)波段的信息合成一個(gè)波段，作為L(zhǎng)EGION分割方法的輸入數(shù)據(jù)；
2.根據(jù)權(quán)利要求1所述的一種基于Gram-Schmidt融合和LEGION的高分辨率遙感影 像分割方法，其特征在于進(jìn)行LEGION分割時(shí)輸入的不是單波段影像，而是經(jīng)過重采樣 后，充分保留了原始遙感影像空間及光譜信息的融合后的單波段數(shù)據(jù)。
3.根據(jù)權(quán)利要求1或2所述的一種基于Gram-Schmidt融合和LEGION的高分辨率遙 感影像分割方法，其特征在于影像重采樣、高分辨率遙感影像融合、影像像素求均值、 LEGION分割這樣順序的高分辨率遙感影像分割方法流程。
全文摘要
本發(fā)明公開了一種基于Gram-Schmidt融合和LEGION的高分辨率遙感影像分割方法。其步驟為對(duì)高分辨率遙感影像多光譜波段重采樣，使其和全色波段有相同大小及像素?cái)?shù)；將全色波段和多光譜波段進(jìn)行Gram-Schmidt融合，使得每個(gè)多光譜波段擁有更高的空間分辨率，并且基本保留了光譜信息；對(duì)每個(gè)像素的各波段像素值求均值，將多個(gè)波段的信息合成一個(gè)波段，作為L(zhǎng)EGION分割方法的輸入數(shù)據(jù)；使用LEGION方法對(duì)合成后的單波段影像進(jìn)行分割；將分割結(jié)果寫入到結(jié)果圖像中，以可視化方式進(jìn)行顯示。本發(fā)明克服了LEGION分割方法只能使用單波段信息的不足，能夠更加精確有效地對(duì)高分辨率遙感影像進(jìn)行分割。
文檔編號(hào)G06T5/00GK102013093SQ20101057299
公開日2011年4月13日 申請(qǐng)日期2010年12月2日 優(yōu)先權(quán)日2010年12月2日
發(fā)明者劉成明, 劉永學(xué), 李滿春, 李飛雪, 汪業(yè)成, 程亮, 蔡文婷 申請(qǐng)人:南京大學(xué)