專利名稱：一種LiDAR輔助下基于LEGION的高分辨率航空影像分割方法
技術(shù)領(lǐng)域：
本發(fā)明涉及ー種高分辨率遙感影像分割方法，特別是涉及ー種LiDAR輔助下基于LEGION的高分辨率航空影像分割方法。
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(lái)，這些區(qū)域互不相交，每ー個(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(guò)人工指定來(lái)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(guò)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(wèn)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(lái)。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(wèn)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(lái)越成熟。局部興奮全局抑制振蕩網(wǎng)絡(luò)(LocallyExcitatory 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(lái)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，將ー個(gè)像素視作ー個(gè)神經(jīng)元，首先選出ー批振蕩發(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,David Terman,DeLiang Wang在期刊《Physica D Nonlinear Phenomena〉〉弟 81 卷發(fā)成 “Global competitionand local cooperation in anetwork of neural oscillators” 一文提出了全局競(jìng)爭(zhēng)局部合作的神經(jīng)元網(wǎng)絡(luò)(Globalcompetition 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(guò)后的“局部興奮全局抑制振蕩網(wǎng)絡(luò)(LocallyExcitatoryGlobally Inhibitory Oscillator 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(lái)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)行了分害わ并對(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(wèn)題，分割效果與單波段相比提升有限。為了解決上述問(wèn)題，申請(qǐng)人于2010年12月2日申請(qǐng)了 “ー種基于Gram-Schmidt融合和LEGION的高分辨率遙感影像分割方法”(申請(qǐng)?zhí)?01010572997. x)，其將多波段的影像數(shù)據(jù)經(jīng)過(guò)重采樣、融合形成單波段數(shù)據(jù)，然后對(duì)單波段數(shù)據(jù)進(jìn)行LEGION分割，該方法結(jié)合了數(shù)據(jù)融合與LEGION分割，使得LEGION分割方法能夠應(yīng)用于不同波段影像數(shù)據(jù)中，并且取得了較好的效果。LiDAR(激光雷達(dá))即Light Detection And Ranging,大致分為機(jī)載和地面兩大類，其中機(jī)載 激光雷達(dá)是ー種安裝在飛機(jī)上的機(jī)載激光探測(cè)和測(cè)距系統(tǒng)，可以量測(cè)地面物體的三維坐標(biāo)。機(jī)載LiDAR是ー種主動(dòng)式對(duì)地觀測(cè)系統(tǒng)，是九十年代初首先由西方國(guó)家發(fā)展起來(lái)并投入商業(yè)化應(yīng)用的一門新興技木。它集成激光測(cè)距技術(shù)、計(jì)算機(jī)技術(shù)、慣性測(cè)量單元(MU)/DGPS差分定位技術(shù)于一體，該技術(shù)在三維空間信息的實(shí)時(shí)獲取方面產(chǎn)生了重大突破，為獲取高時(shí)空分辨率地球空間信息提供了一種全新的技術(shù)手段。它具有自動(dòng)化程度高、受天氣影響小、數(shù)據(jù)生產(chǎn)周期短、精度高等特點(diǎn)。機(jī)載LiDAR傳感器發(fā)射的激光脈沖能部分地穿透樹林遮擋，直接獲取高精度三維地表地形數(shù)據(jù)。機(jī)載LiDAR數(shù)據(jù)經(jīng)過(guò)相關(guān)軟件數(shù)據(jù)處理后，可以生成高精度的數(shù)字地面模型DTM、等高線圖，具有傳統(tǒng)攝影測(cè)量和地面常規(guī)測(cè)量技術(shù)無(wú)法取代的優(yōu)越性，因此引起了測(cè)繪界的濃厚興趣。機(jī)載激光雷達(dá)技術(shù)的商業(yè)化應(yīng)用，使航測(cè)制圖如生成DEM、等高線和地物要素的自動(dòng)提取更加便捷，其地面數(shù)據(jù)通過(guò)軟件處理很容易合并到各種數(shù)字圖中。因此，航空LiDAR數(shù)據(jù)與遙感影像各有特點(diǎn)，兩種數(shù)據(jù)結(jié)合的應(yīng)用受到越來(lái)越多的關(guān)注。

發(fā)明內(nèi)容
本發(fā)明要解決技術(shù)問(wèn)題是克服現(xiàn)有技術(shù)缺點(diǎn)，提出ー種LiDAR輔助下基于LEGION的高分辨率航空影像分割方法。為了解決上述技術(shù)問(wèn)題，本發(fā)明提出的技術(shù)方案是ー種LiDAR輔助下基于LEGION的高分辨率航空影像分割方法，包括如下步驟步驟1、激光回波強(qiáng)度影像生成——針對(duì)LiDAR點(diǎn)云數(shù)據(jù)中的每個(gè)LiDAR點(diǎn)，計(jì)算其多次回波強(qiáng)度均值作為該LiDAR點(diǎn)的回波強(qiáng)度，并對(duì)LiDAR點(diǎn)的回波強(qiáng)度數(shù)據(jù)重采樣得到與遙感影像全色波段影像空間分辨率相同的柵格形式的激光回波強(qiáng)度影像；
步驟2、影像配準(zhǔn)——將激光回波強(qiáng)度影像和遙感影像全色波段影像進(jìn)行配準(zhǔn)；步驟3、PCA影像融合——使用主成分分析法對(duì)配準(zhǔn)后的激光回波強(qiáng)度影像與遙感影像全色波段進(jìn)行影像融合，獲得融合影像；步驟4、LEGION圖像分割——對(duì)步驟3中得到的融合影像用局部興奮全局抑制振蕩網(wǎng)絡(luò)分割方法進(jìn)行圖像分割。本發(fā)明步驟2中，影像配準(zhǔn)方法是在激光回波強(qiáng)度影像和遙感影像全色波段中選取多個(gè)同名地物點(diǎn)作為控制點(diǎn)，求得兩影像之間的平移、旋轉(zhuǎn)和仿射變換的多項(xiàng)式系數(shù)，通過(guò)圖像重采樣，獲得具有相同地理坐標(biāo)的配準(zhǔn)后影像，配準(zhǔn)誤差在I個(gè)象元以內(nèi)。本發(fā)明步驟3中，PCA影像融合的具體方法如下對(duì)配準(zhǔn)的激光強(qiáng)度影像和遙感影像全色波段影像進(jìn)行主成分變換，把兩種影像中的有用信息集中到數(shù)量盡可能少的新的主成份圖像中，選取主成分變換后的第一主成分，作為進(jìn)行圖像分割的融合數(shù)據(jù)。與現(xiàn)有技術(shù)相比，本發(fā)明利用主成分分析法(PCA)融合激光回波強(qiáng)度影像和高分辨率遙感影像全色波段影像，綜合利用兩種不同數(shù)據(jù)源作為L(zhǎng)EGION分割方法的輸入數(shù)據(jù)，較好保留了 LiDAR數(shù)據(jù)和全色波段影像的特征，有效地提高了高分辨率遙感影像的分割精度。LIDAR回波強(qiáng)度影像能夠在一定程度上提供地物反射特性的信息，可以對(duì)地物的分類進(jìn)行指導(dǎo)和幫助，但存在一定噪聲。而高分辨率遙感影像全色波影像息具備清晰的空間結(jié)構(gòu)與表層紋理特征,可以分辨出地物內(nèi)部更為精細(xì)的組成,地物邊緣信息更加清楚等特點(diǎn)，但光譜特征不如中低分辨率遙感影像豐富。本發(fā)明巧妙的利用PCA方法對(duì)這兩種影像進(jìn)行融合，將變換后的第一主成分作為L(zhǎng)EGION分割的數(shù)據(jù)源，該數(shù)據(jù)源既保留了 LIDAR回波強(qiáng)度影像中關(guān)于地物光譜特征的信息，也保留了高分辨率遙感影像全色波段影像關(guān)于地物結(jié)構(gòu)特征的信息，為下一歩的LEGION分割提供了良好地?cái)?shù)據(jù)源，提高分割精度；本發(fā)明選用LEGION方法對(duì)上述融合影像進(jìn)行分割，取得了很好的分割效果。在分割結(jié)果上，其效果類似于人眼對(duì)地物的識(shí)別，尤其紋理特征比較一致的地物能夠很好地識(shí)別，如草地、廣場(chǎng)、水體、道路等，且對(duì)地物內(nèi)部的噪聲不敏感。本方法屬于生物視覺仿真模型分割算法，和其它人工神經(jīng)網(wǎng)絡(luò)分割方法相比，不需要先驗(yàn)知識(shí)，是ー種強(qiáng)分類器。和閾值法、聚類法相比，本方法不需要預(yù)先設(shè)定分類閾值，也避免了聚類法中無(wú)法精確預(yù)知分類個(gè)數(shù)的問(wèn)題，分割結(jié)果模擬人眼觀察地物的效果，考慮了地物本身的空間特性，較以上方法更抗噪性更強(qiáng)，地物一致性更好。綜上，本發(fā)明通過(guò)PCA影像融合綜合使用LIDAR數(shù)據(jù)和遙感影像全色波段的信息來(lái)進(jìn)行LEGION分割，實(shí)踐證明，該技術(shù)夠能有效地進(jìn)行遙感影像分割，得到比較滿意的分割效果。


下面結(jié)合附圖對(duì)本發(fā)明作進(jìn)ー步的說(shuō)明。圖1為L(zhǎng)IDAR回波強(qiáng)度影像。圖2為高分辨率遙感全色波段影像。圖3為圖1影像和圖2影像的融合影像。圖4為對(duì)圖3進(jìn)行Legion圖像分割結(jié)果示意圖。
具體實(shí)施例方式本實(shí)施例以某地區(qū)航空LiDAR回波強(qiáng)度數(shù)據(jù)(分辨率5m)和高分辨率遙感影像全色波段影像(分辨率0.4m)為基礎(chǔ)數(shù)據(jù)，對(duì)本發(fā)明方法進(jìn)行詳細(xì)說(shuō)明。本發(fā)明實(shí)施例LiDAR輔助下基于LEGION的高分辨率航空影像分割方法，包括如下步驟步驟1、激光回波強(qiáng)度影像生成LiDAR每個(gè)點(diǎn)云具有X、Y、Z屬性以及地物的反射強(qiáng)度信息，并且其地物反射強(qiáng)度信息可能具有多個(gè)，即LIDAR有多次回波信息。針對(duì)LiDAR點(diǎn)云數(shù)據(jù)中的每個(gè)LiDAR點(diǎn)，計(jì)算其多次回波強(qiáng)度均值作為該LiDAR點(diǎn)的回波強(qiáng)度，并對(duì)LiDAR點(diǎn)的回波強(qiáng)度數(shù)據(jù)重采樣得到與高分辨率遙感影像全色波段影像(見圖2)空間分辨率相同的柵格形式的激光回波強(qiáng)度影像。本例具體實(shí)現(xiàn)是在ENVI的BCAL LiDAR插件下完成,利用該插件的Intensitymetrics功能，在重采樣的過(guò)程中設(shè)置的分辨率為5m，即得到的最終強(qiáng)度信息分辨率為5m。再使用ENVI中的Resize Data模塊，將本處的激光回波強(qiáng)度影像分辨率與高分辨率遙感影像全色波段影像相同，為0. 4m。步驟2、影像配準(zhǔn)將激光回波強(qiáng)度影像和遙感影像全色波段影像進(jìn)行配準(zhǔn)。配準(zhǔn)后的激光回波強(qiáng)度影像參見圖1。圖像配準(zhǔn)就是將不同時(shí)間、不同傳感器(成像設(shè)備)或不同條件下(天候、照度、攝像位置和角度等)獲取的兩幅或多幅圖像進(jìn)行匹配、疊加的過(guò)程。本方法利用ArcGIS軟件(版本10. 0)中g(shù)eoreference模塊，在激光回波強(qiáng)度圖像和高分辨率遙感影像全色波段影像中選取多個(gè)同名地物點(diǎn)作為控制點(diǎn)，求得兩圖像之間的平移、旋轉(zhuǎn)和仿射變換的多項(xiàng)式系數(shù)，通過(guò)圖像重采樣，獲得具有相同地理坐標(biāo)的配準(zhǔn)后影像，配準(zhǔn)誤差在I個(gè)象元以內(nèi)。步驟3、PCA影像融合使用主成分分析法對(duì)配準(zhǔn)后的激光回波強(qiáng)度影像與遙感影像全色波段影像進(jìn)行影像融合，獲得融合影像。本步驟中，PCA影像融合的具體方法如下對(duì)配準(zhǔn)的激光回波強(qiáng)度影像和遙感影像全色波段進(jìn)行主成分變換，把兩種影像中的有用信息集中到數(shù)量盡可能少的新的主成份圖像中，選取主成分變換后的第一主成分，作為進(jìn)行圖像分割的融合數(shù)據(jù)。主成分分析(PCA)是麻省理工學(xué)院的M. Turk和A. PenUand[1]在1991年提出的方法，直到現(xiàn)在，它仍然是特征提取的有效算法之一。主成分分析法是模式識(shí)別判別分析中最常用的一種線性映射方法，該方法是由樣本點(diǎn)在多維模式空間的位置分布上，以樣本點(diǎn)在空間中變化的最大方向，即方差最大的方向，作為判別矢量以實(shí)現(xiàn)數(shù)據(jù)的特征提取與數(shù)據(jù)壓縮的。主成分變換是在主成分分析的基礎(chǔ)上，引入遙感數(shù)字圖像處理領(lǐng)域的一種壓縮和融合算法。主成份變換將各種光譜圖像均視為ー個(gè)隨機(jī)變量，在統(tǒng)計(jì)特征基礎(chǔ)上進(jìn)行的多維(多波段)的正交線性變換。融合時(shí)首先求各波段的協(xié)方差矩陣的特征值和特征向量，然后將特征向量按對(duì)應(yīng)特征值的大小從大到小排列并得到變換矩陣，最后對(duì)多波段圖像作變換，并按照應(yīng)用的目的和要求取前面幾個(gè)圖像進(jìn)行融合。
本實(shí)施例中使用ENVI 軟件(版本5. 0)中 Forward PCA Rotation NewStatistics模塊進(jìn)行主成分變換。經(jīng)過(guò)主成分變換融合后的第一主成分如圖3所示。從圖中可以看出融合后的圖像，在保留了高分辨率遙感影像中地物詳細(xì)的結(jié)構(gòu)特征的同時(shí)，豐富了地物的紋理特征，加大了不同地物在反射率上的異質(zhì)性。對(duì)于道路、水體、草地等地塊，其內(nèi)部的紋理特征更加趨于一致，內(nèi)部的噪聲減少，同時(shí)，小斑塊地物與周圍地物的差別進(jìn)一歩加大，這些都有利于取得更好的分割結(jié)果。步驟4、LEGION圖像分割對(duì)步驟3中得到的融合影像用局部興奮全局抑制振蕩網(wǎng)絡(luò)分割方法進(jìn)行圖像分害I]，分割結(jié)果見圖4。從圖中可看出對(duì)于道路、水體、草地等地塊，本方法很好地將其分割了出來(lái)，較小的地物，如路燈等，也能在大類地塊中被區(qū)分出來(lái)。房屋的屋頂結(jié)構(gòu)也能較好地刻畫，陰影等特殊的分割對(duì)象也被很好地分割了出來(lái)。除上述實(shí)施例外，本發(fā)明還可以有其他實(shí)施方式。凡采用等同替換或等效變換形成的技術(shù)方案，均落在本發(fā)明要求的保護(hù)范圍。
權(quán)利要求
1.一種LiDAR輔助下基于LEGION的高分辨率航空影像分割方法，包括如下步驟步驟1、激光回波強(qiáng)度影像生成——針對(duì)LiDAR點(diǎn)云數(shù)據(jù)中的每個(gè)LiDAR點(diǎn)，計(jì)算其多次回波強(qiáng)度均值作為該LiDAR點(diǎn)的回波強(qiáng)度，并對(duì)LiDAR點(diǎn)的回波強(qiáng)度數(shù)據(jù)重采樣得到與遙感影像全色波段影像空間分辨率相同的柵格形式的激光回波強(qiáng)度影像；步驟2、影像配準(zhǔn)——將激光回波強(qiáng)度影像和遙感影像全色波段配準(zhǔn)；步驟3、PCA影像融合——使用主成分分析法對(duì)配準(zhǔn)后的激光回波強(qiáng)度影像與遙感影像全色波段進(jìn)行融合，獲得融合影像；步驟4、LEGION圖像分割——對(duì)步驟3中得到的融合影像用局部興奮全局抑制振蕩網(wǎng)絡(luò)分割方法進(jìn)行圖像分割。
2.根據(jù)權(quán)利要求1所述LiDAR輔助下基于LEGION的高分辨率航空影像分割方法，其特征在于步驟3中，PCA影像融合的具體方法如下對(duì)配準(zhǔn)的激光強(qiáng)度影像和遙感影像全色波段進(jìn)行主成分變換，把兩種影像中的有用信息集中到數(shù)量盡可能少的新的主成份圖像中，選取主成分變換后的第一主成分，作為進(jìn)行圖像分割的融合數(shù)據(jù)。
全文摘要
本發(fā)明涉及一種LiDAR輔助下基于LEGION的高分辨率航空影像分割方法，包括以下步驟利用LiDAR激光點(diǎn)云數(shù)據(jù)生成激光回波強(qiáng)度影像；激光回波強(qiáng)度影像與遙感影像全色波段進(jìn)行配準(zhǔn)；使用主成分分析法(PCA)對(duì)配準(zhǔn)后的激光回波強(qiáng)度影像與遙感影像全色波段進(jìn)行融合，獲得融合影像；對(duì)融合影像進(jìn)行LEGION圖像分割。與現(xiàn)有技術(shù)相比，本發(fā)明利用主成分分析法(PCA)融合激光回波強(qiáng)度影像和高分辨率遙感影像全色波段，綜合利用兩種不同數(shù)據(jù)源作為L(zhǎng)EGION分割方法的輸入數(shù)據(jù)，較好保留了LiDAR數(shù)據(jù)和全色波段影像的特征，有效地提高了高分辨率遙感影像的分割精度。本發(fā)明綜合使用LiDAR數(shù)據(jù)和遙感影像的信息來(lái)進(jìn)行LEGION分割，實(shí)踐證明，該技術(shù)夠能有效地進(jìn)行遙感影像分割，得到滿意的分割效果。
文檔編號(hào)G06T7/00GK103035006SQ201210541289
公開日2013年4月10日 申請(qǐng)日期2012年12月14日 優(yōu)先權(quán)日2012年12月14日
發(fā)明者程亮, 汪業(yè)成, 李滿春, 劉永學(xué), 李飛雪, 陳振杰, 黃秋昊, 陳東, 童禮華 申請(qǐng)人:南京大學(xué)