基于波段選擇的高光譜遙感影像矢量c-v模型分割方法
【專利摘要】本發(fā)明公開一種基于波段選擇的高光譜遙感影像矢量C-V模型分割方法，首先根據(jù)光譜曲線選擇目標(biāo)與背景對比度較大的波段，并進(jìn)一步通過波段相關(guān)系數(shù)，去除其中相關(guān)性較大的波段形成新的波段組合，進(jìn)而根據(jù)所確定的波段組合構(gòu)建高光譜影像矢量矩陣；在此基礎(chǔ)上，構(gòu)造基于該矢量矩陣的矢量C-V分割模型，模型中通過引入基于梯度的邊緣引導(dǎo)函數(shù)，在保留傳統(tǒng)C-V模型基于區(qū)域信息進(jìn)行影像分割的基礎(chǔ)上，通過利用影像的邊緣細(xì)節(jié)信息，增強(qiáng)了在異質(zhì)區(qū)域和復(fù)雜背景情況下對目標(biāo)邊界的捕捉能力，提高了對高光譜遙感影像的分割精度和速度。
【專利說明】基于波段選擇的高光譜遙感影像矢量C-V模型分割方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于高光譜遙感影像數(shù)據(jù)分割方法，尤其是一種適用于對異質(zhì)區(qū)域和復(fù)雜背景情況下的高光譜遙感影像進(jìn)行快速準(zhǔn)確分割的基于波段選擇的高光譜遙感影像分割矢量C-V模型分割方法。
【背景技術(shù)】
[0002]成像光譜學(xué)的快速發(fā)展，使遙感技術(shù)進(jìn)入到高光譜遙感階段。高光譜圖像可以看作是由二維空間維和一維光譜維構(gòu)成的三維立體圖像，其中每一幅二維圖像描述了地表的空間特征，而光譜維揭示了圖像每一像素的光譜曲線特征。高光譜圖像的特性與自然圖像不同，具有數(shù)據(jù)量大、光譜分辨率高、空間分辨率相對較低、形狀結(jié)構(gòu)和細(xì)微結(jié)構(gòu)部分復(fù)雜多樣以及地物類型較為豐富的特點(diǎn)，因此高光譜遙感影像分割具有如下難題:一方面高光譜遙感影像包含了豐富地物信息的同時也存在很多冗余，直接利用上百個波段的空間信息進(jìn)行矢量C-V模型分割，會使計算量極大，影響算法的效率；另一方面，高光譜遙感影像的對象和背景沒有明顯的邊緣，只依靠對象與背景分界處的梯度信息對圖像進(jìn)行分割很難達(dá)到理想的分割效果；而依靠圖像中的區(qū)域信息也很難達(dá)到理想的分割效果。

【發(fā)明內(nèi)容】

[0003]本發(fā)明是為了解決現(xiàn)有技術(shù)所存在的上述技術(shù)問題，提供一種適用于對異質(zhì)區(qū)域和復(fù)雜背景情況下的高光譜遙感影像進(jìn)行快速準(zhǔn)確分割的基于波段選擇的高光譜遙感影像分割矢量C-V模型分割方法。
[0004]本發(fā)明的技術(shù)解決方案是:一種基于波段選擇的高光譜遙感影像矢量C-V模型分割方法，其特征在于按如下步驟進(jìn)行·:
a.根據(jù)光譜曲線選擇目標(biāo)與背景對比度較大的波段，并進(jìn)一步通過波段相關(guān)系數(shù)，去除其中相關(guān)性較大的波段形成新的波段組合，根據(jù)所確定的波段組合構(gòu)建高光譜影像矢量矩陣；
b.構(gòu)造基于該矢量矩陣的矢量C-V分割模型，模型中通過引入基于梯度的邊緣引導(dǎo)函數(shù)，在保留傳統(tǒng)C-V模型基于區(qū)域信息進(jìn)行影像分割的基礎(chǔ)上，通過利用影像的邊緣細(xì)節(jié)信息，演化能量函數(shù)達(dá)到極小值為止，從而得到影像最終分割信息。
[0005]所述a步驟是用3和#分別代表目標(biāo)像元和背景像元，將所有波段在
像兀和及處所對應(yīng)的灰度值分別記為GA、GB ' ^ = ( GJirGAr--MJiJ和(?=(0%備:，一，65,;),其中11為波段數(shù)，則第1波段像元^|處的對比度差異可以表示為Gd1-CJS, I ,設(shè)定閾值:? =65，通過下列式選擇出目標(biāo)與背景對比度大的波段:
I Cl-1j - GBi |> T1 ;
對所選擇的波段影像，將第I個波段的影像作為關(guān)鍵幀影像；依次計算其后續(xù)的影像與該影像的相關(guān)系數(shù)，直到遇到相關(guān)系數(shù)小于事先確定閾值^；的影像，并將該影像其作為新的關(guān)鍵幀影像；
相關(guān)系數(shù)計算如下:設(shè)X和y為兩個不同的波段影像數(shù)據(jù)，?和f分別為對應(yīng)的均值，I和:T的相關(guān)系數(shù)定義如下，當(dāng)Rxy> T2,，T2 =65時，去除該波段:
【權(quán)利要求】
1.一種基于波段選擇的高光譜遙感影像矢量C-V模型分割方法，其特征在于按如下步驟進(jìn)行: a.根據(jù)光譜曲線選擇目標(biāo)與背景對比度較大的波段，并進(jìn)一步通過波段相關(guān)系數(shù)，去除其中相關(guān)性較大的波段形成新的波段組合，根據(jù)所確定的波段組合構(gòu)建高光譜影像矢量矩陣； b.構(gòu)造基于該矢量矩陣的矢量C-V分割模型，模型中通過引入基于梯度的邊緣引導(dǎo)函數(shù)，在保留傳統(tǒng)C-V模型基于區(qū)域信息進(jìn)行影像分割的基礎(chǔ)上，通過利用影像的邊緣細(xì)節(jié)信息，演化能量函數(shù)達(dá)到極小值為止，從而得到影像最終分割信息。
2.根據(jù)權(quán)利要求1所述的基于波段選擇的高光譜遙感影像矢量C-V模型分割方法，其特征在于所述a步驟是用W和#分別代表目標(biāo)像元和背景像元，將所有波段在像元3和5處所對應(yīng)的灰度值分別記為
3.根據(jù)權(quán)利要求2所述的基于波段選擇的高光譜遙感影像矢量C-V模型分割方法，其特征在于所述b步驟構(gòu)造基于該矢量矩陣的矢量C-V分割模型如下:
【文檔編號】G06T7/00GK103854281SQ201310729980
【公開日】2014年6月11日 申請日期:2013年12月26日 優(yōu)先權(quán)日:2013年12月26日
【發(fā)明者】王相海, 方玲玲, 宋傳鳴, 周夏 申請人:遼寧師范大學(xué)