一種遙感影像欠分割對象自動(dòng)識(shí)別方法
【專利摘要】本發(fā)明公開了一種遙感影像欠分割對象識(shí)別方法，包括如下步驟：對圖像進(jìn)行數(shù)據(jù)降維獲取分割對象；將所述分割對象進(jìn)行聚類；根據(jù)聚類計(jì)算所述分割對象的混雜度指標(biāo)；根據(jù)所述混雜度指標(biāo)在所述分割對象中識(shí)別欠分割對象。本發(fā)明的判定方法結(jié)合空間紋理和光譜維信息，所得到的圖像分割結(jié)果更符合真實(shí)地物的分布情況，提高了識(shí)別欠分割對象的速度和識(shí)別結(jié)果的準(zhǔn)確率。
【專利說明】一種遙感影像欠分割對象自動(dòng)識(shí)別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于遙感數(shù)據(jù)處理領(lǐng)域，涉及一種高分辨率遙感影像欠分割對象自動(dòng)識(shí)別方法。
【背景技術(shù)】
[0002]圖像分割是計(jì)算機(jī)視覺研究中的一個(gè)經(jīng)典難題，是實(shí)現(xiàn)圖像對象信息提取的重要環(huán)節(jié)，通過圖像分割生成圖像對象后，進(jìn)一步的圖像分析(例如面向?qū)ο蟮奶卣魈崛『湍繕?biāo)識(shí)別與圖像分類)與理解才能展開。所以，圖像分割的好壞將直接影響到后續(xù)的圖像分析精度。如何高效準(zhǔn)確地使分割效果與實(shí)際地物相匹配已成為圖像理解領(lǐng)域關(guān)注的一個(gè)熱點(diǎn)。
[0003]目前，圖像分割技術(shù)主要可分為包括基于區(qū)域的分割技術(shù)、基于邊緣的分割技術(shù)和兩者結(jié)合在內(nèi)的傳統(tǒng)圖像分割方法，以及與特定理論結(jié)合的圖像分割方法，包括基于數(shù)學(xué)形態(tài)學(xué)、模糊理論集、神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)、小波分析和多尺度圖像分割等等分割方法。雖然眾多新方法已經(jīng)在原基礎(chǔ)上不斷改進(jìn)以避免圖像分割的欠分割和過分割帶來的矛盾，但仍沒有一個(gè)通用的分割方法可以解決圖像局部欠分割的問題。由于分割對象是圖像后續(xù)信息提取和目標(biāo)識(shí)別的最小單位，若存在欠分割現(xiàn)象將給后續(xù)圖像處理帶來不可逆轉(zhuǎn)的誤差。
[0004]以往對于欠分割現(xiàn)象的改善方法大多是在圖像分割方法本身做改進(jìn)以減少欠分割現(xiàn)象，或通過以增加圖像計(jì)算量為代價(jià)把圖像做過分割處理以保證最小對象的純度。這些方法在減少欠分割現(xiàn)象的同時(shí)，又增添了其他矛盾(例如增加了進(jìn)行圖像分割的時(shí)間成本和后續(xù)建立圖像分類規(guī)則的復(fù)雜化)。也有從分割對象角度為研究出發(fā)點(diǎn)，通過光譜值來聚類，適合于聚成兩類的判定為欠分割對象，否則為單一對象。但該方法無法解釋對象紋理形似斑馬線狀或明暗交織的灌木叢實(shí)為單一對象卻被判為欠分割對象的情況。

【發(fā)明內(nèi)容】

[0005]本發(fā)明克服現(xiàn)有技術(shù)中圖像分割計(jì)算量大、分割過程中易產(chǎn)生其他矛盾以及產(chǎn)生錯(cuò)誤的欠分割對象等缺陷，提出了一種基于對象紋理混雜度的高分辨率遙感影像欠分割對象識(shí)別方法。
[0006]本發(fā)明提出了一種遙感影像欠分割對象識(shí)別方法，包括如下步驟:步驟a.對圖像進(jìn)行數(shù)據(jù)降維，獲取分割對象；步驟b.將所述分割對象中的像元進(jìn)行聚類；步驟c.根據(jù)聚類計(jì)算所述分割對象的混雜度指標(biāo)(MD, Mixed Degree);步驟d.根據(jù)所述混雜度指標(biāo)在所述分割對象中識(shí)別欠分割對象。
[0007]本發(fā)明提出的遙感影像欠分割對象識(shí)別方法中，所述步驟a包括:al.通過主成分變換壓縮所述圖像得到待處理的波段與分割對象信息；a2.根據(jù)所述分割對象信息分割所述圖像；a3.篩選分割后的圖像得到分割對象。
[0008]本發(fā)明提出的遙感影像欠分割對象識(shí)別方法中，所述步驟b包括:bl.確定所述分割對象的像元值的初始聚類中心C1，C2 ；b2.對所述初始聚類中心進(jìn)行Kmeans聚類，得到類別Ul與類別U2。
[0009]本發(fā)明提出的遙感影像欠分割對象識(shí)別方法中，所述初始聚類中心如下式表示:
[0010]
【權(quán)利要求】
1.一種遙感影像欠分割對象識(shí)別方法，其特征在于，包括如下步驟: 步驟a.對圖像進(jìn)行數(shù)據(jù)降維獲取分割對象； 步驟b.將所述分割對象的像元值進(jìn)行聚類； 步驟c.根據(jù)聚類計(jì)算所述分割對象的混雜度指標(biāo)； 步驟d.根據(jù)所述混雜度指標(biāo)在所述分割對象中識(shí)別欠分割對象。
2.如權(quán)利要求1所述的遙感影像欠分割對象識(shí)別方法，其特征在于，所述步驟a包括: al.通過主成分變換壓縮所述圖像得到待處理的波段與分割對象信息； a2.根據(jù)所述分割對象信息分割所述圖像； a3.篩選分割后的圖像得到分割對象。
3.如權(quán)利要求1所述的遙感影像欠分割對象識(shí)別方法，其特征在于，所述步驟b包括: bl.確定所述分割對象的像元值的初始聚類中心Cl，C2 ; b2.對所述初始聚類中心進(jìn)行Kmeans聚類，得到類別Ul與類別U2。
4.如權(quán)利要求3所述的遙感影像欠分割對象識(shí)別方法，其特征在于，所述初始聚類中心如下式表示:
5.如權(quán)利要求3所述的遙感影像欠分割對象識(shí)別方法，其特征在于，所述Kmeans聚類包括如下步驟: b21.分別計(jì)算像元與所述初始聚類中心C1，C2之間的距離，若所述像元與初始聚類中心Cl的距離ril小于像元與初始聚類中心C2的距離ri2，則該像元?dú)w入類別U1，否則該像元?dú)w入類別U2 ； b22.利用均值方法重新計(jì)算類別Ul和類別U2的中心，若計(jì)算前后的中心保持不變則執(zhí)行下一步驟，否則重新開始執(zhí)行步驟b21。
6.如權(quán)利要求1所述的遙感影像欠分割對象識(shí)別方法，其特征在于，所述步驟b2之后進(jìn)一步包括:b3.對聚類后的所述類別Ul作數(shù)學(xué)形態(tài)學(xué)的開啟閉合操作，去除椒鹽點(diǎn)噪聲的干擾。
7.如權(quán)利要求1所述的遙感影像欠分割對象識(shí)別方法，其特征在于，所述步驟c包括: Cl.在所述圖像上疊加網(wǎng)格圖，所述網(wǎng)格圖的尺寸為所述圖像的一半； c2.統(tǒng)計(jì)每個(gè)網(wǎng)格內(nèi)原始像元數(shù)信息；所述原始像元數(shù)信息包括網(wǎng)格內(nèi)背景值像元數(shù)TO、網(wǎng)格內(nèi)類別Ul的像元數(shù)Tl和網(wǎng)格內(nèi)類別U2的像元數(shù)T2 ； c3.根據(jù)所述原始像元數(shù)信息計(jì)算純像元網(wǎng)格數(shù)和混合像元網(wǎng)格數(shù)； c4.根據(jù)所述純像元網(wǎng)格數(shù)和混合像元網(wǎng)格數(shù)計(jì)算混雜度指標(biāo)。
8.如權(quán)利要求7所述的遙感影像欠分割對象識(shí)別方法，其特征在于，所述步驟c3中當(dāng)網(wǎng)格內(nèi)τ?=0，Τ2關(guān)O或Tl關(guān)O，Τ2=0時(shí)，該網(wǎng)格是純網(wǎng)格，其純像元網(wǎng)格數(shù)Pure_i如下式表不:1—TO
9.如權(quán)利要求7所述的遙感影像欠分割對象識(shí)別方法，其特征在于，所述混雜度指標(biāo)如以下公式所示:
10.如權(quán)利要求1所述的遙感影像欠分割對象識(shí)別方法，其特征在于，所述步驟d包括: dl.按所述混雜度指標(biāo)對所述分割對象進(jìn)行升序排序； d2.設(shè)定閾值，將序號(hào)小于閾值的分割對象作為欠分割對象。
【文檔編號(hào)】G06K9/00GK103778413SQ201410020193
【公開日】2014年5月7日 申請日期:2014年1月16日 優(yōu)先權(quán)日:2014年1月16日
【發(fā)明者】殷瑞娟, 施潤和, 李鏡堯 申請人:華東師范大學(xué)