一種基于尺度間映射的高分辨率遙感影像分割方法
【專利摘要】本發(fā)明公開一種基于尺度間映射的高分辨率遙感影像分割方法，針對對象級變化檢測中涉及的地理對象提取，提出了基于小波變換與改進(jìn)JSEG算法的高分辨率遙感影像多尺度分割方法；針對傳統(tǒng)JSEG算法在高分辨率遙感影像分割中影響分割精度的關(guān)鍵問題，采取了相應(yīng)的改進(jìn)策略并取得了良好的效果。引入了小波變換作為多尺度分析工具，放棄了傳統(tǒng)JSEG算法過于粗糙的顏色量化，以盡量保留原始影像中的細(xì)節(jié)信息。進(jìn)而建立了新穎的尺度間分割結(jié)果映射機(jī)制，使當(dāng)前尺度不僅基于上一尺度的分割結(jié)果進(jìn)行圖像分割，并且實(shí)現(xiàn)了對上一尺度分割結(jié)果的修正，從而有效減少了尺度間分割誤差的積累。最后，提出了改進(jìn)的多尺度分割策略及區(qū)域合并策略，有效減少了過分割現(xiàn)象及誤合并現(xiàn)象。
【專利說明】一種基于尺度間映射的高分辨率遙感影像分割方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于尺度間映射的高分辨率遙感影像分割方法，屬于遙感影像分 割【技術(shù)領(lǐng)域】。

【背景技術(shù)】
[0002] 與普通圖像相比，遙感影像具有多波段、地物種類眾多、紋理特征豐富、多尺度、覆 蓋范圍寬廣等特點(diǎn)。首先，遙感影像通常包含了多個波段的數(shù)據(jù)，使得傳統(tǒng)單波段的影像分 割方法很難直接應(yīng)用于多光譜或高光譜遙感影像分割中；另外，遙感影像通常包含了豐富 的紋理信息，能夠綜合反映各種地物復(fù)雜的空間結(jié)構(gòu)特征，使得有效的抽取和表述對象的 紋理特征更加困難；再者，遙感影像通常覆蓋范圍廣泛的區(qū)域，尺寸大，云層遮蓋、地物陰影 等干擾因素眾多，因此需要更加高效的影像分割，有時還需要引入先驗(yàn)知識提高分割精度； 最后，遙感影像中的地物通常表現(xiàn)出多尺度特征，即多尺度的影像分割能夠提取對象在不 同尺度下的空間結(jié)構(gòu)特征。這些原因都造成了成功分割遙感影像的困難，也使遙感影像分 割領(lǐng)域始終充滿了發(fā)展的動力。
[0003] 近三十年來，學(xué)者們對遙感影像分割及其應(yīng)用展開了廣泛而深入的研究。例如， Laprade等人提出了基于分裂及合并的分割算法，其主要思想為利用F檢驗(yàn)判斷區(qū)域的均 質(zhì)程度，并成功應(yīng)用于針對航空遙感影像的圖像分割。Pan等提出將分水嶺分割算法與Mean Shift聚類方法相結(jié)合，并利用小波變換進(jìn)行多尺度分割，在衛(wèi)星遙感影像中取得了良好的 效果。Dong等人利用相鄰像素間的光譜相似性，提出了基于高斯--馬爾科夫模型（GMRF， Gauss-MRF)的SAR影像分割算法，并與Gamma-MRF模型的Radar分割算法進(jìn)行了比較。需 要指出的是，盡管目前遙感影像分割算法很多，但針對高分辨率遙感影像的圖像分割研究 依然在針對性及系統(tǒng)性方面存在諸多不足。
[0004] 空間分辨率的提高帶來了更加豐富的光譜信息及紋理、形狀等空間信息，同時也 帶來了同種地物可分性增加，而不同種類地物可分性降低等問題，即更加突出的"同譜異 物"、"同物異譜"現(xiàn)象，這些都給高分辨率遙感影像分割帶來了新的挑戰(zhàn)。Deng等提出的 JSEG算法綜合考慮了影像的光譜信息與紋理特征，對區(qū)域彩色紋理特征的同質(zhì)性具有強(qiáng)大 的檢測能力。JSEG算法對各種自然場景具有很強(qiáng)的魯棒性，并已成功應(yīng)用于遙感影像分割 領(lǐng)域。但JSEG算法也存在一些固有的局限，例如結(jié)果容易產(chǎn)生過分割；分割結(jié)果中不同目 標(biāo)間分界不明顯及容易受到陰影等干擾因素的影響等。
[0005] 針對這些問題，學(xué)者已提出了一些改進(jìn)的JSEG方法：Zheng等利用模糊控制對影 像量化過程進(jìn)行了優(yōu)化，所有的像素根據(jù)隸屬度函數(shù)被劃分為不同的類，更好的保持了顏 色信息的空間分布特征，減弱了過分割現(xiàn)象。Chang等提出了利用影像中原始像素的彩色信 息代替量化影像的IC-JSEG算法，在自然場景中獲得了更好的分割結(jié)果。Komati等提出了 三種改進(jìn)版本的 JSEG 算法：Fractal-JSEG、Fractal-only 和 Local Fractal Dimension。 前兩種方法主要提高了分割結(jié)果中不同目標(biāo)間邊界區(qū)域的檢測精度，第三種方法主要針對 影像中前景目標(biāo)與背景區(qū)域具有相似光譜信息與紋理特征的應(yīng)用場合。上述方法均取得了 不同程度的改進(jìn)效果，但算法僅適用于普通圖像的分割。在遙感影像分割領(lǐng)域，盡管改進(jìn)的 JSEG算法在中低分辨率遙感影像中已取得了較為理想的效果，但鮮見JSEG算法在高分辨 率遙感影像分割中的應(yīng)用研究。
[0006] 鑒于JSEG算法固有的局限性及高分辨率遙感影像尤其在城市場景中多變的生態(tài) 環(huán)境和各種人造目標(biāo)給影像分割造成的困難，直接采用JSEG算法很難取得滿意的效果。


【發(fā)明內(nèi)容】

[0007] 發(fā)明目的：針對現(xiàn)有技術(shù)中存在的問題，在影像量化、區(qū)域分割以及區(qū)域合并三個 方面對JSEG算進(jìn)行了改進(jìn)，本發(fā)明提出了一種基于尺度間映射的高分辨率遙感影像分割 算法。
[0008] 技術(shù)方案：一種基于尺度間映射的高分辨率遙感影像分割方法，主要分為三個步 驟：量化與小波變換、多尺度分割、區(qū)域合并。
[0009] 量化與小波變換
[0010] 首先對高分辨率遙感影像進(jìn)行量化與小波變換。在影像量化過程將采用模糊C均 值聚類（FCM，F(xiàn)uzzy C-Means)方法，F(xiàn)CM的實(shí)現(xiàn)過程如下：
[0011] 設(shè)Z =彳不，A，…，U c F，其中，Rp是P維向量空間，N為樣本總數(shù)。設(shè)Uik為第k 個樣本屬于第i類的隸屬度，c為分類的總數(shù)，且滿足'

【權(quán)利要求】
1. 一種基于尺度間映射的高分辨率遙感影像分割方法，其特征在于，主要分為三個步 驟：量化與小波變換、多尺度分割、區(qū)域合并； 量化與小波變換 首先對高分辨率遙感影像進(jìn)行量化與小波變換；在影像量化過程將采用模糊C均值聚 類（FCM，F(xiàn)uzzy C-Means)方法，F(xiàn)CM的實(shí)現(xiàn)過程如下： 設(shè)，U C= ，其中，Rp是P維向量空間，N為樣本總數(shù)；設(shè)Uik為第k個
其中，dik為樣本k與Vi之間的歐式距離，m為加權(quán)指數(shù)，取m = 2 ;進(jìn)而FCM算法轉(zhuǎn)化 為求公式（3.2)的極小值min {J(U，V)};基于公式（3. 2)，利用拉格朗日條件極值法更新隸 屬度矩陣和聚類中心，公式如下： 更新隸屬度矩陣：
具體聚類過程如下： St印1 :設(shè)定分類總數(shù)c及停止迭代的誤差閾值Te，且Te > O ; St印2 :取隨機(jī)數(shù)s e [0, 1]，初始化隸屬度矩陣，定位為U?，且矩陣中元素滿足
Step3 :定義迭代步數(shù)t = 1，2, ? ? ?，并進(jìn)行迭代計(jì)算； St印4 :利用公式（3. 3)更新隸屬度U(t+1); Step5 :利用式（3.4)更新聚類中心V廠、 St印6 :利用公式（3.2)計(jì)算 J(D(t)，C(t))和 J(D(t+1)，C(t+1))，當(dāng)滿足 J(D(t+1)，C(t+1))-J(D(t)，C(t)) I < Te時停止迭代，將此時的V(t+1)作為FCM的最優(yōu)聚類中心， 以和作為最優(yōu)FCM劃分和最優(yōu)聚類中心；反之，t = t+1，重復(fù)St印4 ; 將原始影像壓縮為256個灰度級的Sbit量化影像，即令公式（3. 2)中c = 256 ; 在此基礎(chǔ)上，首先采用小波變換對量化影像進(jìn)行分解，并對分解后獲得的低頻影像序 列計(jì)算多尺度J-image影像，實(shí)現(xiàn)由粗到精的多尺度分割；分解次數(shù)N可根據(jù)圖像尺寸及具 體應(yīng)用場合設(shè)定；Haar小波尺度函數(shù)的定義如下：
公式（3. 6)中，i為平移參數(shù)，控制函數(shù)沿X軸平移；j為尺度參數(shù)，控制圖像的縮小或 放大； 多尺度分割 "多尺度"是指采用同一特定尺寸為MXM像素的窗口分別計(jì)算原始影像及全部低頻圖 像對應(yīng)的J-image ;定義低頻影像序列Sj (j = 1，2. . . N)，原始影像為Sci ;多尺度分割具體步 驟如下： St印1 :設(shè)定特定窗口尺寸為MXM像素，基于該窗口利用公式J= (St-Sw)/Sw計(jì)算Stl及 SjU = 1，2. .. N)對應(yīng)的J-image ;多尺度分割在空間分辨率最低的Sn中開始； Step2 :在Sn對應(yīng)的J-image中確定種子區(qū)域；首先設(shè)定閾值a = 利用公式（3. 1)計(jì) 算閾值Tn，所有J-value小于Tn的像素作為候選種子點(diǎn)，通過4-connectivity方法連接種 子點(diǎn)形成候選種子區(qū)域；若候選種子區(qū)域大于MXM像素，則構(gòu)成一個種子區(qū)域；對剩余的 非種子區(qū)域像素，設(shè)定閾值a = a2，且滿足&2〈&1，利用公式（3.1)計(jì)算閾值T' N，采用相同 的方法形成新的候選種子區(qū)域；種子區(qū)域確定后，對剩余非種子區(qū)域的像素按照J(rèn)-value 由小到大，逐個并入與其相鄰的種子區(qū)域，直到所有像素計(jì)算完畢，從而獲得當(dāng)前尺度下的 分割結(jié)果； St印3 :將Sn中獲得的分割結(jié)果根據(jù)坐標(biāo)直接映射到Sim對應(yīng)的J-image中，并且對映 射結(jié)果在Sim中進(jìn)行修正；由于空間分辨率的提高，Sn中提取的邊界映射到Sim中對應(yīng)的是 一個塊狀邊界區(qū)域K，定義為"疑似邊界區(qū)域";首先將K分割得到的區(qū)域L作為一個種子區(qū) 域；對K中像素作為非種子區(qū)域像素，按照像素的J-value從小到大逐個并入與其相鄰的種 子區(qū)域，獲得最終的映射結(jié)果； Step4 :首先對在Sim中由映射結(jié)果提取的每一個對象判別其在當(dāng)前尺度下是否需要 分割，以保證已經(jīng)提取的對象不會被進(jìn)一步過分割；自適應(yīng)判別準(zhǔn)則為：設(shè)Ra為待分割的 某一對象，利用公式J = (St-Sw) /Sw計(jì)算對象Ra對應(yīng)的J-value為JA，St為窗口中所有像 素的總體方差，SwS窗口中屬于同一灰度級像素的方差的和；取a = ，利用公式（3. 1)計(jì) 算閾值Ta ;若滿足JaCTa，則認(rèn)為區(qū)域Ra在當(dāng)前尺度下內(nèi)部均質(zhì)度較高，可視為一個完整目 標(biāo)，無需分割，直接映射到下一尺度；反之，則需要進(jìn)行分割；對所有需要分割的對象重復(fù) St印2的操作，直到當(dāng)前尺度分割完畢； St印5 :重復(fù)St印3到St印4的操作，直至Stl計(jì)算完畢；為了避免欠分割現(xiàn)象，在S。中 對映射獲得的所有的對象都進(jìn)行分割，因此對某一對象Ra不再計(jì)算Ja，其他均與Step 4相 同。 區(qū)域合并 對于分割后產(chǎn)生的碎片區(qū)域，首先采用彩色直方圖準(zhǔn)則進(jìn)行判別，對符合判別準(zhǔn)則的 區(qū)域采用顏色標(biāo)準(zhǔn)差準(zhǔn)則進(jìn)行二次判別： 首先利用彩色直方圖描述量化影像中的各個區(qū)域；對任意兩個相鄰區(qū)域Ra和Rb，計(jì)算 兩個直方圖間的歐式距離Dh ;公式如下： Dh (A, B) = I I pA-pB I I (3. 7) Pa和Pb分別是區(qū)域RA、Rb的彩色直方圖向量；設(shè)定的閾值T H，當(dāng)Dh彡Th時，進(jìn)行下一 步判別；否則，不進(jìn)行合并；定義了一種顏色標(biāo)準(zhǔn)差準(zhǔn)則如下：定義Dm1ot :
RD、RE為符合彩色直方圖準(zhǔn)則的兩個相鄰待合并區(qū)域，q為遙感影像的波段總數(shù)，b為波 段號，nD和nE分別為區(qū)域RD、Re所包含的像素?cái)?shù)，〇 Db、〇 Eb、〇 b_mOTg6分別為區(qū)域RD、Re以及 合并后區(qū)域的標(biāo)準(zhǔn)差；單一波段下的標(biāo)準(zhǔn)差定義如下：
其中，U為區(qū)域像素均值，Pi為像素值為i的像素所占的比重。通過公式（3. 8)可以 看出，與彩色直方圖準(zhǔn)則相比，Dm1ot進(jìn)一步計(jì)算了原始影像中所有波段的顏色信息；因此， 不同對象即使具有相似的彩色直方圖分布，但其顏色標(biāo)準(zhǔn)差距離會很大，從而有效避免誤 合并現(xiàn)象。設(shè)定區(qū)間Tc，若Dm1ot e Tc，則合并區(qū)域RD、RE ;區(qū)域合并采用區(qū)域鄰接圖（Region Adjacency Graphics, RAG)方法；合并策略如下： Stepl :從圖像的分割結(jié)果中生成Region Adjacency Graphics ; St印2 :對于每個對象Ra，從RAG中確定所有Rb，若Ra與Rb鄰接； Step3 :對于所有^與馬，分別利用上文的區(qū)域合并準(zhǔn)則進(jìn)行判別；若滿足條件，則進(jìn)行 合并； St印4 :更新區(qū)域鄰接圖，重復(fù)St印1至St印3,直到?jīng)]有合并的區(qū)域?yàn)橹?，從而得到?終分割結(jié)果。
【文檔編號】G06K9/62GK104361589SQ201410634827
【公開日】2015年2月18日 申請日期:2014年11月12日 優(yōu)先權(quán)日:2014年11月12日
【發(fā)明者】王超, 石愛業(yè), 王鑫, 吳方明, 黃鳳辰, 徐立中 申請人:河海大學(xué)