利用區(qū)域分裂技術(shù)的遙感影像分割方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及遙感影像分割方法領(lǐng)域，具體是一種利用區(qū)域分裂技術(shù)的遙感影像分 割方法。
【背景技術(shù)】
[0002] 圖像分割作為圖像自動(dòng)解譯應(yīng)用的重要組成部分，其中，遙感影像的自動(dòng)解譯的 業(yè)務(wù)化應(yīng)用在船舶導(dǎo)航和氣候研宄中意義重大。遙感影像具有清晰度高，信息量大等特性， 其中合成孔徑雷達(dá)還具有全天時(shí)、全天候的特性，如今已廣泛應(yīng)用到了環(huán)境監(jiān)測(cè)和軍事等 各個(gè)領(lǐng)域。但是由于遙感影像的成像過程中，會(huì)受到種種因素的影響，比如成像系統(tǒng)的特性 (其中入射角和相干斑噪聲影響較大）、環(huán)境因素（其中季節(jié)、天氣的不同，風(fēng)場(chǎng)的不同影響 較大）還有場(chǎng)景自身的特性（其中表面粗糙度，體結(jié)構(gòu)影響較大）等等，所以真實(shí)遙感影像 的內(nèi)在離散場(chǎng)具有非平穩(wěn)性，尤其是復(fù)雜場(chǎng)景結(jié)構(gòu)的遙感影像，并不具有全局平穩(wěn)性。因此 對(duì)于遙感影像的分割必須考慮到這些因素的影響。
[0003] 已有的圖像分割算法分為監(jiān)督和非監(jiān)督兩大類，但是對(duì)于遙感影像，因?yàn)槭苡?xùn)練 樣本數(shù)量的限制和成像的非平穩(wěn)性，通常都采用非監(jiān)督的方法。上世紀(jì)七八十年代，就有 Otsu和Jain等單純地利用特征的分割方法如直方圖閾值或者聚類技術(shù)，但因?yàn)檫b感影像 中受到相干斑噪聲的影響，這些方法經(jīng)常會(huì)產(chǎn)生嚴(yán)重的有噪結(jié)果。后來，學(xué)者們漸漸地再 算法中利用上了空間語(yǔ)境信息，其中有1998年Haris等人提出的基于區(qū)域分裂與合并的方 法，該方法能夠集成多種區(qū)域性特征，降低噪聲的影響。但是很難找到一個(gè)準(zhǔn)確的終止準(zhǔn) 貝1J，常會(huì)出現(xiàn)過分割或欠分割現(xiàn)象嚴(yán)重。后來2003年Nguyen提出了基于邊緣的方法，它能 較好地解決圖像的非平穩(wěn)性，較好地描述圖像的局部信息，但是不能有效地生成全局的有 意義的結(jié)果。
[0004] 近些年來，對(duì)于遙感影像的分割，基于模型的方法得到了較好的發(fā)展和應(yīng)用，其中 最常用的模型是MRF (馬爾科夫隨機(jī)場(chǎng)）。MRF方法能以統(tǒng)計(jì)最優(yōu)方式考慮遙感影像斑點(diǎn)噪 聲的本質(zhì)，同時(shí)為正則化提供有效的空間語(yǔ)境模型。傳統(tǒng)的MRF方法同時(shí)利用了特征模型 和空間語(yǔ)境模型，但是其模型參數(shù)為全局估計(jì)。這對(duì)于具有非平穩(wěn)性的遙感影像的處理是 受限的。為此，Deng(2005)和Yu等人（2008)，在傳統(tǒng)的MRF模型中合理地利用了邊緣強(qiáng) 度，改善了空間語(yǔ)境模型對(duì)遙感圖像非平穩(wěn)性的適應(yīng)性。但是面對(duì)復(fù)雜場(chǎng)景的遙感圖像，這 種方法沒有考慮到場(chǎng)景的尺度依賴性，對(duì)所有尺度的場(chǎng)景都是由全局參數(shù)來控制。而全局 參數(shù)都是所有尺度場(chǎng)景的一種折中考慮，對(duì)于局部區(qū)域的分割都是不精確的。因此，在復(fù)雜 場(chǎng)景的遙感影像分割中，必須要加入與復(fù)雜場(chǎng)景相適應(yīng)的局部尺度權(quán)值。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是提供一種利用區(qū)域分裂技術(shù)的遙感影像分割方法，以解決現(xiàn)有技 術(shù)所存在的不足之處，依據(jù)場(chǎng)景中不同區(qū)域?qū)ο蟮某叨?，自適應(yīng)調(diào)整對(duì)應(yīng)空間語(yǔ)境模型中 的尺度權(quán)值，充分考慮不同尺度區(qū)域?qū)臻g語(yǔ)境模型的影響，從而提高復(fù)雜場(chǎng)景遙感影像 的分割精度。
[0006] 為了達(dá)到上述目的，本發(fā)明所采用的技術(shù)方案為：
[0007] 利用區(qū)域分裂技術(shù)的遙感影像分割方法，具體過程如下：
[0008] (1)、遙感影像過分割與區(qū)域鄰接圖表示：對(duì)輸入的遙感影像進(jìn)行分水嶺過分割， 產(chǎn)生許多小區(qū)域，每個(gè)區(qū)域具有相對(duì)一致的后向散射值；每個(gè)區(qū)域R由一組位置S k構(gòu)成，這 些位置屬于該區(qū)域；把各位置的特征矢量{Ys| s e S1J平均到一個(gè)特征矢量Yk，并用特定的 數(shù)據(jù)結(jié)構(gòu)區(qū)域鄰接圖RAG描述圖像，鄰接圖的節(jié)點(diǎn)由一組區(qū)域R構(gòu)成，它的邊代表每一對(duì)鄰 接區(qū)域間的邊界位置；
[0009] (2)、區(qū)域鄰接圖的標(biāo)記優(yōu)化與基于二叉樹結(jié)構(gòu)的區(qū)域合并：對(duì)區(qū)域化的圖像進(jìn)行 k均值聚類初始標(biāo)記，利用公式（1)計(jì)算區(qū)域的標(biāo)記Xk，并把標(biāo)記Xj武予所獲得的每一個(gè)分 水嶺區(qū)域R，公式（1)如下：
[0010]
【主權(quán)項(xiàng)】
1.利用區(qū)域分裂技術(shù)的遙感影像分割方法，其特征在于：包括以下步驟： (1) 、遙感影像過分割與區(qū)域鄰接圖表示：對(duì)輸入的遙感影像進(jìn)行分水嶺過分割，產(chǎn)生 許多小區(qū)域，每個(gè)區(qū)域具有相對(duì)一致的后向散射值；每個(gè)區(qū)域R由一組位置S k構(gòu)成，這些位 置屬于該區(qū)域；把各位置的特征矢量{Ys| s e S1J平均到一個(gè)特征矢量Yk，并用特定的數(shù)據(jù) 結(jié)構(gòu)區(qū)域鄰接圖RAG描述圖像，鄰接圖的節(jié)點(diǎn)由一組區(qū)域R構(gòu)成，它的邊代表每一對(duì)鄰接區(qū) 域間的邊界位置； (2) 、區(qū)域鄰接圖的標(biāo)記優(yōu)化與基于二叉樹結(jié)構(gòu)的區(qū)域合并：對(duì)區(qū)域化的圖像進(jìn)行k均 值聚類初始標(biāo)記，利用公式（1)計(jì)算區(qū)域的標(biāo)記χ κ，并把標(biāo)記xj武予所獲得的每一個(gè)分水 嶺區(qū)域R，公式（1)如下：
公式（1)中，Ys是位置S處特征矢量，它的元素是圖像通道的值，這里T是轉(zhuǎn)置算子，該 過程是迭代的，從隨機(jī)均值Ui開始，每次迭代都更新； 接下來，算法進(jìn)入迭代部分，首先進(jìn)行Gibbs采樣進(jìn)行標(biāo)記優(yōu)化，根據(jù)計(jì)算公式（2)的 全局最小成本函數(shù)，找出最優(yōu)標(biāo)記，公式（2)如下： Emin= argminE f+Es (2)；
公式⑵一公式⑷中，Ef是特征模型能量，空間語(yǔ)境模型能量，C是圖像中的通 道數(shù)，η是類別數(shù)，Sk是每個(gè)分水嶺區(qū)域R中的位置，后者是區(qū)域R i的一部分，R龍賦值為 類i，Σ ,是類i的協(xié)方差矩陣，μ ,是類i的均值，α是正權(quán)重值，g(▽0是邊界懲罰； 其次，對(duì)最優(yōu)標(biāo)記后的區(qū)域化圖像以貪婪方式進(jìn)行區(qū)域合并，按照公式（5)對(duì)所有相 同標(biāo)記的區(qū)域?qū)τ?jì)算合并前與合并后的能量差，合并所有最小負(fù)值A(chǔ)Emin的區(qū)域?qū)?，并以?叉樹結(jié)構(gòu)記錄每次合并的配置，公式（5)如下： ^ Emin一 E After_EBefore (5)， 其中，EAfte合并后的能量，EBefOTe合并前的能量。 (3) 、基于二叉樹結(jié)構(gòu)的區(qū)域分裂與分層結(jié)構(gòu)的自適應(yīng)更新：通過二叉樹結(jié)構(gòu)返回原始 配置進(jìn)行區(qū)域分裂，對(duì)各個(gè)尺度的區(qū)域根據(jù)公式(6)自適應(yīng)地更新成本函數(shù)，最后對(duì)分裂 圖像通過步驟（2)進(jìn)行更新合并，公式（6)如下：
公式⑵中：
其中m表示區(qū)域數(shù)，Ni表示標(biāo)記為i的區(qū)域?qū)ο髮?duì)應(yīng)的二叉樹節(jié)點(diǎn)數(shù)，\.表示標(biāo)記為j 的區(qū)域?qū)ο髮?duì)應(yīng)的二叉樹節(jié)點(diǎn)數(shù)，Nmax表示二叉樹集合中的最大節(jié)點(diǎn)數(shù)，Nmin表示二叉樹集 合中的最小節(jié)點(diǎn)數(shù)。
【專利摘要】本發(fā)明公開了一種利用區(qū)域分裂技術(shù)的遙感影像分割方法，首先利用分水嶺分割算法對(duì)圖像進(jìn)行初始化分割，實(shí)現(xiàn)圖像的區(qū)域化；對(duì)區(qū)域化的圖像構(gòu)建區(qū)域鄰接圖；對(duì)區(qū)域鄰接圖基于馬爾科夫場(chǎng)建模并進(jìn)行k均值初始標(biāo)記；進(jìn)入迭代部分，基于馬爾科夫模型的全局迭代權(quán)值對(duì)初始標(biāo)記的圖像進(jìn)行Gibbs采樣標(biāo)記優(yōu)化和初始區(qū)域合并，同時(shí)以二叉樹形式保護(hù)合并過程的記錄；隨后對(duì)初始分割圖像進(jìn)行區(qū)域分裂，返回到初始區(qū)域化配置；根據(jù)區(qū)域二叉樹結(jié)構(gòu)的節(jié)點(diǎn)數(shù)與場(chǎng)景中的對(duì)象尺度具有正相關(guān)性，自適應(yīng)地調(diào)整各區(qū)域空間語(yǔ)境模型中的尺度權(quán)值，實(shí)現(xiàn)區(qū)域更新標(biāo)記，得到最終分割結(jié)果。本發(fā)明能很好的消除噪聲的影響和影像中復(fù)雜場(chǎng)景的自適應(yīng)更新標(biāo)記。
【IPC分類】G06T7-00
【公開號(hào)】CN104657995
【申請(qǐng)?zhí)枴緾N201510080662
【發(fā)明人】郎文輝, 昂安, 楊學(xué)志, 賈尚柱
【申請(qǐng)人】合肥工業(yè)大學(xué)
【公開日】2015年5月27日
【申請(qǐng)日】2015年2月12日