一種高分辨率影像災(zāi)害對象快速分割方法技術(shù)

本發(fā)明專利技術(shù)公開了一種高分辨率影像災(zāi)害對象快速分割方法，其包括：S1：獲取高分辨率影像；S2：計算所讀取的高分辨率影像的多波段形態(tài)學(xué)梯度，得到多波段形態(tài)學(xué)梯度圖像；S3：對多波段形態(tài)學(xué)梯度圖像進(jìn)行形態(tài)學(xué)重建，以得到形態(tài)學(xué)重建后的梯度圖像；S4：將梯度圖像按照預(yù)定比例分割為四個圖像塊；S5：計算每個圖像塊的灰度標(biāo)準(zhǔn)方差，判斷每個圖像塊的灰度標(biāo)準(zhǔn)方差是否大于預(yù)定閾值；S6：如果大于預(yù)定閾值，則將相應(yīng)的圖像塊按照預(yù)定比例再次分割為四個圖像塊，并重復(fù)進(jìn)行步驟S5；否則輸出分割后的梯度圖像；S7：根據(jù)表征災(zāi)害特征的特征參數(shù)對分割后的梯度圖像進(jìn)行邊界識別提取，輸出災(zāi)害對象信息。該方法能夠提高影像分割效率。

A fast segmentation method of high resolution image disaster object

The invention discloses a high resolution image segmentation method of the disaster objects, including: S1: to obtain high resolution image; S2: multi band high resolution morphological gradient images to calculate the read, multi wave morphological gradient image; S3: morphological reconstruction of multi band morphological gradient image to obtain morphological gradient image. After reconstruction; S4: the gradient image according to the predetermined proportion is divided into four blocks: S5; calculation of each gray standard image block variance, judge each gray standard image block variance is larger than a predetermined threshold; S6: if greater than a predetermined threshold, the corresponding image block according to the predetermined proportion again divided into four an image block, and repeat step S5; otherwise the gradient image output after segmentation; S7: according to the parameters to characterize the disaster characteristics of segmentation The gradient image is extracted by boundary and output the object information of disaster. This method can improve the efficiency of image segmentation.

【技術(shù)實現(xiàn)步驟摘要】
一種高分辨率影像災(zāi)害對象快速分割方法
本專利技術(shù)涉及圖像處理領(lǐng)域，特別是涉及一種高分辨率影像災(zāi)害對象快速分割方法。
技術(shù)介紹
每年都會發(fā)生很多自然災(zāi)害，在災(zāi)害發(fā)生后，要在短時間內(nèi)確定災(zāi)害中每一地塊的受災(zāi)程度和受災(zāi)面積，因此，需要利用圖像分割快速確定災(zāi)害對象。目前，常見的圖像分割方法可分為三類：基于圖論的分割方法、基于梯度下降的分割方法以及基于能量泛函的分割方法。其中，基于圖論的分割方法效果較好，但是效率一般較低并且對內(nèi)存需求很大；基于梯度下降的方法效率較高，但是與圖像語義信息的聯(lián)系不緊密，且更容易產(chǎn)生過分割；而基于能量泛函的分割方法往往需要根據(jù)特定的應(yīng)用背景制定相應(yīng)的能量函數(shù)，適用性較差。
技術(shù)實現(xiàn)思路
本專利技術(shù)主要解決的技術(shù)問題是提供一種高分辨率影像災(zāi)害對象快速分割方法，能夠提高影像分割效率。為解決上述技術(shù)問題，本專利技術(shù)采用的一個技術(shù)方案是：提供一種高分辨率影像災(zāi)害對象快速分割方法，包括以下步驟：包括以下步驟：S1：獲取高分辨率影像；S2：計算所讀取的高分辨率影像的多波段形態(tài)學(xué)梯度，從而得到由所述多波段形態(tài)學(xué)梯度構(gòu)成的多波段形態(tài)學(xué)梯度圖像；S3：對所述多波段形態(tài)學(xué)梯度圖像進(jìn)行形態(tài)學(xué)重建，以得到形態(tài)學(xué)重建后的梯度圖像；S4：將所述梯度圖像按照預(yù)定比例分割為四個圖像塊；S5：計算每個圖像塊的灰度標(biāo)準(zhǔn)方差，判斷每個圖像塊的灰度標(biāo)準(zhǔn)方差是否大于預(yù)定閾值；S6：如果大于預(yù)定閾值，則將相應(yīng)的圖像塊按照預(yù)定比例再次分割為四個圖像塊，并重復(fù)進(jìn)行步驟S5，直至小于或等于預(yù)定閾值；如果小于或等于預(yù)定閾值，則輸出分割后的梯度圖像；S7：根據(jù)災(zāi)害特征參數(shù)反演得到的表征災(zāi)害特征的特征參數(shù)對分割后的梯度圖像進(jìn)行邊界識別提取，識別出災(zāi)害對象，輸出災(zāi)害對象信息。其中，所述預(yù)定比例為1:1:1:1。其中，所述表征災(zāi)害特征的特征參數(shù)包括植被指數(shù)、水體指數(shù)、干旱指數(shù)。其中，所述計算所讀取的高分辨率遙感影像的多波段形態(tài)學(xué)梯度的步驟具體包括：步驟S21：選擇預(yù)定大小的結(jié)構(gòu)元素作為滑動窗口；步驟S22：計算所述滑動窗口中的所有像素在各個波段上的光譜平均值；步驟S23：對于每一波段，逐一計算所述滑動窗口中的所有像素與所述光譜平均值之間的多波段歐式距離；步驟S24：將計算得到的多波段歐式距離中的最大多波段歐式距離值和最小多波段歐式距離值賦予所述滑動窗口中的中心像素，并依據(jù)該最大多波段歐式距離值和最小多波段歐式距離值來分別計算該中心像素的膨脹向量和腐蝕向量；步驟S25：計算所述中心像素的膨脹向量與腐蝕向量之間的多波段歐式距離以得到多波段形態(tài)學(xué)梯度；步驟S26：以預(yù)定步長移動所述滑動窗口，并重復(fù)進(jìn)行步驟S22-S25，直至所述高分辨率影像的所有像素均被所述滑動窗口覆蓋。其中，所述對所述多波段形態(tài)學(xué)梯度圖像進(jìn)行形態(tài)學(xué)重建的步驟具體包括：對所述多波段形態(tài)學(xué)梯度圖像進(jìn)行形態(tài)學(xué)膨脹；逐像素地將形態(tài)學(xué)膨脹后的梯度圖像的梯度值增加預(yù)設(shè)浸沒步長的大小；進(jìn)行測地腐蝕重建，以得到形態(tài)學(xué)重建后的梯度圖像。本專利技術(shù)的有益效果是：區(qū)別于現(xiàn)有技術(shù)的情況，本專利技術(shù)通過計算高分辨率影像的多波段形態(tài)學(xué)梯度，因此能夠更好地利用多波段遙感影像的光譜信息；形態(tài)學(xué)重建時能夠有效地消除部分局部極小值點，并對重建后的梯度圖像進(jìn)行四叉樹分割，從而能夠提高影像分割效率。附圖說明圖1是本專利技術(shù)實施例喀斯特區(qū)域滑坡災(zāi)害風(fēng)險動態(tài)評估方法的流程圖。圖2是圖1中步驟S2的具體流程圖。圖3是圖1中步驟S3的具體流程圖。圖4是原始圖像與采用本方法得到的分割后的梯度圖像的對比圖。具體實施例下面將結(jié)合本專利技術(shù)實施例中的附圖，對本專利技術(shù)實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實施例僅是本專利技術(shù)的一部分實施例，而不是全部的實施例。基于本專利技術(shù)中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本專利技術(shù)保護(hù)的范圍。參閱圖1，是本專利技術(shù)實施例高分辨率影像災(zāi)害對象快速分割方法的流程圖。本方法包括以下步驟：S1：獲取高分辨率影像。S2：計算所讀取的高分辨率影像的多波段形態(tài)學(xué)梯度，從而得到由所述多波段形態(tài)學(xué)梯度構(gòu)成的多波段形態(tài)學(xué)梯度圖像。在本實施例中，如圖2所示，步驟S2具體包括：S21：選擇預(yù)定大小的結(jié)構(gòu)元素作為滑動窗口。其中，滑動窗口的尺寸設(shè)定應(yīng)當(dāng)盡可能地保留更多的邊緣信息。例如，可以選擇3×3像素大小的矩形作為滑動窗口、或者選擇具有預(yù)定像素數(shù)量的六邊形作為滑動窗口。S22：計算滑動窗口中的所有像素在各個波段上的光譜平均值。其中，這里的波段是以顏色空間為基礎(chǔ)的，例如三波段可以指代R(紅)、G(綠)和B(藍(lán))波段。S23：對于每一波段，逐一計算滑動窗口中的所有像素與光譜平均值之間的多波段歐式距離。S24：將計算得到的多波段歐式距離中的最大多波段歐式距離值和最小多波段歐式距離值賦予滑動窗口中的中心像素，并依據(jù)該最大多波段歐式距離值和最小多波段歐式距離值來分別計算該中心像素的膨脹向量和腐蝕向量。其中，這里的中心像素指的是位于滑動窗口的中心位置處的像素。S25：計算中心像素的膨脹向量與腐蝕向量之間的多波段歐式距離以得到多波段形態(tài)學(xué)梯度；S26：以預(yù)定步長移動滑動窗口，并重復(fù)進(jìn)行步驟S22-S25，直至高分辨率影像的所有像素均被滑動窗口覆蓋。其中，可以按照自左向右、自上向下的方向或者其他方向、以例如一個像素大小為步長來不斷移動滑動窗口。S3：對多波段形態(tài)學(xué)梯度圖像進(jìn)行形態(tài)學(xué)重建，以得到形態(tài)學(xué)重建后的梯度圖像。其中，在得到多波段形態(tài)學(xué)梯度圖像之后，由于噪聲以及影像中物體表面細(xì)微灰度變化的影響，會產(chǎn)生部分“偽極值點”(通常情況下，如果不對這些偽極值點進(jìn)行處理的話，偽極值點的數(shù)量會很多)，因此，若直接進(jìn)行后續(xù)步驟S4中的分割將會導(dǎo)致嚴(yán)重的過分割現(xiàn)象。因此，在本實施例中，對多波段形態(tài)學(xué)梯度圖像進(jìn)行形態(tài)學(xué)重建的步驟可以具體包括：S31：對多波段形態(tài)學(xué)梯度圖像進(jìn)行形態(tài)學(xué)膨脹。進(jìn)行形態(tài)學(xué)膨脹后，可以消除部分局部極小值點。S32：逐像素地將形態(tài)學(xué)膨脹后的梯度圖像的梯度值增加預(yù)設(shè)浸沒步長的大小。S33：進(jìn)行測地腐蝕重建，以得到形態(tài)學(xué)重建后的梯度圖像。其中，測地腐蝕重建能夠進(jìn)一步消除局部極小值點。另外，這里所謂的預(yù)設(shè)浸沒步長，其實就是梯度下降的速度，它反映了遙感影像的對比度變化。通過控制預(yù)設(shè)浸沒步長的大小，可以再次過濾梯度差小于預(yù)設(shè)浸沒步長的極小值點，這樣，不僅再次減少了局部極小值點以進(jìn)而減輕過分割現(xiàn)象，同時還引入了量化標(biāo)準(zhǔn)，使得能夠很好地控制后續(xù)步驟S4及西寧分割時所生成的區(qū)域(也即超像素或“積水盆”)的數(shù)目。S4：將梯度圖像按照預(yù)定比例分割為四個圖像塊。S5：計算每個圖像塊的灰度標(biāo)準(zhǔn)方差，判斷每個圖像塊的灰度標(biāo)準(zhǔn)方差是否大于預(yù)定閾值。其中，預(yù)定閾值為經(jīng)驗值，可以根據(jù)實際需要設(shè)定。該預(yù)定閾值不宜設(shè)定過大，以免影響分割效果。S6：如果大于預(yù)定閾值，則將相應(yīng)的圖像塊按照預(yù)定比例再次分割為四個圖像塊，并重復(fù)進(jìn)行步驟S5，直至小于或等于預(yù)定閾值；如果小于或等于預(yù)定閾值，則輸出分割后的梯度圖像。其中，在本實施例中，預(yù)定比例為1:1:1:1，即4個圖像塊的大小均相同。經(jīng)過分割后，每一圖像塊的灰度標(biāo)準(zhǔn)方差均小于或等于預(yù)定閾值，可以比較明顯的突出地物特征。如圖4所示，圖4（a）為原始圖像，圖4（b）為分割后的梯度圖像，從圖4（b）可看出本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點】
一種高分辨率影像災(zāi)害對象快速分割方法，其特征在于，包括以下步驟：S1：獲取高分辨率影像；S2：計算所讀取的高分辨率影像的多波段形態(tài)學(xué)梯度，從而得到由所述多波段形態(tài)學(xué)梯度構(gòu)成的多波段形態(tài)學(xué)梯度圖像；S3：對所述多波段形態(tài)學(xué)梯度圖像進(jìn)行形態(tài)學(xué)重建，以得到形態(tài)學(xué)重建后的梯度圖像；S4：將所述梯度圖像按照預(yù)定比例分割為四個圖像塊；S5：計算每個圖像塊的灰度標(biāo)準(zhǔn)方差，判斷每個圖像塊的灰度標(biāo)準(zhǔn)方差是否大于預(yù)定閾值；S6：如果大于預(yù)定閾值，則將相應(yīng)的圖像塊按照預(yù)定比例再次分割為四個圖像塊，并重復(fù)進(jìn)行步驟S5，直至小于或等于預(yù)定閾值；如果小于或等于預(yù)定閾值，則輸出分割后的梯度圖像；S7：根據(jù)災(zāi)害特征參數(shù)反演得到的表征災(zāi)害特征的特征參數(shù)對分割后的梯度圖像進(jìn)行邊界識別提取，識別出災(zāi)害對象，輸出災(zāi)害對象信息。

【技術(shù)特征摘要】
1.一種高分辨率影像災(zāi)害對象快速分割方法，其特征在于，包括以下步驟：S1：獲取高分辨率影像；S2：計算所讀取的高分辨率影像的多波段形態(tài)學(xué)梯度，從而得到由所述多波段形態(tài)學(xué)梯度構(gòu)成的多波段形態(tài)學(xué)梯度圖像；S3：對所述多波段形態(tài)學(xué)梯度圖像進(jìn)行形態(tài)學(xué)重建，以得到形態(tài)學(xué)重建后的梯度圖像；S4：將所述梯度圖像按照預(yù)定比例分割為四個圖像塊；S5：計算每個圖像塊的灰度標(biāo)準(zhǔn)方差，判斷每個圖像塊的灰度標(biāo)準(zhǔn)方差是否大于預(yù)定閾值；S6：如果大于預(yù)定閾值，則將相應(yīng)的圖像塊按照預(yù)定比例再次分割為四個圖像塊，并重復(fù)進(jìn)行步驟S5，直至小于或等于預(yù)定閾值；如果小于或等于預(yù)定閾值，則輸出分割后的梯度圖像；S7：根據(jù)災(zāi)害特征參數(shù)反演得到的表征災(zāi)害特征的特征參數(shù)對分割后的梯度圖像進(jìn)行邊界識別提取，識別出災(zāi)害對象，輸出災(zāi)害對象信息。2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述預(yù)定比例為1:1:1:1。3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述表征災(zāi)害特征的特征參數(shù)包括植被指數(shù)、水體指數(shù)、干旱指數(shù)。4.根據(jù)權(quán)利要求1至3任一項所述的方法，其特征在于，所述計算所讀...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：盧涵宇，盧天健，袁詠儀，
申請(專利權(quán))人：盧涵宇，盧天健，袁詠儀，
類型：發(fā)明
國別省市：貴州,52