基于灰度共生矩陣的多波段高分辨率遙感影像分割方法技術(shù)

本發(fā)明專利技術(shù)公開一種基于灰度共生矩陣的多波段高分辨率遙感影像分割方法，在基于灰度共生矩陣的紋理影像中采用降水分水嶺變換單獨(dú)分割每個(gè)波段影像，進(jìn)而對(duì)各波段分割結(jié)果進(jìn)行疊加。最后，提出了一種的基于多波段光譜信息的區(qū)域合并策略合并過分割結(jié)果中的碎片區(qū)域，最終實(shí)現(xiàn)影像分割。本發(fā)明專利技術(shù)分別對(duì)高分辨率ALOS和SPOT?5影像進(jìn)行了實(shí)驗(yàn)，并與傳統(tǒng)基于局域同質(zhì)性梯度的分割方法進(jìn)行了比較。實(shí)驗(yàn)結(jié)果表明，本發(fā)明專利技術(shù)能夠準(zhǔn)確定位對(duì)象的邊緣，有效克服過分割及欠分割現(xiàn)象，具有更高的分割精度與穩(wěn)定性。

【技術(shù)實(shí)現(xiàn)步驟摘要】

本專利技術(shù)涉及一種，屬于遙感影像分割
。
技術(shù)介紹
目前，高分辨率遙感影像在城市規(guī)劃、環(huán)境評(píng)價(jià)及軍事等很多領(lǐng)域都得到廣泛應(yīng)用，而面向?qū)ο蟮姆治龇椒ㄔ诟叻直媛蔬b感影像研究中正越來越多的受到重視。有效的影像分割是面向?qū)ο蟮姆治龇椒ǖ幕A(chǔ)和重要保證。目前，高分辨率遙感影像的分割方法主要分為五類:基于像元的分割方法，如閾值法、聚類法；基于邊緣檢測(cè)的分割方法；基于區(qū)域的分割方法；基于物理模型的分割方法和結(jié)合特定數(shù)學(xué)理論；工具的分割方法，如數(shù)學(xué)形態(tài)學(xué)、模糊數(shù)學(xué)、小波變換和人工神經(jīng)網(wǎng)絡(luò)等。隨著航天技術(shù)與傳感器技術(shù)的不斷發(fā)展，遙感影像空間分辨的不斷提高，同時(shí)也為影像分割帶來了新的挑戰(zhàn)。與傳統(tǒng)中低分辨率遙感影像相比，高分辨遙感影像中“同譜異物”現(xiàn)在依然存在，“同物異譜”現(xiàn)象更為突出。尤其在城市場(chǎng)景中，豐富地物的種類，多樣的生態(tài)環(huán)境以及復(fù)雜的圖像背景都給準(zhǔn)確的影像分割造成了困難。在眾多分割方法中，分水嶺算法具有快速、有效、準(zhǔn)確特點(diǎn)而受到廣泛應(yīng)用。但在高分辨率遙感影像中，在圖像中通常存在大量的暗紋理細(xì)節(jié)，從而造成了大量的偽局部極小值，這些極小值產(chǎn)生的偽積水盆地會(huì)造成嚴(yán)重的過分割問題。針對(duì)這一問題，Vincent等提出的沉浸分水嶺分割算法有效提高了分割精度，但是計(jì)算效率不高。Semt等提出了一種模擬降水的分水嶺算法，該算法速度更快且沒有保證了分割精度。在此基礎(chǔ)上，陳秋曉等提出了一種新穎的基于局域同質(zhì)性梯度的高分辨率遙感影像分割方法，該算法有效的解決了分水嶺變換的過分割問題，但也存在如下問題:由于采用了過于粗糙的量化，使高分辨率遙感影像中大量細(xì)節(jié)信息的嚴(yán)重?fù)p失，從而容易產(chǎn)生欠分割現(xiàn)象，也很難準(zhǔn)確定位對(duì)象的邊緣；由于高分辨率遙感影像中存在大量具有相似梯度特征的對(duì)象，而此方法僅采用了梯度信息作為提取對(duì)象的依據(jù)，因此需要引入更多的特征信息對(duì)這些對(duì)象加以區(qū)分；最后，此方法所采用的區(qū)域合并策略僅對(duì)梯度影像中對(duì)象內(nèi)部的灰度信息進(jìn)行了比較，而忽略了高分辨率遙感影像中不同對(duì)象在不同波段影像中的光譜差異，從而可能造成誤合并現(xiàn)象。
技術(shù)實(shí)現(xiàn)思路
專利技術(shù)目的:針對(duì)現(xiàn)有技術(shù)中存在的問題，本專利技術(shù)提供一種新穎的多波段-多特征高分辨率遙感影像分割方法。首先利用灰度共生矩陣計(jì)算各個(gè)波段的紋理圖像，進(jìn)而采用降分水嶺變換獲得單一波段的分割結(jié)果。進(jìn)而將各波段分割結(jié)果進(jìn)行疊加獲得過分割的碎片區(qū)域，最后采用基于多波段光譜信息的區(qū)域合并策略合并碎片區(qū)域。技術(shù)方案:一種，主要分為三個(gè)步驟:波段影像紋理影像特征提??；降水分水嶺分割；分割結(jié)果疊加與區(qū)域合并。I，波段影像紋理影像特征提取對(duì)每個(gè)波段影像單獨(dú)進(jìn)行分割，采用灰度共生矩陣方法提取遙感影像的多個(gè)紋理特征，計(jì)算各個(gè)波段的紋理影像:根據(jù)圖像大小，選擇尺寸為NXN像素的滑動(dòng)窗口來計(jì)算灰度共生矩陣，計(jì)算灰度共生矩陣的熵、角二階矩、對(duì)比度和一致性四個(gè)特征值，作為新的特征矩陣的窗口中心像元。移動(dòng)紋理窗口，重復(fù)上述步驟，直到遍歷整個(gè)影像，可以得到四個(gè)新的紋理矩陣。將得到的四個(gè)方向的紋理矩陣取平均值，獲得最終的紋理特征矩陣，即紋理影像。2，降水分水嶺分割基于所提取的紋理圖像，采用降水分水嶺變換方法對(duì)每個(gè)波段影像分割進(jìn)行分割。3，分割結(jié)果疊加與區(qū)域合并將多波段影像中的分割結(jié)果中的邊界進(jìn)行疊加，從而將原始影像過分割為大量碎片區(qū)域，在此基礎(chǔ)上對(duì)這些區(qū)域進(jìn)行區(qū)域合并，獲得最終的分割結(jié)果。有益效果:與現(xiàn)有技術(shù)相比，本專利技術(shù)提供的，針對(duì)高分辨率影像的特點(diǎn)，算法對(duì)各波段影像單獨(dú)進(jìn)行了分割，且避免了影像量化造成的圖像細(xì)節(jié)的損失；進(jìn)而采用度共生矩陣提取圖像的多個(gè)紋理特征增加的分割結(jié)果的可靠性，最后提出了一種改進(jìn)的區(qū)域合并策略。通過對(duì)不同類型傳感器，不同空間分辨率的兩組遙感影像實(shí)驗(yàn)表明，本專利技術(shù)所提方法能夠精確提取圖像中的細(xì)節(jié)信息，準(zhǔn)確定位對(duì)象的邊緣，有效避免過分割及欠分割現(xiàn)象。與文獻(xiàn)I所提出的方法相比，無論目視分析還是定量分析均表明，對(duì)于細(xì)節(jié)信息豐富的遙感影像，可以很好地解決常規(guī)算法欠分割的問題，而對(duì)于紋理特征單一的區(qū)域，也可以很好的避免過分割的情況，因此，本專利技術(shù)具有更高的分割精度及更好的分割效果?！靖綀D說明】圖1為本專利技術(shù)實(shí)施例的ALOS融合影像圖；圖2為數(shù)據(jù)集I實(shí)驗(yàn)結(jié)果圖，其中(a)為本專利技術(shù)實(shí)施例實(shí)驗(yàn)結(jié)果，(b)為文獻(xiàn)I方法實(shí)驗(yàn)結(jié)果；圖3為本專利技術(shù)實(shí)施例的ALOS融合影像圖；圖4為數(shù)據(jù)集2實(shí)驗(yàn)結(jié)果圖，其中(a)為基于局域同質(zhì)性梯度分割算法實(shí)驗(yàn)結(jié)果，(b)為本專利技術(shù)實(shí)施例實(shí)驗(yàn)結(jié)果。【具體實(shí)施方式】下面結(jié)合具體實(shí)施例，進(jìn)一步闡明本專利技術(shù)，應(yīng)理解這些實(shí)施例僅用于說明本專利技術(shù)而不用于限制本專利技術(shù)的范圍，在閱讀了本專利技術(shù)之后，本領(lǐng)域技術(shù)人員對(duì)本專利技術(shù)的各種等價(jià)形式的修改均落于本申請(qǐng)所附權(quán)利要求所限定的范圍。，包括如下步驟:I多波段紋理影像生成由于過于粗糙的量化會(huì)損失圖像的細(xì)節(jié)信息，不對(duì)原始影像進(jìn)行量化，而對(duì)每個(gè)波段影像單獨(dú)進(jìn)行分割。遙感影像中的紋理特征反映了對(duì)象的空間排列信息，而結(jié)合圖像的紋理特征則能更加有效的提取遙感圖像中的有用信息，從而提高圖像分割的精度。灰度共生矩陣是圖像紋理分析方法中的一種，在一定程度上反映了紋理圖像中的各灰度級(jí)在空間上的分布特性，是紋理分析領(lǐng)域中最經(jīng)常采用的方法之一?；叶裙采仃嚨臄?shù)學(xué)基礎(chǔ)是圖像的二階矩組合條件概率密度函數(shù)，其定義為:對(duì)于一個(gè)由N個(gè)離散灰度級(jí)組成的圖像f(x，y)來說，灰度共生矩陣Pd，0 [i, j]定義為i，j聯(lián)合出現(xiàn)的概率，其中，i是點(diǎn)(X，y)的灰度值，j是點(diǎn)(x+Ax，y+Ay)的灰度值，d是指灰度共生矩陣的生長(zhǎng)步長(zhǎng)；e是指灰度共生矩陣的生成方向，是指滿足d、0條件的灰度值分別為i，j的點(diǎn)對(duì)數(shù)，本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種基于灰度共生矩陣的多波段高分辨率遙感影像分割方法，其特征在于，主要分為三個(gè)步驟：波段影像紋理影像特征提??；降水分水嶺分割；分割結(jié)果疊加與區(qū)域合并；1），波段影像紋理影像特征提取對(duì)每個(gè)波段影像單獨(dú)進(jìn)行分割，采用灰度共生矩陣方法提取遙感影像的多個(gè)紋理特征，計(jì)算各個(gè)波段的紋理影像：根據(jù)圖像大小，選擇尺寸為N×N像素的滑動(dòng)窗口來計(jì)算灰度共生矩陣，計(jì)算灰度共生矩陣的熵、角二階矩、對(duì)比度和一致性四個(gè)特征值，作為新的特征矩陣的窗口中心像元；移動(dòng)紋理窗口，重復(fù)上述步驟，直到遍歷整個(gè)影像，可以得到四個(gè)新的紋理矩陣；將得到的四個(gè)方向的紋理矩陣取平均值，獲得最終的紋理特征矩陣，即紋理影像；2），降水分水嶺分割基于所提取的紋理圖像，采用降水分水嶺變換方法對(duì)每個(gè)波段影像分割進(jìn)行分割；3），分割結(jié)果疊加與區(qū)域合并將多波段影像中的分割結(jié)果中的邊界進(jìn)行疊加，從而將原始影像過分割為大量碎片區(qū)域，在此基礎(chǔ)上對(duì)這些區(qū)域進(jìn)行區(qū)域合并，獲得最終的分割結(jié)果。

【技術(shù)特征摘要】
1.一種基于灰度共生矩陣的多波段高分辨率遙感影像分割方法，其特征在于，主要分為三個(gè)步驟:波段影像紋理影像特征提取；降水分水嶺分割；分割結(jié)果疊加與區(qū)域合并； I)，波段影像紋理影像特征提取 對(duì)每個(gè)波段影像單獨(dú)進(jìn)行分割，采用灰度共生矩陣方法提取遙感影像的多個(gè)紋理特征，計(jì)算各個(gè)波段的紋理影像:根據(jù)圖像大小，選擇尺寸為NXN像素的滑動(dòng)窗口來計(jì)算灰度共生矩陣，計(jì)算灰度共生矩陣的熵、角二階矩、對(duì)比度和一致性四個(gè)特征值，作為新的特征矩陣的窗口中心像元；移動(dòng)紋理窗口，重復(fù)上述步驟，直到遍歷整個(gè)影像，可以得到四個(gè)新的紋理矩陣；將得到的四個(gè)方向的紋理矩陣取平均值，獲得最終的紋理特征矩陣，即紋理影像； 2),降水分水嶺分割 基于所提取的紋理圖像，采用降水分水嶺變換方法對(duì)每個(gè)波段影像分割進(jìn)行分割； 3)，分割結(jié)果疊加與區(qū)域合并 將多波段影像中的分割結(jié)果中的邊界進(jìn)行疊加，從而將原始影像過分割為大量碎片區(qū)域，在此基礎(chǔ)上對(duì)這些區(qū)域進(jìn)行區(qū)域合并，獲得最終的分割結(jié)果。2.如權(quán)利要求1所述的基于灰度共生矩陣的多波段高分辨率遙感影像分割方法，其特征在于， 對(duì)于一個(gè)由N個(gè)離散灰度級(jí)組成的圖像f(x，y)來說，灰度共生矩陣Pd，e[i，j]定義為i，j聯(lián)合出現(xiàn)的概率，其中，i是點(diǎn)(X，y)的灰度值，j是點(diǎn)(x+Ax，y+Ay)的灰度值，d是指灰度共生矩陣的生長(zhǎng)步長(zhǎng)；e 是指灰度共生矩陣的生成方向P1是指滿足d、0條件的灰3.如權(quán)利要求1所述的基于灰度共生矩陣的多波段高分辨率遙感影像...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：朱立琴，王友恒，
申請(qǐng)(專利權(quán))人：河海大學(xué)，
類型：發(fā)明
國(guó)別省市：