[發(fā)明專利]一種高分辨率遙感圖像場(chǎng)景粗分類方法

無(wú)效

• 申請(qǐng)?zhí)枺?/td>: 201010562274.1
• 申請(qǐng)日: 2010-11-26
• 公開（公告）號(hào): CN102013017A
• 公開（公告）日: 2011-04-13
• 發(fā)明（設(shè)計(jì)）人: 王岳環(huán);唐為林;桑農(nóng);姚瑋;宋云峰;吳劍劍
• 申請(qǐng)（專利權(quán)）人: 華中科技大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 華中科技大學(xué)專利中心 42201
• 代理人: 朱仁玲

1.一種高分辨率遙感圖像的場(chǎng)景粗分類方法，用于為遙感圖像的目標(biāo)識(shí)別提供上下文信息，其特征在于，該方法包括如下步驟：

(1)圖像初始分割

首先對(duì)遙感圖像進(jìn)行二維離散小波分解，得到多組小波系數(shù)矩陣，再利用Laws算子對(duì)得到的小波系數(shù)矩陣進(jìn)行平滑處理，得到表征圖像每個(gè)像素點(diǎn)的特征數(shù)據(jù)；

接著，采用模糊C均值聚類方法對(duì)所述特征數(shù)據(jù)進(jìn)行類別劃分，計(jì)算出隸屬度矩陣和聚類中心點(diǎn)并保存數(shù)據(jù)；

最后，采用最大化隸屬度矩陣準(zhǔn)則對(duì)遙感圖像的每個(gè)像素點(diǎn)進(jìn)行類別標(biāo)記，由此得到初始分割結(jié)果。

(2)上下文分類

首先，將步驟(1)中得到的所述隸屬度矩陣作為初始后驗(yàn)概率，再利用概率松弛迭代算法對(duì)每個(gè)像素8鄰域內(nèi)的中心點(diǎn)做概率更新，直至收斂，得到最終的后驗(yàn)概率；最后，根據(jù)最終的后驗(yàn)概率，采用最大化后驗(yàn)概率準(zhǔn)則對(duì)圖像的每個(gè)像素點(diǎn)進(jìn)行類別標(biāo)記，得到調(diào)整后的分割結(jié)果，即完成對(duì)圖像的上下文分類。

(3)區(qū)域融合

以上下文分類所得到的分割圖像作為輸入，經(jīng)過(guò)區(qū)域合并處理，得到一幅彩色圖像，其中所包含RGB值的個(gè)數(shù)代表了合并之后的區(qū)域數(shù)總和；

對(duì)上述彩色圖像進(jìn)行多灰度值標(biāo)記，然后對(duì)標(biāo)記后的圖像建立鄰接矩陣，并進(jìn)行如下處理：1)首先計(jì)算各區(qū)域面積，若其面積小于設(shè)定的閾值，則將其列入待合并區(qū)域序列，否則不作處理；2)對(duì)于待合并區(qū)域序列中的孤立區(qū)域，將其合并至其鄰接區(qū)域，迭代執(zhí)行至不再存在孤立區(qū)域；對(duì)于待合并區(qū)域序列中的非孤立區(qū)域，分別計(jì)算各孤立區(qū)域與其所有相鄰的區(qū)域之間的公共邊界的長(zhǎng)度，將其合并至擁有最長(zhǎng)公共邊界的那個(gè)鄰接區(qū)域中去；

經(jīng)過(guò)上述處理即完成區(qū)域融合，得到融合后的分割圖。

(4)后處理

對(duì)步驟(3)得到的分割圖進(jìn)行多灰度值標(biāo)記，得到若干個(gè)連通區(qū)域，然后把每個(gè)連通區(qū)域映射到原始圖像，得到對(duì)應(yīng)位置上的局部原始圖像，再利用特征來(lái)表征每個(gè)連通區(qū)域的屬性，分別計(jì)算每個(gè)區(qū)域?qū)?yīng)的局部原始圖像的所述特征的?特征值，其中上述特征包括邊緣密度、亮度均值、方差和能量；

接著進(jìn)行樣本采集和樣本特征計(jì)算處理，即選取能夠代表不同地物特點(diǎn)的樣本圖像，計(jì)算上述各類特征的特征值，然后對(duì)采集的樣本進(jìn)行訓(xùn)練，得到區(qū)分不同地物的統(tǒng)計(jì)知識(shí)；

最后，根據(jù)訓(xùn)練得到的統(tǒng)計(jì)知識(shí)，利用不同地物類型的邊緣密度的差異性，把區(qū)域劃分為水域和陸地，再利用灰度差異將區(qū)域上的不同地物區(qū)分開，實(shí)現(xiàn)場(chǎng)景分類。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述的步驟(2)中的概率更新的公式如下：

其中，?表示像素點(diǎn)i屬于類別α的概率；n表示迭代更新的次數(shù)，(v_i，v_j)表示像素點(diǎn)i及其8鄰域中的任一像素點(diǎn)j組成的相鄰像素對(duì)，且所有符合條件的像素對(duì)組成一個(gè)集合E；λ表示類別屬性，Q為鄰域函數(shù)，其作為鄰域像素對(duì)中心點(diǎn)的類別屬性的支撐度的度量，某個(gè)像素點(diǎn)的鄰域函數(shù)Q是該像素點(diǎn)的8鄰域內(nèi)所有像素點(diǎn)的先驗(yàn)概率的加權(quán)和，鄰域函數(shù)?表示第n步迭代時(shí)，鄰域像素點(diǎn)j對(duì)中心像素點(diǎn)i的類別為α的支撐度。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，鄰域函數(shù)?數(shù)學(xué)表達(dá)為：

其中，Λ是類別屬性的集合且α∈Λ，β∈Λ，?表示第n步迭代時(shí)類別β的先驗(yàn)概率分布，r_ij(α，β)為權(quán)重，量化地表示像素i屬于類別α，且像素j屬于類別β的可能性，稱之為兼容性系數(shù)。

4.根據(jù)權(quán)利要求1-3之一所述的方法，其特征在于，所述權(quán)重r_ij(α，β)的數(shù)學(xué)表達(dá)如下：?

其中，p(l_i＝α，l_j＝β)表示像素點(diǎn)i的類別為α且像素點(diǎn)j的類別為β的聯(lián)合概率。?