[發明專利]一種高分辨率遙感圖像場景粗分類方法

無效

• 申請號: 201010562274.1
• 申請日: 2010-11-26
• 公開（公告）號: CN102013017A
• 公開（公告）日: 2011-04-13
• 發明（設計）人: 王岳環;唐為林;桑農;姚瑋;宋云峰;吳劍劍
• 申請（專利權）人: 華中科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 華中科技大學專利中心 42201
• 代理人: 朱仁玲

技術領域

本發明屬于遙感圖像處理領域，具體涉及一種對高分辨率遙感圖像進行場景分類的方法，用于為遙感圖像的目標識別提供上下文信息。

背景技術

高分辨率遙感圖像一般指1m～5m的可見光航空遙感圖像，高分辨率遙感圖像的數據量很大，如果直接對其進行特征表達、特征聚類及分割的方法進行目標識別，將耗費大量的計算資源，導致處理效率低下。因此，提出大尺度下對遙感圖像進行場景粗分類的思想，將一幅圖像分割為跟我們所感興趣的目標相關聯的有限區域，然后根據目標的性質在具有依賴關系的區域中提取目標。這樣可以提高目標提取的效率和精度。這就是場景分類的目的所在。

遙感圖像分類包含特征計算方法和分類方法兩大主干。特征計算有多種方法。文獻表明，當前應用較為廣泛的有統計方法、隨機場模型方法和信號處理方法。統計方法特征計算的計算量大、分割精度差，受到噪聲影響較大；隨機場模型對大尺寸、灰度級較多的圖像分割計算量是極大的，不滿足快速處理的需求。而信號處理中的小波變換方法具有多尺度特性，可以對圖像進行不同分辨率上的處理，在遙感圖像處理中應用成熟。

現有的分類技術大都應用于針對圖像的單個像素進行分類，強調像素級分類的精度。這在小尺度目標分類中具有實際意義。但遙感圖像在小尺度上不具備語義上的意義，因為地物場景通常都是大尺度區域，因此像素級分類無論是在效率上還是精度上都不符合實際需求。因此一種可以對大尺度對象進行分類的方法對遙感圖像分類比較有效。

發明內容

本發明的目的在于提出一種高分辨率遙感圖像的場景粗分類方法，為基于遙感圖像的目標識別提供上下文信息。

為實現本發明的目的所采用的具體技術方案為：

一種高分辨率遙感圖像的場景粗分類方法，包括如下步驟：

1.圖像初始分割

圖像初始分割包含特征提取、特征數據聚類以及圖像標號。

特征提取采用基于小波分解的Laws紋理算子法，首先對圖像進行二維離散小波分解，得到多組小波系數矩陣，再利用Laws算子對得到的小波系數矩陣進行平滑處理，得到表征圖像每個像素點的特征數據。

接著，采用模糊C均值聚類方法對特征數據進行類別劃分，計算出隸屬度矩陣和聚類中心點并保存數據。

最后，采用最大化隸屬度矩陣的準則對圖像的每個像素點進行類別標記，由此得到初始分割結果。

采用小波分解進行特征描述是基于遙感圖像的數據量較大而產生的計算效率低下的考慮，因為小波分解直接降低了圖像的分辨率。同時由于遙感圖像表現出來的紋理特性，采用Laws算子則正好體現了紋理信息在遙感圖像特征提取中的應用。采用模糊C均值聚類方法有兩個目的：一是對特征進行聚類；二是計算出隸屬度矩陣可以作為后面的上下文分類處理的輸入。

2.上下文分類

首先，將步驟1中利用模糊C均值聚類計算所得到的隸屬度矩陣作為初始后驗概率；再利用概率松弛迭代算法對每個像素8鄰域內的中心點做概率更新，直至收斂，得到最終的后驗概率；最后，根據最終的后驗概率，采用最大化后驗概率準則對圖像的每個像素點進行類別標記，得到調整后的分割結果，即完成對圖像的上下文分類。

其中，概率更新的公式定義如下：