[發明專利]一種面向遙感影像分割的影像對象合并方法

無效

• 申請號: 201110223147.3
• 申請日: 2011-08-05
• 公開（公告）號: CN102915531A
• 公開（公告）日: 2013-02-06
• 發明（設計）人: 張濤;楊曉梅;周成虎
• 申請（專利權）人: 中國科學院地理科學與資源研究所
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

技術領域

本發明涉及一種面向遙感影像分割的基于對象合并指數(Object?Merge?Index，OMI)進行對象基元合并的方法，屬于遙感影像處理與分析技術領域。

背景技術

影像分割是實現面向對象的高分辨率遙感影像信息提取的一個重要步驟。在圖像工程與計算機視覺領域，有大量的圖像分割算法，但是大多數的分割算法在多光譜遙感影像分析中使用效果欠佳。在遙感影像分析領域較為常用的分割算法主要有均值漂移分割算法、分水嶺分割算法、eCognition多分辨率分割算法等。遙感影像分割是提取地物目標基元的首要步驟，影像分割的最佳狀態是將想要提取的真實地物目標用影像對象的形式表達出來，分割出的地物空間邊界與目視解譯的邊界類似，與地物真實界線符合度較高。最佳的分割結果就是得到有地理意義的影像對象(基元)，使得針對此基元所計算得到的形狀、紋理和空間關系等特征能夠有效用于分類。

在傳統的遙感圖像分割方法中(如均值漂移分割算法或多分辨率分割算法)，往往都需要針對所分析的影像設定一個表達影像分割詳細程度的尺度參數，此尺度參數在分割中的象元合并或基元合并過程起到控制作用，尺度參數與分割基元的面積有直接或者間接的聯系。然而，由于地理現象的區域性特征與復雜性，同一幅影像中不同的區域地物類型可能不同，其復雜程度不一樣，而傳統分割算法對同一幅影像分割所采用的尺度參數卻是一樣的，其對不同復雜程度的影像區域缺乏自適應性。所以，使用傳統分割方法時，當選擇的尺度參數適合于分割高復雜度區域的影像時，對于低復雜度區域則會過分割，而如果采用較大的尺度參數分割，則對復雜區域地物欠分割。特別在對大區域范圍的影像進行自動分析時，傳統方法對于欠分割和過分割的矛盾難以調和，無法從分割結果上提取有地理代表意義的影像基元，這就直接導致了與地物目標相關的形狀、紋理、空間關系等特征難以有效利用，限制了面向對象分類的精度與有效性。

本發明提出了一種面向遙感影像分割的基于對象合并指數(OMI)進行對象基元合并的方法。經文獻和專利檢索發現，與本發明提出的基于邊緣特征構建合并指數的對象合并方法類似的方法未見報道。

發明內容

本發明提出一種面向遙感影像分割的對象基元合并方法，該方法以傳統通用的分割方法小尺度預分割結果為基礎，設計一種新的對象合并指數(Object?Merge?Index，OMI)作為判別指標進行對象基元合并，實現對圖像分割基元的優化。對象合并的判別規則主要依據當前對象與其鄰域對象鄰接處邊界的邊緣特征是否明顯來判別。基于該合并方法的遙感影像二次分割具有較強的尺度自適應能力，能夠較好地平衡過分割和欠分割的矛盾。

本發明提出的面向遙感影像分割的對象基元合并方法，包括以下實施步驟：

(1)選取待分析的遙感影像，計算其邊緣量化影像CL；

(2)對待分析的遙感影像進行預分割，采用通用的分割方法(如均值漂移分割或者多分辨率分割算法)，使用較小的分割尺度，得到小尺度分割結果；

(3)遍歷分割結果的所有對象，對象集合中取當前處理對象o；

(4)取當前處理對象的鄰域對象集合V；

(5)對當前處理對象o和所有領域對象V進行對象合并操作，更新對象集合；

(6)取對象集合中下一個對象為當前處理對象，重復步驟(4)，(5)，直到所有對象都被處理完。

上述對象合并方法中所述步驟(1)，計算邊緣量化影像CL，實現方法如下：

(1)選取待分析的遙感影像；

(2)選擇對典型地物邊界敏感的波段L_i，采用canny算法計算量化影像CL_i；

(3)融合所有的邊緣量化影像，結果為

上述對象合并方法中所述步驟(5)，當前對象與其所有鄰域對象V的合并操作，實現方法包括：

(1)獲取當前中心處理對象o，計算其鄰域對象集合V；

(2)順序獲取鄰域對象集合中的對象，記當前領域對象為v；

(3)計算中心對象o與鄰域對象v的對象合并指數OMI；

(4)如果OMI值小于設定的閾值OMI_Trsh，則合并對象o與v，否則標記該鄰域對象v為不能合并；

(5)判定當前鄰域對象集合V中元素是否被取完；

(6)步驟(5)判定結果為否，則取下一鄰域對象，重復執行步驟(3)和(4)；

(7)步驟(5)判定結果為真，更新合并后的中心對象o，獲取其新的鄰域對象集合V；