[發(fā)明專利]一種基于高斯尺度空間構(gòu)建遙感影像語義的方法

有效

• 申請?zhí)枺?/td>: 201210390177.8
• 申請日: 2012-10-15
• 公開（公告）號: CN102945550A
• 公開（公告）日: 2013-02-27
• 發(fā)明（設(shè)計(jì)）人: 邵振鋒;周熙然
• 申請（專利權(quán)）人: 武漢大學(xué)
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/46
• 代理公司: 武漢科皓知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 42222
• 代理人: 嚴(yán)彥

技術(shù)領(lǐng)域

本發(fā)明涉及遙感影像處理與遙感影像識(shí)別領(lǐng)域，特別涉及一種基于高斯尺度空間構(gòu)建遙感影像語義的方法。

背景技術(shù)

與自然數(shù)字圖像不同，遙感影像本身具有許多特有的特征，包括：豐富的光譜信息（多光譜影像、高光譜影像）、基于不同光譜下明顯的地物反射率差別、影像拍攝的角度效應(yīng)、大氣輻射影響、持續(xù)變化的太陽反射角，等等。因此，遙感影像所具有的這些獨(dú)有特性使得該領(lǐng)域很難直接利用針對自然數(shù)字圖像的語義信息進(jìn)行提取的方法。

高斯尺度空間可有效地對人類視覺認(rèn)知進(jìn)行擬合，隨著尺度的增加，遙感影像逐漸模糊，直至整個(gè)全局影像的空間梯度漸漸歸于零值。遙感影像通過高斯函數(shù)構(gòu)建的高斯尺度空間，具有每一個(gè)尺度下的影像灰度值為正值、每一尺度下的影像大小不變、尺度變化線性可增減，以及尺度不變這四個(gè)重要特征，與傳統(tǒng)的二維遙感影像空間（如影像金字塔）相比，高斯尺度空間的特征可為遙感影像語義的挖掘提供更多層次的信息源。

發(fā)明內(nèi)容

本發(fā)明利用遙感影像高斯尺度空間的構(gòu)建，為遙感影像語義基于影像空間特征、影像時(shí)序特征，以及不同波段下影像特征提供一種便捷的實(shí)現(xiàn)途徑。

本發(fā)明的技術(shù)方案為一種基于高斯尺度空間構(gòu)建遙感影像語義的方法，包括以下步驟：

步驟1，基于遙感影像的內(nèi)容，通過高斯函數(shù)建立遙感影像的高斯尺度空間；

步驟2，提取遙感影像的穩(wěn)定特征區(qū)域和尺度特征區(qū)域，

所述提取遙感影像的穩(wěn)定特征區(qū)域，包括在步驟1所得遙感影像的高斯尺度空間中，對每一個(gè)高斯尺度分別執(zhí)行以下子步驟，

步驟21.1，將同一高斯尺度下影像內(nèi)容劃分為不同的影像空間區(qū)域；

步驟21.2，根據(jù)步驟21.1所劃分同一高斯尺度下影像的影像空間區(qū)域，提取該高斯尺度下影像的穩(wěn)定特征點(diǎn)；

步驟21.3，基于步驟21.2所得的穩(wěn)定特征點(diǎn)，提取該高斯尺度的穩(wěn)定特征區(qū)域；

所述提取遙感影像的尺度特征區(qū)域，包括在步驟1所得遙感影像的高斯尺度空間中執(zhí)行以下子步驟，

步驟22.1，將不同對每個(gè)高斯尺度下影像內(nèi)容劃分不同的為相應(yīng)的影像空間區(qū)域；

步驟22.2，根據(jù)步驟22.1所劃分各高斯尺度下影像的影像空間區(qū)域，基于各個(gè)不同尺度之間具有的尺度不變特征提取相應(yīng)影像空間區(qū)域下不同高斯尺度的尺度特征點(diǎn)；

步驟22.3，基于步驟22.2所得的尺度特征點(diǎn)，提取遙感影像的尺度特征區(qū)域；

步驟3，根據(jù)步驟2所得穩(wěn)定特征區(qū)域建立高斯尺度的樹形層次結(jié)構(gòu)，根據(jù)步驟2所得尺度特征區(qū)域建立高斯尺度的樹形層次結(jié)構(gòu)，得到一個(gè)二維高斯尺度空間的樹形層次結(jié)構(gòu)；

步驟4，基于步驟3根據(jù)穩(wěn)定特征區(qū)域建立的高斯尺度的樹形層次結(jié)構(gòu)，建立非結(jié)構(gòu)性層次語義；基于步驟3中根據(jù)尺度特征區(qū)域建立的高斯尺度的樹形層次結(jié)構(gòu)，建立結(jié)構(gòu)性層次語義。

而且，步驟1中，遙感影像為單波段遙感影像、多波段遙感影像或全色遙感影像。

而且，步驟21.1中，通過QaR樹將同一遙感影像尺度下影像內(nèi)容劃分為不同的影像空間區(qū)域，基于QaR樹的計(jì)算包括以下步驟，

首先，計(jì)算基于Quad樹的分解結(jié)果和基于R*-樹的分解結(jié)果的差值，如下所示：

I＝Rφ(f)-Qφ(f)

其中，I表示基于Quad樹的分解結(jié)果和基于R*-樹的分解結(jié)果的影像差值空間區(qū)域，，f表示待分解的某一高斯尺度的遙感影像，Rφ(.)表示基于R*-樹的分解，Qφ(.)表示基于Quad樹的分解；

然后，對式（2）中所得的影像差值空間區(qū)域I中的每一個(gè)像素同基于R*-樹分解所得影像的最大值和最小值進(jìn)行差值計(jì)算，如果和最大值或者最小值的差值任意一個(gè)小于兩者之間的Kullback-Leibler距離，則將該像素歸為影像粒的一部分，公式如下：