[發(fā)明專利]基于波段選擇的高光譜遙感影像矢量C-V模型分割方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201310729980.4
• 申請(qǐng)日: 2013-12-26
• 公開(kāi)（公告）號(hào): CN103854281A
• 公開(kāi)（公告）日: 2014-06-11
• 發(fā)明（設(shè)計(jì)）人: 王相海;方玲玲;宋傳鳴;周夏
• 申請(qǐng)（專利權(quán)）人: 遼寧師范大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00
• 代理公司: 大連非凡專利事務(wù)所 21220
• 代理人: 閃紅霞

1.一種基于波段選擇的高光譜遙感影像矢量C-V模型分割方法，其特征在于按如下步驟進(jìn)行：

a.?根據(jù)光譜曲線選擇目標(biāo)與背景對(duì)比度較大的波段，并進(jìn)一步通過(guò)波段相關(guān)系數(shù)，去除其中相關(guān)性較大的波段形成新的波段組合，根據(jù)所確定的波段組合構(gòu)建高光譜影像矢量矩陣；

b.?構(gòu)造基于該矢量矩陣的矢量C-V分割模型，模型中通過(guò)引入基于梯度的邊緣引導(dǎo)函數(shù)，在保留傳統(tǒng)C-V模型基于區(qū)域信息進(jìn)行影像分割的基礎(chǔ)上，通過(guò)利用影像的邊緣細(xì)節(jié)信息，演化能量函數(shù)達(dá)到極小值為止，從而得到影像最終分割信息。

2.根據(jù)權(quán)利要求1所述的基于波段選擇的高光譜遙感影像矢量C-V模型分割方法，其特征在于所述a步驟是用????????????????????????????????????????????????和分別代表目標(biāo)像元和背景像元，將所有波段在像元和處所對(duì)應(yīng)的灰度值分別記為、，和，其中n為波段數(shù)，則第波段像元、處的對(duì)比度差異可以表示為，設(shè)定閾值=65，通過(guò)下列式選擇出目標(biāo)與背景對(duì)比度大的波段：??；????????????????????????????????????????????

????對(duì)所選擇的波段影像，將第1個(gè)波段的影像作為關(guān)鍵幀影像；依次計(jì)算其后續(xù)的影像與該影像的相關(guān)系數(shù),直到遇到相關(guān)系數(shù)小于事先確定閾值的影像，并將該影像其作為新的關(guān)鍵幀影像；?

相關(guān)系數(shù)計(jì)算如下：設(shè)和為兩個(gè)不同的波段影像數(shù)據(jù)，和分別為對(duì)應(yīng)的均值，和的相關(guān)系數(shù)定義如下，當(dāng)，=65時(shí)，去除該波段：

?????????????????????????????????????????????????

重復(fù)該過(guò)程直到處理完所有的選擇波段幀，所保留下來(lái)的關(guān)鍵幀影像形成新的波段組合；

所述根據(jù)所確定的波段組合構(gòu)建高光譜影像矢量矩陣是：

設(shè)所選擇的波段影像組合共有m個(gè)波段影像，每個(gè)影像的空間大小為，則構(gòu)造所選擇的波段影像矢量矩陣如下：

其中(;)為像元灰度值矢量，包含了m個(gè)波段在空間位置處的像元灰度值，其值為：

???????????????????????????????????????

式中為所選擇的個(gè)波段中的第()個(gè)波段在空間位置處的灰度值；

進(jìn)一步，構(gòu)造m個(gè)波段影像的均值灰度矩陣如下：

其中。

3.根據(jù)權(quán)利要求2所述的基于波段選擇的高光譜遙感影像矢量C-V模型分割方法，其特征在于所述b步驟構(gòu)造基于該矢量矩陣的矢量C-V分割模型如下：

???????????????????????????????????????

其中,?和（）是用來(lái)近似圖像強(qiáng)度的矢量值,(k=1,2,…，n)表示第k波段的高光譜圖像;?和表示第通道輪廓曲線內(nèi)、外部區(qū)域的平均灰度值。