[發(fā)明專利]一種基于特征分布的遙感圖像質(zhì)量評(píng)價(jià)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201510243039.0
• 申請(qǐng)日: 2015-05-13
• 公開（公告）號(hào): CN104881867A
• 公開（公告）日: 2015-09-02
• 發(fā)明（設(shè)計(jì)）人: 田巖;張慧敏;阮崇武;許毅平
• 申請(qǐng)（專利權(quán)）人: 華中科技大學(xué)
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/40
• 代理公司: 華中科技大學(xué)專利中心 42201
• 代理人: 曹葆青

技術(shù)領(lǐng)域

本發(fā)明屬于遙感圖像質(zhì)量評(píng)價(jià)應(yīng)用領(lǐng)域，具體涉及遙感圖像紋理特征的計(jì)算方法、紋理分布的估計(jì)方法以及基于特征分布的遙感圖像分類精度估計(jì)模型。

背景技術(shù)

目前，各國遙感探測的發(fā)展方興未艾，我國也已經(jīng)啟動(dòng)高分辨率對(duì)地觀測的計(jì)劃。隨著該計(jì)劃的實(shí)施，我國將獲取大量自主產(chǎn)權(quán)的遙感數(shù)據(jù)。為了利用這些數(shù)據(jù)大幅度提高我國自主對(duì)地觀測信息的能力，包括圖像分類等在內(nèi)的圖像解譯是不可或缺的一個(gè)技術(shù)環(huán)節(jié)。

目前的圖像質(zhì)量評(píng)價(jià)方法主要從主觀評(píng)價(jià)的角度進(jìn)行的，就機(jī)器圖像分類而言，這些方法無法反映機(jī)器分類的可分性。圖像的主觀評(píng)價(jià)較高，對(duì)人工判讀會(huì)有極大的幫助，但是對(duì)于機(jī)器分類而言，無法度量用于遙感圖像地物分類所用特征的可分性和穩(wěn)定性。

本發(fā)明提出基于特征分布的圖像質(zhì)量評(píng)價(jià)方法(其中特征包括灰度，能量，對(duì)比度，逆差矩，熵，相關(guān)性)，從遙感圖像地物分類的角度研究衛(wèi)星全色圖像質(zhì)量評(píng)估方法，這與傳統(tǒng)的側(cè)重于圖像逼真度的質(zhì)量評(píng)估具有迥然不同的含義，具有重要的實(shí)際應(yīng)用價(jià)值。

發(fā)明內(nèi)容

針對(duì)遙感圖像在機(jī)器分類方面是否具有良好的可分性和穩(wěn)定性，即如何去評(píng)價(jià)其在機(jī)器分類方面的質(zhì)量好壞，本發(fā)明提出了一種基于特征分布的圖像質(zhì)量評(píng)價(jià)方法，其具體步驟如下：

S1：對(duì)圖像中各個(gè)地物類別進(jìn)行采樣，提取灰度及紋理特征：設(shè)有遙感圖像I，選取圖像中各個(gè)類別的部分區(qū)域作為樣本(根據(jù))，以樣本中的每個(gè)像元為中心點(diǎn)，開窗大小為K×K(K取5～21)，在此圖像塊的中統(tǒng)計(jì)其中心點(diǎn)的灰度共生矩陣，計(jì)算出紋理特征，過程如下：

(1)灰度共生矩陣統(tǒng)計(jì)：取圖像塊(K×K)中任意一點(diǎn)〔x，y〕及偏離它的另一點(diǎn)〔x+a，y+b〕，設(shè)該點(diǎn)對(duì)的灰度值為〔g₁，g₂〕。令點(diǎn)〔x，y〕在整個(gè)畫面上移動(dòng)，則會(huì)得到各種〔g₁，g₂〕值，設(shè)灰度值的級(jí)數(shù)為k，則(g₁，g₂)的組合共有k²種。對(duì)于整個(gè)畫面，統(tǒng)計(jì)出每一種〔g₁，g₂〕值出現(xiàn)的次數(shù)，然后排列成一個(gè)方陣，再用〔g₁，g₂〕出現(xiàn)的總次數(shù)將它們歸一化為出現(xiàn)的概率P〔g₁，g₂〕，這樣的方陣稱為灰度共生矩陣。距離差分值〔a，b〕取不同的數(shù)值組合，得到不同數(shù)值組合下的聯(lián)合概率矩陣。

(2)紋理特征計(jì)算：常用的描述紋理的特征有能量(Energy)、對(duì)比度(Contrast)、逆差矩(Inverse?Difference?Moment)、熵(Entropy)和相關(guān)(Correlation)，其中，L為灰度級(jí)，為歸一化的灰度共生矩陣，能量用來衡量灰度分布的均勻性，其計(jì)算公式為：

f1=Σi=0L-1Σj=0L-1p^(i,j)2]]>

對(duì)比度反映了局部紋理的變化劇烈程度，其計(jì)算公式為：