[發明專利]一種基于超圖模型的遙感圖像語義相似性度量方法及裝置

有效

• 申請號: 201510256069.5
• 申請日: 2015-05-19
• 公開（公告）號: CN104820992B
• 公開（公告）日: 2017-07-18
• 發明（設計）人: 鑒萍;陳克明;黃河燕
• 申請（專利權）人: 北京理工大學
• 主分類號: G06T7/32
• 分類號: G06T7/32
• 代理公司: 北京理工正陽知識產權代理事務所(普通合伙)11639
• 代理人: 王民盛

技術領域

本發明涉及遙感圖像語義相似性度量方法及裝置，特別涉及基于超圖模型的遙感圖像語義相似性度量方法及裝置，屬于遙感圖像處理技術領域。

背景技術

多時相遙感圖像語義相似性度量是多時相遙感圖像變化檢測技術的核心。現有的多時相遙感圖像語義相似性度量方法往往采用局部語義相似性對比方法，缺乏對圖像全局語義表征能力，無法適應復雜場景下語義相關性的表征需求。圖模型(Graph Model)是圖像處理領域最常用的建模方法之一。利用圖模型可以方便地實現圖像中每個像素與之鄰域中像素之間關系的表述，從而將空間語義上下文相關性應用于圖像語義相似性度量，降低由于遙感圖像配準誤差、光照變化、季節差異等因素導致的虛假變化差異度量，提升多時相遙感圖像語義相似性度量的準確性。然而，圖模型僅僅能表征局部點對相關性，缺乏對大范圍高階語義相關性的表征，從而降低了圖像語義相關性的表述能力。近年來，隨著遙感圖像分辨率的進一步提高，遙感圖像的空間分辨率得到提升，但是圖像的語義歧義性也隨著復雜化，簡單的局部點對語義相關性不再能滿足復雜場景下語義相關性的表征需求。

超圖模型(Hypergraph Model)(Berge,C.1989."Hypergraphs",North-Holland,Amsterdam.)是一種廣義的圖模型，超圖模型與一般圖模型的主要區別在于超邊能連接兩個以上的頂點。超圖模型的相關定義如下：給定超圖模型H＝(V,E,W)，其中，V＝{v₁,v₂,...,v_n}是n個頂點的有限集合，V的某一子集被稱為e_i，若則稱E＝{e₁,e₂,...,e_m}為超邊集，W為超邊的權重向量集合，對于每個超邊e_i都有一個權重w(e_i)表示超節點之間的一致性。與傳統的圖模型相比，超圖模型具備高階鄰域相關性，能夠在一個較大的鄰域范圍內考慮圖像語義之間的一致性約束關系。因此，目前迫切需要一套行之有效的將多時相遙感圖像語義相似性度量問題轉化為基于超圖模型的相似性度量方法，從而解決復雜場景下語義相關性的表征需求。

發明內容

本發明的目的是為解決上述的將多時相遙感圖像語義相似性度量問題轉化為多個超圖模型的相似性度量的問題，提供了一種基于超圖模型的遙感圖像語義相似性度量方法，通過利用多個超圖模型中相同位置上頂點的相似性與頂點對應超邊相似性的加權和計算，實現多時相遙感圖像語義的相似性度量，以降低多時相遙感圖像，特別是高分辨率遙感圖像，之間由于配準誤差、光照變化、季節差異等因素導致的噪聲干擾，提高多時相遙感圖像語義相似性度量的準確率，為遙感圖像變化檢測等相關應用提供技術支撐。

本發明的思想是利用超圖模型對每個時相遙感圖像進行建模，通過利用超圖模型中頂點和超邊實現遙感圖像中每個像素點的語義表征，并結合超圖匹配思想實現語義相似性度量，將多時相遙感圖像語義相似性計算表示為多個超圖模型中相同位置上頂點的相似性與頂點對應超邊相似性的加權和。本質上，本發明利用了超圖模型的高階鄰域表征能力，實現了基于高階上下文相關性對比的圖像語義相似性度量。

本發明的目的是通過以下技術方案實現的：

一種基于超圖模型的遙感圖像語義相似性度量方法，包括以下步驟：

步驟一、以每個時相遙感圖像中像素為單位，逐個像素為中心提取相關特征，并以之構造每個像素的特征向量；

步驟二、分別在每個時相遙感圖像上構建超圖模型，其中，超圖模型中每個頂點代表遙感圖像的一個像素，超圖模型中每條超邊代表遙感圖像中具有特定相似關系的像素集合，超圖模型中頂點之間的權重系數代表遙感圖像中像素之間的相似性；

步驟三、計算多個超圖模型中對應位置上頂點之間的相似性；

步驟四、計算多個超圖模型中每個頂點對應的超邊之間的相似性；

步驟五、將多時相遙感圖像語義相似性計算表示為多個超圖模型中匹配頂點的相似性與頂點對應超邊相似性的加權和。

一種基于超圖模型的遙感圖像語義相似性度量裝置，包括圖像特征提取模塊、圖像超圖模型構建模塊和超圖相似性計算模塊；圖像特征提取模塊和圖像超圖模型構建模塊分別與超圖相似性計算模塊相連接；

所述圖像特征提取模塊用于提取遙感圖像特征；

所述圖像超圖模型構建模塊用于在每個時相遙感圖像上構建超圖模型；

所述超圖相似性計算模塊用于計算不同時相遙感圖像上構建的超圖模型之間的語義相似性。