[發明專利]基于可變高斯混合模型的高分辨率遙感影像監督分割方法

有效

• 申請號: 201610099677.4
• 申請日: 2016-02-22
• 公開（公告）號: CN105678790B
• 公開（公告）日: 2018-03-30
• 發明（設計）人: 王春艷;隋心;徐愛功;姜勇
• 申請（專利權）人: 遼寧工程技術大學
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06K9/46;G06K9/62
• 代理公司: 沈陽東大知識產權代理有限公司21109
• 代理人: 胡曉男

技術領域

本發明屬于圖像處理領域，具體涉及一種基于可變高斯混合模型的高分辨率遙感影像監督分割方法。

背景技術

圖像分割是圖像處理和模式識別中的基礎工作和關鍵環節。由于高分辨率遙感數據能夠更加清晰細致地呈現地表覆蓋信息，在精準地物目標分割中的應用日益廣泛。高分辨遙感影像具有以下兩種典型新特征，(1)同類地物分布曲線呈現多峰分布及非對稱分布特征，(2)不同地物分布曲線重疊性增加。以上特征使影像分割困難性增加。

由于高斯混合模型(Gaussian mixture modeling，GMM)具有擬合任意概率密度函數的能力，因此，基于GMM對影像建模的應用十分廣泛。傳統GMM建模方法假設每種獨立地物的光譜測度服從高斯分布，用所有地物類別分布的加權平均來表述整個數據集的概率密度函數。這種建模方法認為高分辨率遙感影像中每種地物服從單峰高斯分布特征，不符合高分辨率遙感影像中相同地物所呈現出的多峰分布及非對稱分布特征。為此，熊濤，Zeng Jia等(熊濤，姜萬壽和李樂林.基于高斯混合模型的遙感影像半監督分類，武大學報·信息科學版.2011.36(1):108-112；ZENG J,XIE L.Type-2Fuzzy Gaussian Mixture Models.Pattern Recognition,2008,41(12):3636-3643.)提出對每一類別區域建立GMM模型，為建模高分辨率遙感影像復雜的分布特征提供了有效途徑，但是，提出者設置所有類別GMM的分量個數相同，故存在固定分量數的GMM無法準確建模所有類別的問題，并且由于沒有考慮像素間的空間關系，因此無法處理高分辨遙感影像不同地物分布曲線重疊性增加帶來的分割困難，對噪聲敏感。

發明內容

針對現有技術存在的不足，本發明提供一種基于可變高斯混合模型的高分辨率遙感影像監督分割方法。

本發明的技術方案是：

一種基于可變高斯混合模型的高分辨率遙感影像監督分割方法，包括如下步驟：

步驟1：讀取待分割的高分辨率遙感影像；

步驟2：對待分割的高分辨率遙感影像中的每個地物類別進行監督采樣，計算每個像素的灰度值在對應的地物類別中出現的頻率值；

步驟3：利用監督采樣提取的訓練樣本及其在對應的地物類別中出現的頻率值，在高分辨率遙感影像的灰度測度空間對不同的地物類別建立可變高斯混合模型；

步驟4：建立高分辨率遙感影像的目標函數：計算高分辨率遙感影像中每個像素的灰度值在各個可變高斯混合模型中的概率值，得到高分辨率遙感影像對應于不同地物類別的概率測度矩陣；對各概率測度矩陣按設定窗口求其均值，將該均值作為窗口中心的概率測度值，得到新的概率測度矩陣作為高分辨率遙感影像的目標函數矩陣；

步驟5：對高分辨率遙感影像的目標函數矩陣的相同位置元素進行比較，按最大概率測度原則實現分割。

所述監督采樣的規則如下：

若為合成高分辨率遙感影像，則對每種地物類別隨機提取像素的灰度值作為訓練樣本；若為真實高分辨率遙感影像，則對每種地物類別選擇特征地物的像素的灰度值作為訓練樣本。

所述步驟3包括如下步驟：

步驟3.1：設置每個地物類別的可變高斯混合模型中最大高斯分量個數M，可變高斯混合模型參數的初始值及上限、下限，可變高斯混合模型參數包括高斯分量系數、高斯分量均值和高斯分量標準差；

步驟3.2：以已知訓練樣本在對應的地物類別中出現的頻率值與對應的可變高斯混合模型的概率值的最小均方誤差為標準，設定迭代閾值；

步驟3.3：利用最小二乘法進行地物類別直方圖擬合，建立每個地物類別可變高斯混合模型，循環迭代求解可變高斯混合模型參數；

步驟3.4：當訓練樣本在對應的地物類別中出現的頻率值與對應的可變高斯混合模型的概率值的均方誤差大于迭代閾值時，將當前的可變高斯混合模型參數作為初始值重復步驟3.2～步驟3.4，循環迭代至所述均方誤差小于迭代閾值時迭代結束；

步驟3.5：計算每個地物類別可變高斯混合模型中的各高斯分量均值之差，若小于給定閾值，則重新設置該地物類別的可變高斯混合模型中最大高斯分量個數，使其等于M-1，其他類別最大高斯分量數保持不變，返回步驟3.1；否則執行步驟3.6；

步驟3.6：停止迭代，得到最終的不同地物類別的可變高斯混合模型。

所述高斯分量均值的上限、高斯分量均值的下限，高斯分量標準差的上限、高斯分量標準差的下限，具體設置如下：