[發明專利]一種新的高分辨率遙感影像的最優分割尺度自動選擇方法

有效

• 申請號: 201611202286.7
• 申請日: 2016-12-23
• 公開（公告）號: CN106651865B
• 公開（公告）日: 2019-10-08
• 發明（設計）人: 靳華中;萬方;雷光波;關峰;劉瀟龍;黃磊;李清
• 申請（專利權）人: 湖北工業大學
• 主分類號: G06T7/10
• 分類號: G06T7/10
• 代理公司: 北京金智普華知識產權代理有限公司 11401
• 代理人: 楊采良

本發明公開了一種新的高分辨率遙感影像的最優分割尺度自動選擇方法，利用多尺度MRF模型，建立高分辨率影像的多尺度分割模型，同時對影像層次分割和影像平面分別建模，描述層與層對象之間的上下文信息以及同一層中對象之間的空間依賴關系。將對象的光譜、顏色、紋理及拓撲關系等基本特征，歸一化到馬爾可夫隨機場中，通過概率信息收斂計算，實現了一種計算機可自動進行全局最有分割尺度選擇方法，參數選擇計算和推斷工程實現了計算機自動進行，獲得理論上的最優分割尺度參數。該技術具有分割質量精度高、自適應性強和計算效率高的優點。

技術領域

本發明涉及影像處理技術領域，具體地說，涉及一種新的高分辨率遙感影像的最優分割尺度自動選擇方法。

背景技術

面向對象的地物信息提取是高分辨率遙感影像分析的基礎和前提。由于高分辨率遙感影像包含的信息豐富，地物類別復雜，且不同類型的地物對應不同的分割尺度，單一的分割尺度無法滿足應用需求。在面向對象的高分辨率遙感影像分析中，常常利用影像多尺度分割方法，為不同類別特征的地物提供相應的尺度。為保證影像信息提取的精度、必須了解影像信息隨著分割尺度變化的效應,因此影像信息尺度轉換與最優尺度選擇成為面向對象影像分析中要解決的基本問題。

傳統的分割帶有較強的主觀性，通過目測判斷和反復試錯，選擇一個合適的分割結果，因而很難建立一個最優尺度分割模型。從保證影像對象的同質性和影像對象的可分性的角度，黃慧萍、孫波中等提出圖像最優分割的評價準則：影像對象內部異質性盡可能小，同時，不同類型對象之間的異質性盡可能的大，并且對象能夠表達某種地物的基本特征。根據上述分割評價準則，目前國內外還沒有一個客觀的、定量的和普適的影像多尺度模型來確定最優分割尺度參數。

馬爾可夫隨機場是圖象分割中一個有效且常用的工具。它有效地刻畫出圖像空間依賴關系，通過信息的局部交互，將上下文信息傳遞到整個圖像，最終能夠構建不同尺度的影像對象網絡層次結構。但是，現有影像MRF模型往往采用自頂向下的方式構建影像的層次結構，由于最細粒度尺度的建立依賴于影像所有像素的標識計算，帶來運算時間較長的問題，且由于像素信息較為單一，容易造成像元的誤分類。

發明內容

本發明的目的在于克服上述技術存在的缺陷，提供一種新的高分辨率遙感影像的最優分割尺度自動選擇方法。該方法利用多尺度MRF模型，建立高分辨率影像的多尺度分割模型，同時對影像層次分割和影像平面分別建模，描述層與層對象之間的上下文信息以及同一層中對象之間的空間依賴關系。將對象的光譜、顏色、紋理及拓撲關系等基本特征，歸一化到馬爾可夫隨機場中，通過概率信息收斂計算，實現了一種計算機可自動進行全局最有分割尺度選擇方法，參數選擇計算和推斷工程實現了計算機自動進行，獲得理論上的最優分割尺度參數。該技術具有分割質量精度高、自適應性強和計算效率高的優點。

其具體技術方案為：

一種新的高分辨率遙感影像的最優分割尺度自動選擇方法，包括以下步驟：

輸入：影像下的圖D＝(V,E,W)，其中V、E和W分別代表了圖D的頂點集、邊集和相似度矩陣；

輸出：最優尺度分割的影像、全部尺度分割參數；

步驟1、利用分水嶺方法得到過分割的影像，作為最細粒度的分割影像D0；

步驟2、提取上述影像中對象的光譜、顏色、紋理等特征值；

步驟3、使用期望最大化EM算法估計GMM參數

步驟4、For 1＝L to 0，執行步驟3-4：

1)在第l層MRF模型中，計算對象消息在MRF節點之間進行迭代傳遞，直至全局概率收斂，即

2)利用MAP準則，得到聚類對象標號的估計值：