[發(fā)明專利]一種基于單點模糊初始化水平集演化的遙感圖像溢油分割方法

在審

• 申請?zhí)枺?/td>: 201710227496.X
• 申請日: 2017-04-10
• 公開（公告）號: CN106991677A
• 公開（公告）日: 2017-07-28
• 發(fā)明（設(shè)計）人: 任鵬;許敏;陳芳;余興瑞
• 申請（專利權(quán)）人: 中國石油大學（華東）
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06K9/46
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于單點模糊初始化水平集演化的遙感圖像溢油分割方法，其特征在于：包含以下步驟：

步驟一：設(shè)定溢油區(qū)域中的種子像素，計算圖像中各像素相對于種子像素的模糊連接度：

定義I表示一張分辨率為X×Y的遙感溢油灰度圖像，I是X×Y維矩陣，I(x,y)是矩陣中(x,y)位置的元素，表示溢油圖像(x,y)位置像素的灰度值。

在原始圖像溢油區(qū)域內(nèi)任選一個(x₀,y₀)位置的像素作為種子像素。

計算圖像中所有位置中任意兩位置所對應像素間的模糊鄰近度，位于任意(x_i,y_i)和(x_j,y_j)位置兩像素間模糊鄰近度ρ_i,j如下計算：

其中，k₁是距離遞減因子，為非負常數(shù)，用來調(diào)整圖像中兩像素間的距離權(quán)重；

計算圖像中所有位置中任意兩位置所對應像素間的模糊相似度，位于任意(x_i,y_i)與(x_j,y_j)位置兩像素間模糊相似度a_i,j如下計算：

$a_{i,j}=\frac{{\mathrm{\ρ}}_{i,j}}{1+k_2|I(x_i,y_i)-I(x_j,y_j)|}---\left(2\right)$

其中，k₂是梯度權(quán)重，為非負常數(shù)，是平衡像素強度差異的權(quán)重；

計算圖像中所有位置的像素與(x₀,y₀)位置的種子像素之間的模糊連接度，位于任意(x,y)位置的像素與位于(x₀,y₀)位置的種子像素之間的模糊連接度如下計算：

${\mathrm{\μ}}_{(x_0,y_0)}(x,y)=\underset{p\∈P}{max}\[\underset{(i,j)\∈p}{\min }\left(a_{i,j}\right)\]---\left(3\right)$

其中，P是位置(x,y)到(x₀,y₀)的所有路徑，p是P中的一條路徑。

步驟二：基于模糊連接度構(gòu)建初始水平集函數(shù)：

設(shè)定閾值θ，基于θ和構(gòu)建初始水平集函數(shù)φ₀(x,y)：

${\mathrm{\φ}}_0(x,y)=\left\{\begin{array}{cc}+2,& {\mathrm{\μ}}_{(x_0,y_0)}(x,y)\≥\mathrm{\θ};\\ -2,& {\mathrm{\μ}}_{(x_0,y_0)}(x,y)\<\mathrm{\θ}.\end{array}\right.---\left(4\right)$

步驟三：以φ₀(x,y)為初始水平集函數(shù)，基于區(qū)域可伸縮匹配進行水平集演化，具體執(zhí)行過程為：

定義平滑階躍函數(shù)為：

$H_{\∈}\left(\mathrm{\φ}\right)=\frac{1}{2}\[1+\frac{2}{\mathrm{\π}}arctan\left(\frac{\mathrm{\φ}}{\∈}\right)\]---\left(5\right)$

H_∈(φ)導數(shù)為：

${\mathrm{\δ}}_{\∈}\left(\mathrm{\φ}\right)=H_{\∈}^{\′}\left(\mathrm{\φ}\right)=\frac{1}{\mathrm{\π}}\frac{\∈}{{\∈}^2+{\mathrm{\φ}}^2}---\left(6\right)$

定義

基于上述定義，構(gòu)建區(qū)域可伸縮匹配函數(shù)：

$q_i(x,y)=\frac{K_{\mathrm{\σ}}(x,y)*\[M_i^{\∈}\left(\mathrm{\φ}\right(x,y\left)\right)I(x,y)\]}{K_{\mathrm{\σ}}(x,y)*M_i^{\∈}\left(\mathrm{\φ}\right(x,y\left)\right)},i=1,2---\left(7\right)$

其中，K_σ為高斯核函數(shù)σ是它的尺度參數(shù)。

基于K_σ和q_i(x,y)，定義數(shù)據(jù)擬合函數(shù)：

e_i(x,y)＝∫∫K_σ(x-u,y-υ)|I(u,υ)-q_i(x,y)|²dudυ (8)

基于公式(6)和公式(8)，定義梯度流方程：

$\frac{\∂F}{\∂\mathrm{\φ}}={\mathrm{\δ}}_{\∈}\left(\mathrm{\φ}\right)({\mathrm{\λ}}_1{e}_1-{\mathrm{\λ}}_2{e}_2)-{\mathrm{v\δ}}_{\∈}\left(\mathrm{\φ}\right)div\left(\frac{\▿\mathrm{\φ}}{|\▿\mathrm{\φ}|}\right)-\mathrm{\η}\[{\▿}^2\mathrm{\φ}-div\left(\frac{\▿\mathrm{\φ}}{|\▿\mathrm{\φ}|}\right)\]---\left(9\right)$

其中，λ_i是正數(shù)，用來平衡各個數(shù)據(jù)擬合函數(shù)的權(quán)重；v、η均是非負參數(shù)，保證水平集演化的正則性；

以公式(4)為t＝0時初始水平集函數(shù)，構(gòu)建水平集演化方程為：

${\mathrm{\φ}}_{t+1}(x,y)={\mathrm{\φ}}_t(x,y)-\mathrm{\α}\frac{\∂F}{\∂\mathrm{\φ}}{|}_t---\left(10\right)$

式中，α是演化速率；

經(jīng)公式(10)迭代演化至收斂，得到最終的水平集函數(shù)，其大于零的區(qū)域分割為遙感圖像中的溢油區(qū)域。