[發明專利]基于馬爾科夫隨機場和混合核函數的遙感圖像分割方法

有效

• 申請號: 201711064587.2
• 申請日: 2017-11-02
• 公開（公告）號: CN107862701B
• 公開（公告）日: 2019-01-04
• 發明（設計）人: 段一平;陶曉明;陸建華
• 申請（專利權）人: 清華大學
• 主分類號: G06T7/143
• 分類號: G06T7/143;G06T7/11
• 代理公司: 北京思海天達知識產權代理有限公司 11203
• 代理人: 樓艮基

基于馬爾科夫隨機場和混合核函數的遙感圖像分割方法，屬于遙感圖像分割和識別技術領域，其特征在于，主要解決現有技術中分割結果的區域一致性和細節信息不能同時滿足的問題。實現步驟為：1.輸入空間分辨率為0.3米的遙感SAR圖像；2.根據遙感SAR圖像的區域圖，將遙感SAR圖像劃分為結構區域子空間和勻質區域子空間；2.對勻質區域子空間采用基于高斯徑向基核函數的馬爾科夫隨機場進行分割；3.對結構區域子空間采用基于閾值化Ridgelet核函數的馬爾科夫隨機場進行分割；4.將勻質區域子空間的分割結果和結構區域子空間的分割結果合并，得到遙感SAR圖像的分割結果。本發明實現了遙感SAR圖像良好的分割效果，可用于遙感圖像分割。

技術領域

本發明屬于圖像處理技術領域，特別涉及遙感圖像分割方法，可用于圖像分類、識別和檢測。

背景技術

目前遙感圖像分割技術已經取得了一些研究成果，提出了各種各樣的分割方法。經典的遙感圖像處理方法有基于閾值的方法、聚類的方法等。該類方法基于像素的灰度信息，設計了各種各樣的適合遙感圖像的特征，例如灰度共生矩陣特征，Gabor特征，SIFT特征、半差特征等等。對每個像素點提取特征，對提取的特征用聚類的方法得到圖像的分割結果，例如K-means聚類、層次聚類、AP聚類，模糊C均值等聚類方法。這些方法只簡單的用了遙感圖像像素的值，并沒有考慮遙感圖像的特性，因此錯誤的分割是不可避免的。為了改進遙感圖像的分割效果，一些研究者們提出了水平集的方法、馬爾科夫隨機場(Markov randomfield， MRF)的方法、條件隨機場的方法、多項式隱模型等方法用于遙感圖像分割。這些方法主要包括特征模型和空間上下文模型兩部分。特征模型用來描述遙感圖像幅度和紋理的統計特性，上下文模型用來描述遙感圖像的空間上下文關系。

馬爾科夫隨機場方法是一種基本的概率圖模型，該方法的空間上下文模型中，通過比較中心像素類標和周圍像素類標之間的關系來捕獲圖像的上下文信息，并且認為周圍像素對中心像素的權重是相同的。這種單一的空間關系很難描述遙感圖像混雜的結構，例如勻質區域的空間上下文關系和異質區域的空間上下文關系是不同的，特別是城區的遙感圖像，包括尺度較小的建筑物和大片的空地等，他們的空間上下文關系是截然不同的。在勻質區域中，周圍像素對中心像素的權重是各向同性的。在異質區域中，沿著邊界的方向，周圍像素和中心像素有強烈的相關性，垂直邊界的方向這種相關性快速衰減。由于沒有考慮遙感圖像不同的空間結構特性，導致分割結果中區域一致性和細節信息保留不能同時滿足，影響后續的遙感圖像分類、識別和檢測。

發明內容

本發明的目的在于針對上述已有方法的不足，提出一種基于馬爾科夫隨機場和混合核函數的遙感圖像分割方法，以提升遙感圖像分割的效果。

本發明的技術思路是：以具有設定空間分辨率的城區遙感SAR圖像為對象，通過對一般的馬爾科夫隨機場模型進行改進，改善遙感圖像分割的效果，即利用遙感SAR圖像的區域圖，將遙感SAR圖像劃分為勻質區域子空間和結構區域子空間，對勻質區域子空間采用基于高斯徑向基核函數的馬爾科夫隨機場進行分割，對結構區域子空間采用基于閾值化Ridgelet核函數的馬爾科夫隨機場進行分割，將勻質區域子空間的分割結果和結構區域子空間的分割結果合并，得到遙感 SAR圖像的分割結果，在計算機中依次按如下步驟實現：

步驟(1)，輸入：具有設定空間分辨率的城區遙感SAR圖像，簡稱遙感圖像，按所述遙感圖像的區域圖，把它分為結構區域子空間和勻質區域子空間，所述結構區域子空間是一種基于已經構造了設定幾何窗的所述遙感圖像的素描線形成的可素描區域在該遙感圖像上映射而得到的，所述勻質區域子空間是指所述遙感圖像中的不可素描區域，

步驟(2)，計算機初始化，

設定：遙感SAR圖像的勻質區域子空間的類標序號為r，r＝1,2,...,R，R為遙感SAR圖像中勻質區域子空間類標總數，遙感SAR圖像的結構區域子空間的類標序號為w，w＝1,2,...,W，W為遙感SAR圖像中結構區域子空間類標總數，為遙感SAR圖像中每個像素預設一個類標序號，