[發(fā)明專利]一種超像素圖引導(dǎo)下的多尺度引導(dǎo)濾波特征提取方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201911065820.8
• 申請(qǐng)日: 2019-11-04
• 公開（公告）號(hào): CN110991463B
• 公開（公告）日: 2023-05-02
• 發(fā)明（設(shè)計(jì)）人: 柳思聰;胡清;童小華;杜謙;謝歡;王超;馮永玖;金雁敏
• 申請(qǐng)（專利權(quán)）人: 同濟(jì)大學(xué)
• 主分類號(hào): G06V10/40
• 分類號(hào): G06V10/40;G06V10/26;G06V10/77;G06V10/764;G06V10/776
• 代理公司: 上?？剖⒅R(shí)產(chǎn)權(quán)代理有限公司 31225
• 代理人: 楊宏泰

本發(fā)明涉及一種超像素圖引導(dǎo)下的多尺度引導(dǎo)濾波特征提取方法，包括以下步驟：1)超像素引導(dǎo)圖的構(gòu)建：采用SLIC分割算法對(duì)輸入影像進(jìn)行分割后得到最優(yōu)分割結(jié)果，并對(duì)分割后的輸入影像進(jìn)行主成分分析，包含最主要信息的第一主成分PC1即為超像素引導(dǎo)圖；2)基于引導(dǎo)濾波的多尺度空?譜特征提?。簩⒌谝恢鞒煞諴C1作為超像素引導(dǎo)圖，對(duì)影像的原始波段進(jìn)行不同尺度下的引導(dǎo)濾波，得到多尺度引導(dǎo)濾波特征集。與現(xiàn)有技術(shù)相比，本發(fā)明具有構(gòu)建更準(zhǔn)確邊緣信息引導(dǎo)圖、充分利用高分辨率影像多尺度地物空間信息等優(yōu)點(diǎn)。

技術(shù)領(lǐng)域

本發(fā)明涉及高分辨率遙感影像信息處理領(lǐng)域，尤其是涉及一種超像素圖引導(dǎo)下的多尺度引導(dǎo)濾波特征提取方法。

背景技術(shù)

近年來(lái)，衛(wèi)星傳感器技術(shù)的發(fā)展使得超高空間分辨率影像的獲取成為可能，高分遙感影像有著廣泛的應(yīng)用場(chǎng)景，尤其是更為精細(xì)的地表要素分類。高分辨率影像具有充足的空間信息，但同時(shí)光譜信息較為缺失，因此，在分類過(guò)程中，一些細(xì)小地物能被準(zhǔn)確判別，但由于有限波段中光譜信息和光譜變化的不足，更高的空間分辨率并非能在一定程度上提高分類精度。類內(nèi)差異的增加以及類間差異的降低使得光譜信息較為近似的類別可分性變差，最終導(dǎo)致整體分類精度的降低。

為抑制高分辨率影像分類結(jié)果中“椒鹽噪聲”并提升分類精度，現(xiàn)有研究多聚焦于空-譜分類方法?；跀?shù)學(xué)形態(tài)學(xué)的方法已被證明了其在高分辨率影像分類中的有效性，但結(jié)構(gòu)元素大小與形狀的選擇對(duì)最終的分類結(jié)果有極大的影響。作為高分辨率影像分類方法研究的另一大分支，面向?qū)ο蠓椒▽⒃加跋穹譃槎鄠€(gè)同質(zhì)區(qū)域，并在分割后的影像上分類或通過(guò)分割邊界優(yōu)化逐像素的分類結(jié)果。但其分類結(jié)果太過(guò)依賴于有效分割策略以及合適分割尺度的選擇。邊緣保留濾波(如引導(dǎo)濾波)近年來(lái)在圖像處理領(lǐng)域有著較多的應(yīng)用，但是高分辨率影像分類中研究較少。

發(fā)明內(nèi)容

本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種超像素圖引導(dǎo)下的多尺度引導(dǎo)濾波特征提取方法。

本發(fā)明的目的可以通過(guò)以下技術(shù)方案來(lái)實(shí)現(xiàn)：

一種超像素圖引導(dǎo)下的多尺度引導(dǎo)濾波特征提取方法，包括以下步驟：

1)超像素引導(dǎo)圖的構(gòu)建：采用SLIC分割算法對(duì)輸入影像進(jìn)行分割后得到最優(yōu)分割結(jié)果，并對(duì)分割后的輸入影像進(jìn)行主成分分析，包含最主要信息的第一主成分PC1即為超像素引導(dǎo)圖；

2)基于引導(dǎo)濾波的多尺度空-譜特征提取：將第一主成分PC1作為超像素引導(dǎo)圖，對(duì)影像的原始波段進(jìn)行不同尺度下的引導(dǎo)濾波，得到多尺度引導(dǎo)濾波特征集。

所述的步驟1)具體包括以下步驟：

11)設(shè)置不同分割塊個(gè)數(shù)K后采用SLIC分割算法對(duì)輸入影像進(jìn)行分割，得到不同尺度的分割后均值圖；

12)對(duì)不同尺度的分割后均值圖進(jìn)行分類，對(duì)具有最優(yōu)分類精度的分割后均值圖進(jìn)行主成分分析，獲得第一主成分PC1，并將其作為超像素級(jí)引導(dǎo)圖。

所述的步驟11)中，SLIC分割算法中分割塊個(gè)數(shù)K的確定公式如下：

其中，S為聚類中心的采樣間隔，N為影像中總體像元個(gè)數(shù)。

所述的步驟11)中，采用SLIC分割算法分割時(shí)通過(guò)設(shè)置可選參數(shù)m控制分割塊的緊湊度。

所述的步驟11)中，SLIC分割算法通過(guò)CIELAB彩色空間的假彩色合成影像實(shí)現(xiàn)。

所述的步驟2)具體為：

給定濾波半徑r的范圍，并對(duì)輸入影像X進(jìn)行不同尺度下基于超像素圖引導(dǎo)的引導(dǎo)濾波特征提取，即：