[發明專利]一種基于光譜特性的遙感場景下自適應目標分割方法

有效

• 申請號: 202010737865.1
• 申請日: 2020-07-28
• 公開（公告）號: CN112017158B
• 公開（公告）日: 2023-02-14
• 發明（設計）人: 李海巍;陳軍宇;張耿;陳鐵橋;王爽;胡炳樑
• 申請（專利權）人: 中國科學院西安光學精密機械研究所
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/00;G06T5/00;G06T7/90;G06V10/762
• 代理公司: 西安智邦專利商標代理有限公司 61211
• 代理人: 鄭麗紅

本發明提出了一種基于光譜特性的遙感場景下自適應目標分割方法，解決現有圖像分割方法存在目標分割精度較低的問題，該方法提高了獲取高分辨率遙感目標信息的精度，為遙感目標后處理提供了更多特征。該方法包括：1)輸入遙感場景數據；2)對遙感場景數據進行高斯濾波；3)對濾波后的數據進行HSV空間轉換；4)對濾波后的數據進行Lab空間轉換；5)計算超像素分割區域個數；6)使用SLIC對Lab空間域的數據進行超像素分割；7)計算超像素分割后各個區域的HSV均值映射；8)使用k?means++結合定義的距離度量函數進行二次聚類；9)計算最大類數；10)合并目標陰影區域；11)孔洞填充；12)輸出遙感目標分割掩膜。

技術領域

本發明屬于高分辨率可見光遙感圖像數據處理領域，具體涉及一種基于光譜特性的遙感場景下自適應目標分割方法，該方法對帶有陰影的遙感目標進行分割，用于在遙感場景下對遙感目標進行精細化分割研究。

背景技術

遙感影像具有豐富的光譜信息以及空間信息，因此，快速有效地實現遙感數據的自動解譯，提取遙感影像中重要的目標信息是高分辨率遙感領域的發展方向。圖像分割作為該發展方向的核心內容，在遙感圖像處理領域中占據重要地位。遙感目標分割方法中，在數據量小、且需要進行非監督分割的情況下，已有k-means聚類算法、slic超像素分割等相關算法研究，但是，這些現有的目標分割方法未能對遙感影像進行有效的分割，往往將目標和背景區域劃分為一類，降低了目標分割的精度。

發明內容

本發明的目的是解決現有圖像分割方法存在目標分割精度較低的問題，提出了一種基于光譜特性的遙感場景下自適應目標分割方法，該方法提高了獲取高分辨率遙感目標信息的精度，為遙感目標后處理提供了更多特征。

為解決上述問題，本發明技術方案是：

一種基于光譜特性的遙感場景下自適應目標分割方法，包括以下步驟：

步驟一、輸入所要分割的遙感目標場景F；

步驟二、對遙感目標場景F進行高斯濾波，得到濾波后的數據F_gaus；

步驟三、對步驟二濾波后的數據使用如下公式進行HSV空間轉換得到數據F_HSV，F_HSV包括H、S、V三個通道的值；

V＝max(R，G，B)

其中，H、S、V是最終HSV色彩空間三個通道的值；R、G、B為F_gaus中RGB空間的三個通道值；

步驟四、對步驟二濾波后的數據使用如下公式進行Lab空間轉換得到F_Lab，F_Lab包括L*、a*、b*三個通道的值；

其中，L*，a*，b*是最終LAB色彩空間三個通道的值；X、Y、Z是RGB轉換后計算的值；X_n，Y_n，Z_n為X，Y，Z的轉換系數；

步驟五、計算Lab空間下的slic超像素初始化分割數K1；

K1＝(w×h)/c

其中，w、h分別為輸入數據的長、寬，c為輸入數據的超參數；

步驟六、根據初始化分割數K1，對F_Lab數據使用slic超像素分割算法進行處理，分割出數量為n的超像素區域，標記為L_i，i∈1，2，3…n；

步驟七、將步驟六獲取的超像素區域映射到HSV空間，計算F_HSV各自通道的超像素區域均值，獲得F_HSV_mean；