[發明專利]一種遙感圖像分割方法

在審

• 申請號: 202310205664.0
• 申請日: 2023-03-06
• 公開（公告）號: CN116152276A
• 公開（公告）日: 2023-05-23
• 發明（設計）人: 劉洺睿
• 申請（專利權）人: 長安大學
• 主分類號: G06T7/12
• 分類號: G06T7/12;G06T5/00;G06V10/25
• 代理公司: 哈爾濱市松花江專利商標事務所 23109
• 代理人: 劉強

一種遙感圖像分割方法，涉及圖像處理技術領域，針對現有技術中由于不能準確判斷邊緣信息，進而導致感圖像分割準確率低的問題，本發明的有益效果是：本申請的技術方案具有良好的抗干擾和抗噪能力，本申請的技術方案邊緣增強后的圖像與原圖相比，增強后的圖像邊緣特征更加顯著，可以準確判斷邊緣信息，進而提高圖像分割的準確率。并且本申請在增強邊緣的同時，保留物體本身的特征信息。

技術領域

本發明涉及圖像處理技術領域，具體為一種遙感圖像分割方法。

背景技術

遙感圖像分割是將遙感圖像分成若干個特定的、具有獨特性質的區域的技術和過程。目前，工程實踐中更多采用U-Net、PSPNet、DeepLab等深度神經網絡學習技術。用基于深度學習神經網絡的方法分割遙感圖像是利用神經網絡提取遙感圖像特征，經過訓練網絡來預測每一個像素的類別，從而最終得到具有類別標簽的分割圖。但針對帶噪聲的遙感圖像的分割，由于噪聲圖像中的噪聲會破壞分割算法對一般邊緣信息的判斷，因此，現有的算法不能很好的解決這個問題。進而導致了遙感圖像分割的準確率低。

發明內容

本發明的目的是：針對現有技術中由于不能準確判斷邊緣信息，進而導致感圖像分割準確率低的問題，提出一種遙感圖像分割方法。

本發明為了解決上述技術問題采取的技術方案是：

一種遙感圖像分割方法，包括以下步驟：

步驟一：獲取感興趣區域的遙感圖像；

步驟二：對獲取到的遙感圖像進行邊緣增強處理，根據邊緣增強后的圖像構建遙感圖像數據集；

步驟三：利用遙感圖像數據集訓練分割模型，確定所述分割模型的參數；

步驟四：獲取原始遙感圖像的LBP特征，并將原始圖像和LBP特征疊加后輸入到確定參數的分割模型中，對遙感圖像感興趣區域進行分割。

進一步的，所述邊緣增強具體包括以下步驟：

步驟1：將遙感圖像進行預處理后轉換成三個相同的圖像矩陣AHE₁(x，y)、AHE₂(x，y)和AHE₃(x，y)；

步驟2：將圖像矩陣AHE₁(x，y)通過傅里葉變換轉換為頻譜圖像，并通過高斯高通濾波器對頻譜圖像進行濾波，得到圖像矩陣H(u，v)，然后將圖像矩陣H(u，v)通過傅里葉逆變換轉換回空間域，得到圖像矩陣I(x，y)；

步驟3：將圖像矩陣AHE₂(x，y)和AHE₃(x，y)通過兩個不同的濾波器進行濾波，得到圖像矩陣S(x，y)和圖像矩陣G(x，y)；

步驟4：將圖像矩陣I(x，y)、S(x，y)和G(x，y)進行歸一化后得到I′(x，y)、S′(x，y)、G′(x，y)，然后將I′(x，y)、S′(x，y)和G′(x，y)分別乘以目標權重后相加，得到單通道圖像矩陣，即邊緣增強后的圖像。

進一步的，所述預處理的具體步驟為：首先對遙感圖像進行中值濾波處理，然后，對中值濾波后的圖像進行自適應直方圖均衡化處理。

進一步的，所述步驟2具體為：

首先將預處理后得到的圖像矩陣AHE₁(x，y)通過二維離散快速傅里葉變換轉換為頻譜圖像，并將頻譜圖像進行中心化后得到頻譜圖F(u，v)，然后采用高斯高通濾波對頻譜圖F(u，v)進行濾波處理得到圖像H(u，v)，最后將得到的圖像H(u，v)通過傅里葉逆變換轉換回空間域，得到圖像矩陣I(x，y)。

進一步的，所述圖像H(u，v)表示為：