The invention provides a high resolution remote sensing image segmentation method, which relates to the field of remote sensing image processing technology. In this method, the color remote sensing image is divided into a minimum spanning tree, that is MST. The image domain is divided into several same proton regions by MST static partitioning technology. On the divided image domain, the region of the same proton is used as the basic decision unit, and the color high resolution based on the regional hidden Markov random field is established. The model of remote sensing image segmentation is solved by using RHMRF FCM algorithm, and the optimal segmentation results are obtained. Finally, the segmentation results of high resolution remote sensing images are output. Combining the MST partition and the RHMRF FCM algorithm, this invention can effectively suppress the geometric noise and express the irregular boundary of the object. On this basis, the fuzzy target function is constructed with the regional HMRF model, which can effectively overcome the high heterogeneity of the ground object spectral measure and improve the segmentation accuracy significantly.
【技术实现步骤摘要】
一种高分辨率遥感图像分割方法
本专利技术涉及遥感图像处理
,尤其涉及一种高分辨率遥感图像分割方法。
技术介绍
遥感图像分割是实现遥感影像信息自动提取的关键步骤。由于高空间分辨遥感图像(简称高分遥感图像)蕴含更加丰富的地物几何、纹理、光谱信息,呈现更多的地物细节信息,给遥感图像分割方法带来一些新的挑战:(1)在更精细的空间尺度下,高分遥感图像中同类地物的光谱信息呈现更高的异质性,使得传统分割算法的结果中存在大量分割噪声;(2)在城市场景中,高分遥感图像中呈现大量的琐碎地物类型,如道路中行驶的车辆、屋顶的透气窗、道路的交通标志线等,这些地物在分割结果中表现为几何噪声,传统分割算法难以处理这些几何噪声问题;(3)高分遥感图像中存在大量的“同谱异物”和“同物异谱”现象,造成光谱测度的聚类性降低,使得传统的分割算法效果不佳。
技术实现思路
本专利技术要解决的技术问题是针对上述现有技术的不足,提供一种高分辨率遥感图像分割方法,在有效抑制几何噪声的同时能较好地表达地物目标的不规则边界,提高分割精度。为解决上述技术问题,本专利技术所采取的技术方案是:一种高分辨率遥感图像分割方法,包括如下步骤:步骤1:输入待分割彩色遥感图像,并将其表达为最小生成树,即MST;步骤2:利用MST静态划分技术将图像域划分成若干个同质子区域;步骤3:在划分的图像域上,以同质子区域为基本决策单元,建立基于区域隐马尔可夫随机场(RegionalHiddenMarkovRandomField,RHMRF)的彩色高分辨率遥感图像分割模型;步骤4:针对已建立的分割模型,利用RHMRF-FCM算法对该模型 ...
【技术保护点】
1.一种高分辨率遥感图像分割方法,其特征在于:包括如下步骤:步骤1:输入待分割彩色遥感图像,并将其表达为最小生成树,即MST;步骤2:利用MST静态划分技术将图像域划分成若干个同质子区域;步骤3:在划分的图像域上,以同质子区域为基本决策单元,建立基于区域隐马尔可夫随机场(Regional Hidden Markov Random Field,RHMRF)的彩色高分辨率遥感图像分割模型;步骤4:针对已建立的分割模型,利用RHMRF‑FCM算法对该模型进行求解,得到最优分割结果;步骤5:输出高分辨率遥感图像的分割结果。
【技术特征摘要】
1.一种高分辨率遥感图像分割方法,其特征在于:包括如下步骤:步骤1:输入待分割彩色遥感图像,并将其表达为最小生成树,即MST;步骤2:利用MST静态划分技术将图像域划分成若干个同质子区域;步骤3:在划分的图像域上,以同质子区域为基本决策单元,建立基于区域隐马尔可夫随机场(RegionalHiddenMarkovRandomField,RHMRF)的彩色高分辨率遥感图像分割模型;步骤4:针对已建立的分割模型,利用RHMRF-FCM算法对该模型进行求解,得到最优分割结果;步骤5:输出高分辨率遥感图像的分割结果。2.根据权利要求1所述的高分辨率遥感图像分割方法,其特征在于:所述步骤1中MST表达的具体方法为:步骤1.1:输入的待分割彩色遥感图像为在图像域P上的彩色遥感图像z={zs(xs,ys);(xs,ys)∈P,s∈N},其中,s为像素索引,(xs,ys)为像素s的平面坐标,N={1,...,n}为像素索引集,n为像素个数,zs=(zsR,ZsG,ZsB)T为像素s的彩色矢量;步骤1.2:将像素映射为节点,并以节点8邻域作为节点间的邻接关系,构建图像z的无向带权图G=(V,E,W);其中,V={vs=(xs,ys,zs);s∈N}为节点集,E={ec=(vs,vs′);c=1,…,C,s∈N,s′∈Np(s)}为边集,C为边的条数,s′为节点s的邻域节点的索引,Np(s)为节点s的8邻域,W={wc=w(vs,vs′);c=1,...,C}为边集对应的权值矢量,wc为边ec连接的两个节点间彩色矢量的非相似性测度,如下式所示,其中,dss′为节点vs和vs′之间彩色矢量的欧式距离,θss′为节点vs和vs′之间的彩色矢量夹角,t1,t2∈(0,1)分别用于调节dss′和θss′在权函数中的作用强度,dss′和θss′分别如下式所示,图G的生成树为T=(V,E′),是具有树状结构的G的子图,且子图T连通了图G中的所有节点,即步骤1.3:采用Kruskal算法求解无向带权图G的MST。3.根据权利要求2所述的高分辨率遥感图像分割方法,其特征在于:所述步骤2中进行图像域划分的具体方法为:步骤2.1:假设图像中的每个像素均为一个同质子区域,图像的MST中的任意边ec∈E′均为割边,将割边作为区域合并边;步骤2.2:定义区域合并的准则,即最小异质区域准则,具体为:对于ec中连接的两个区域Ps、Ps′,如果合并判据满足,即h(Ps,Ps′)≤S,则将两个区域Ps、Ps′合并为(Ps∪Ps′),否则不合并;其中,S为合并阈值,表示同质子区域的尺度;h(Ps,Ps′)为合并判据函数,表示区域Ps、Ps′间光谱测度相似性和形状参数的线性组合,如下式所示,h(Ps,Ps′)=αhcolor+(1-α)hshape(4)其中,α∈[0,1]为光谱测度相似性权重;hcolor为光谱测度相似性,如下式所示,其中,b为波段索引,σb,merge、σb,s、σb,s′分别为合并后的区域(Ps∪Ps′)、区域Ps、区域Ps′的标准差,Nmerge、Ns、Ns′分别为合并后的区域(Ps∪Ps′)、区域Ps、区域Ps′的像素个数,βb为波段b的权重,其中σb2为波段b的方差;hshape为形状参数,表示区域形状紧致度hcompt和平滑度hsmooth的线性组合,三者分别如下三式所示,hshape=γhcompt+(1-γ)hsmooth(6)其中,γ∈[0,1]为区域形状紧致度权重,lmerge、ls、ls′分别为合并后的区域(Ps∪Ps′)、区域Ps、区域Ps′的轮廓线长度,bmerge、bs、bs′分别为合并后的区域(Ps∪Ps′)、区域Ps、区域Ps′的外包矩形周长;步骤2.3:按照步骤2.2依次遍历每条MST边,完成图像域划分,将图像域P划分成m个同质子...
【专利技术属性】
技术研发人员:林文杰,李玉,赵泉华,
申请(专利权)人:辽宁工程技术大学,
类型:发明
国别省市:辽宁,21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。