一种基于超图模型的遥感图像语义相似性度量方法及装置制造方法及图纸

本发明专利技术涉及一种基于超图模型的遥感图像语义相似性度量方法，属于遥感图像处理技术领域；本发明专利技术利用超图模型对每个时相遥感图像进行建模，通过利用超图模型中顶点和超边实现遥感图像中每个像素点的语义表征，并结合超图匹配思想实现语义相似性度量，将多时相遥感图像语义相似性计算表示为多个超图模型中相同位置上顶点的相似性与顶点对应超边相似性的加权和。对比现有技术，本发明专利技术利用超图模型的高阶邻域表征能力提高复杂场景下多时相遥感图像语义相似性度量的准确性，降低了语义奇异性，以及配准误差、光照变化、季节差异等因素导致的噪声干扰；将多时相遥感图像语义相似性度量问题转化为一种超图模型匹配问题，通过最优化求解实现相似性度量。

【技术实现步骤摘要】
一种基于超图模型的遥感图像语义相似性度量方法及装置
本专利技术涉及遥感图像语义相似性度量方法及装置，特别涉及基于超图模型的遥感图像语义相似性度量方法及装置，属于遥感图像处理

技术介绍
多时相遥感图像语义相似性度量是多时相遥感图像变化检测技术的核心。现有的多时相遥感图像语义相似性度量方法往往采用局部语义相似性对比方法，缺乏对图像全局语义表征能力，无法适应复杂场景下语义相关性的表征需求。图模型(GraphModel)是图像处理领域最常用的建模方法之一。利用图模型可以方便地实现图像中每个像素与之邻域中像素之间关系的表述，从而将空间语义上下文相关性应用于图像语义相似性度量，降低由于遥感图像配准误差、光照变化、季节差异等因素导致的虚假变化差异度量，提升多时相遥感图像语义相似性度量的准确性。然而，图模型仅仅能表征局部点对相关性，缺乏对大范围高阶语义相关性的表征，从而降低了图像语义相关性的表述能力。近年来，随着遥感图像分辨率的进一步提高，遥感图像的空间分辨率得到提升，但是图像的语义歧义性也随着复杂化，简单的局部点对语义相关性不再能满足复杂场景下语义相关性的表征需求。超图模型(HypergraphModel)(Berge,C.1989."Hypergraphs",North-Holland,Amsterdam.)是一种广义的图模型，超图模型与一般图模型的主要区别在于超边能连接两个以上的顶点。超图模型的相关定义如下：给定超图模型H＝(V,E,W)，其中，V＝{v1,v2,...,vn}是n个顶点的有限集合，V的某一子集被称为ei，若则称E＝{e1,e2,...,em}为超边集，W为超边的权重向量集合，对于每个超边ei都有一个权重w(ei)表示超节点之间的一致性。与传统的图模型相比，超图模型具备高阶邻域相关性，能够在一个较大的邻域范围内考虑图像语义之间的一致性约束关系。因此，目前迫切需要一套行之有效的将多时相遥感图像语义相似性度量问题转化为基于超图模型的相似性度量方法，从而解决复杂场景下语义相关性的表征需求。
技术实现思路
本专利技术的目的是为解决上述的将多时相遥感图像语义相似性度量问题转化为多个超图模型的相似性度量的问题，提供了一种基于超图模型的遥感图像语义相似性度量方法，通过利用多个超图模型中相同位置上顶点的相似性与顶点对应超边相似性的加权和计算，实现多时相遥感图像语义的相似性度量，以降低多时相遥感图像，特别是高分辨率遥感图像，之间由于配准误差、光照变化、季节差异等因素导致的噪声干扰，提高多时相遥感图像语义相似性度量的准确率，为遥感图像变化检测等相关应用提供技术支撑。本专利技术的思想是利用超图模型对每个时相遥感图像进行建模，通过利用超图模型中顶点和超边实现遥感图像中每个像素点的语义表征，并结合超图匹配思想实现语义相似性度量，将多时相遥感图像语义相似性计算表示为多个超图模型中相同位置上顶点的相似性与顶点对应超边相似性的加权和。本质上，本专利技术利用了超图模型的高阶邻域表征能力，实现了基于高阶上下文相关性对比的图像语义相似性度量。本专利技术的目的是通过以下技术方案实现的：一种基于超图模型的遥感图像语义相似性度量方法，包括以下步骤：步骤一、以每个时相遥感图像中像素为单位，逐个像素为中心提取相关特征，并以之构造每个像素的特征向量；步骤二、分别在每个时相遥感图像上构建超图模型，其中，超图模型中每个顶点代表遥感图像的一个像素，超图模型中每条超边代表遥感图像中具有特定相似关系的像素集合，超图模型中顶点之间的权重系数代表遥感图像中像素之间的相似性；步骤三、计算多个超图模型中对应位置上顶点之间的相似性；步骤四、计算多个超图模型中每个顶点对应的超边之间的相似性；步骤五、将多时相遥感图像语义相似性计算表示为多个超图模型中匹配顶点的相似性与顶点对应超边相似性的加权和。一种基于超图模型的遥感图像语义相似性度量装置，包括图像特征提取模块、图像超图模型构建模块和超图相似性计算模块；图像特征提取模块和图像超图模型构建模块分别与超图相似性计算模块相连接；所述图像特征提取模块用于提取遥感图像特征；所述图像超图模型构建模块用于在每个时相遥感图像上构建超图模型；所述超图相似性计算模块用于计算不同时相遥感图像上构建的超图模型之间的语义相似性。有益效果对比现有技术，本专利技术具有以下有益效果：(1)利用超图模型的高阶邻域表征能力提高复杂场景下多时相遥感图像语义相似性度量的准确性，降低了语义奇异性，以及配准误差、光照变化、季节差异等因素导致的噪声干扰；(2)将多时相遥感图像语义相似性度量问题转化为一种特殊的超图模型匹配问题，通过最优化求解实现全局的相似性度量。附图说明图1为本专利技术实施例基于超图模型的遥感图像语义相似性度量方法的流程示意图。图2为Quickbird卫星真实测试数据集。图3为Worldview卫星真实测试数据集。图4为本专利技术方法和比对方法在Quickbird卫星真实数据集上获取的测试结果。图5为本专利技术方法和比对方法在Worldview卫星真实数据集上获取的测试结果。图6为本专利技术实施例基于超图模型的遥感图像语义相似性度量装置的组成结构图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本专利技术进一步详细说明。需要说明的是，在附图或说明书描述中，相似或相同的部分都使用相同的图号。且在附图中，实施例以简化或是方便标示。再者，附图中未绘示或描述的实现方式，为所属
中普通技术人员所知的形式。另外，虽然本文可提供包含特定值的参数的示范，但应了解，参数无需确切等于相应的值，而是可在可接受的误差容限或设计约束内近似于相应的值。本专利技术提供了一种基于超图模型的图像语义相似性度量方法，通过利用多个超图模型中相同位置上顶点的相似性与顶点对应超边相似性的加权和计算，实现多时相遥感图像语义的相似性度量，以降低多时相遥感图像，特别是高分辨率遥感图像，之间由于配准误差、光照变化、季节差异等因素导致的噪声干扰，提高多时相遥感图像语义相似性度量的准确率，为遥感图像变化检测等相关应用提供技术支撑。实施例1图1为本专利技术实施例基于超图模型的图像语义相似性度量方法的流程示意图。如图1所示，本实施例包括以下步骤：步骤S101，特征提取：以每个时相遥感图像中像素为单位，逐个像素为中心提取颜色特征、纹理特征、SIFT特征及熵特征，构造每个像素的特征向量；其中，上述的多时相遥感图像Xt(t＝1,2...,n)(t为时相)必需进行配准处理，且配准误差在全图呈均匀分布。所选取的高分辨率遥感图像优选光学遥感图像，图像包含RGB三个波段。每个时相遥感图像Xt＝{p(m,n)}(其中，(m,n)表示像素坐标，p(m,n)表示坐标(m,n)上的像素值)的特征提取步骤如下：步骤a，颜色特征fcol主要是提取CIELab颜色特征(Hunter,RichardSewall(July1948)."PhotoelectricColor-DifferenceMeter".inProceedingsoftheWinterMeetingoftheOpticalSocietyofAmerica(JOSA),38(7):661.)，其步骤为：(1)对输入每个时相的遥感图像进行滤波，图像滤波本文档来自技高网...

【技术保护点】
一种基于超图模型的遥感图像语义相似性度量方法，其特征在于，包括以下步骤：步骤一、以每个时相遥感图像中像素为单位，逐个像素为中心提取相关特征，并以之构造每个像素的特征向量；步骤二、分别在每个时相遥感图像上构建超图模型，其中，超图模型中每个顶点代表遥感图像的一个像素，超图模型中每条超边代表遥感图像中具有特定相似关系的像素集合，超图模型中顶点之间的权重系数代表遥感图像中像素之间的相似性；步骤三、计算多个超图模型中对应位置上顶点之间的相似性；步骤四、计算多个超图模型中每个顶点对应的超边之间的相似性；步骤五、将多时相遥感图像语义相似性计算表示为多个超图模型中匹配顶点的相似性与顶点对应超边相似性的加权和。

【技术特征摘要】
1.一种基于超图模型的遥感图像语义相似性度量方法，其特征在于，包括以下步骤：步骤一、以每个时相遥感图像中像素为单位，逐个像素为中心提取相关特征，并以之构造每个像素的特征向量；步骤二、分别在每个时相遥感图像上构建超图模型，其中，超图模型中每个顶点代表遥感图像的一个像素，超图模型中每条超边代表遥感图像中具有特定相似关系的像素集合，超图模型中顶点之间的权重系数代表遥感图像中像素之间的相似性；步骤三、计算多个超图模型中对应位置上顶点之间的相似性；步骤四、计算多个超图模型中每个顶点对应的超边之间的相似性；步骤四所述多个超图模型中每个顶点对应的超边之间的相似性通过不同时相遥感图像对应于同一顶点的k个近邻之间的距离的最小累加和进行度量，如下式所示：其中，emn表示坐标(m,n)上顶点vmn对应第tk时相和第tk+1时相遥感图像对应超边之间的相似性，和分别表示第tk时相和第tk+1时相遥感图像坐标(m,n)上顶点vmn的k个近邻的特征向量，|*|表示距离；步骤五、将多时相遥感图像语义相似性计算表示为多个超图模型中匹配顶点的相似性与顶点对应超边相似性的加权和。2.根据权利要求1所述的一种基于超图模型的遥感图像语义相似性度量方法，其特征在于：在进行步骤一所述特征提取前，还要对多时相遥感图像进行配准处理，t＝1,2,..,n，t为时相。3.根据权利要求1所述的一种基于超图模型的遥感图像语义相似性度量方法，其特征在于：所述步骤一相关特征包括颜色特征、纹理特征、SIFT特征及熵特征。4.根据权利要求3所述的一种基于超图模型的遥感图像语义相似性度量方法，其特征在于：所述颜色特征为CIELab颜色特征，提取过程如下：(1)对输入的每个时相的遥感图像进行滤波；(2)将滤波后的遥感图像从RGB颜色空间投影到CIELab颜色空间，得到图像中每个像素在CIELab颜色空间中的颜色特征值L、a和b；(3)以L、a和b构造每个像素的3维颜色特征fcol＝[Lab]；所述纹理特征为Gabor纹理特征，提取过程如下：(1)将原始输入遥感图像转化为灰度图像；(2)构造Gabor滤波器如下式所示：x'＝mcosθ+nsinθy'＝-msinθ+ncosθ；(2)其中，λ为波长，θ为Gabor滤波器的方向参数，为Gabor滤波器的相位参数，r为长宽比，δ表示Gabor函数的高斯因子的标准差，标准差和波长的关系为：δ＝0.56λ，(m,n)为像素坐标；Gabor能量函数如下式所示：其中，和分别为gλ,θ,0(m,n)和与灰度图像卷积的结果；(3)以图像中每个像素为单位，根据Gabor能量函数通过设定不同的波长参数λ和方向参数θ计算每个像素不同状态下的能量值，并将每个像素不同状态下的能量值组合起来构成t1*t2维Gabor纹理特征；其中，t1表示不同的波长参数λ的个数，t2表示不同的方向参数θ的个数；(4)对Gabor纹理特征进行归一化；所述SIFT特征提取过程如下：(1)利用高斯差分(DOG)尺度空间对每个时相图像构建多尺度空间；高斯差分尺度空间计算方法如下公式所示：D(m,n,σ)＝L(m,n,kσ)-L(m,n,σ)；(4)其中，k为常数因子；σ为尺度因子；L(m,n,σ)通过下式计算：

【专利技术属性】
技术研发人员：鉴萍，陈克明，黄河燕，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京;11