基于插值小波的遥感图像纹理识别方法及系统技术方案

本发明专利技术公开一种基于插值小波的遥感图像纹理识别方法及系统，能够对遥感图像进行快速、准确的纹理识别。所述方法包括：利用灰度值阈值法对原始农田遥感图像进行分割；将所述分割得到的图像延拓为矩形；利用多尺度不可分插值小波对矩形区域内图像进行分解和重构，并在Banach空间对所述重构得到的图像进行降噪；采用梯度法对每块图像进行纹理分割，对分割结果进行Hough变换，得到类直线纹理识别结果。

【技术实现步骤摘要】

本专利技术涉及图像处理
，具体涉及一种基于插值小波的遥感图像纹理识别方法及系统。
技术介绍
在制种玉米地中，每六行雌性玉米植株增加间隔一行雄性植株，为提高育种质量，雌性玉米植株的花穗在授粉后剪掉。高产大田玉米地则无需这么做。因此，从遥感图像上来看，制种玉米地便有了较为模糊的直线纹理，如图1所示。由于两种玉米地具有类似的颜色和灰度值，制种玉米地图像中的模糊类直线纹理便成为两种玉米地遥感图像的主要区别。图1中标记为sm和gm的地块分别是育种玉米地和普通玉米地。由于给定的图像为灰度图像，且不同地块的纹理也比较规则，很难从颜色和外形来区分。仔细观察sm和gm两种不同的地块，也只是纹理上略有不同。为便于对比并找出两种地块的区别，把两种地块图像拼接到一起如图2(左侧为sm，右侧为gm)所示。sm存在较为明显的纵向直线纹理，而gm有淡淡的模糊的横向直线纹理。因此，下面考虑选择直线纹理作为不同地块区分的依据。目前，较为流行的图像纹理描述算法有灰度共生矩阵(GLCM)、Gabor滤波器、方向小波、曲线波(Curvelet)变换、剪切波(Shearlet)变换等。对于带有方向的小波以及曲线波和剪切波来说，描述精度较高，但小波变换速度较慢。灰度共生矩阵和Gabor滤波器具有类似的性质，都是通过内积运算找到指定方向的纹理，进一步通过聚类算法实现纹理图像的分割。下面以Gabor滤波器为例来说明此类分割的特点。对图2所示图像进行Gabor变换，变换结果如图3所示。显然，Gabor滤波器可以很敏锐地捕捉sm地块的纹理，但和我们观察到的不同，其捕捉到的纹理更侧重于封闭小区域，这和算法中指定的方向较少也有直接关系，但给定的方向太多，必和方向小波类算法一样，降低算法效率。此外，即使能够精确捕捉到图像中的直线纹理，进一步采用聚类算法对图像进行分割的结果也很难将两种不同的地块区分开来。对图2所示图像进行Gabor变换得到的结果如图3所示。图示结果并没将图像的直线纹理表达出来，但确实区分出了两种不同的地块。若进一步采用聚类分割，结果如图4所示。可见，分割效果并不理想，出现了过分割现象。
技术实现思路
有鉴于此，本专利技术实施例提供一种基于插值小波的遥感图像纹理识别方法及系统，能够对遥感图像进行快速、准确的纹理识别。一方面，本专利技术实施例提出一种基于插值小波的遥感图像纹理识别方法，包括：利用灰度值阈值法对原始农田遥感图像进行分割；将所述分割得到的图像延拓为矩形；利用多尺度不可分插值小波对矩形区域内图像进行分解和重构，并在Banach空间对所述重构得到的图像进行降噪；采用梯度法对每块图像进行纹理分割，对分割结果进行Hough变换，得到类直线纹理识别结果。另一方面，本专利技术实施例提出一种基于插值小波的遥感图像纹理识别系统，包括：分割单元，用于利用灰度值阈值法对原始农田遥感图像进行分割；延拓单元，用于将所述分割得到的图像延拓为矩形；重构单元，用于利用多尺度不可分插值小波对矩形区域内图像进行分解和重构，并在Banach空间对所述重构得到的图像进行降噪；变换单元，用于采用梯度法对每块图像进行纹理分割，对分割结果进行Hough变换，得到类直线纹理识别结果。本专利技术实施例提供的基于插值小波的遥感图像纹理识别方法及系统，一方面，通过将原始农田遥感图像分割得到的图像延拓为矩形，能够避免后续进行Hough变换时，边界对纹理识别的影响，另一方面，通过构造不可分插值小波函数，克服了常见的张量积小波不具备方向性的缺陷，在此基础上设计的多尺度插值算子可以实现图像的方向性分解和重构，并在Banach空间对所述重构得到的图像进行降噪，避免了后续采用Hough变换识别类直线纹理时由于噪声的存在引起的直线方向的错误识别，能够避免Hought变换中的混叠现象的产生，综合上述两方面，本专利技术能够实现对遥感图像的准确纹理识别。此外，由于不可分插值小波具有插值特性，变换速度相对于带有方向的小波变换速度要高，从而提高了图像纹理识别的效率。附图说明图1为不同地块识别样图；图2为标记为SM和GM的两种地块示意图；图3为不同纹理图像的Gabor变换结果；图4为Gabor变换结合聚类算法的分割结果；图5为本专利技术基于插值小波的遥感图像纹理识别方法一实施例的流程示意图；图6为直接采用sobel算子对图像进行分割分割前后的示意图；图7为sobel算子对大图像分割分割前后的示意图；图8为Hough变换对图像中类直线纹理的识别结果示意图；图9为三角形区域；图10为图5中S1得到的分割结果示意图；图11为图5中S2处理后的图像示意图；图12为图5中S4处理后的示意图；图13为本专利技术基于插值小波的遥感图像纹理识别系统一实施例的结构示意图。具体实施方式为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。如图5所示，本实施例公开一种基于插值小波的遥感图像纹理识别方法，包括：S1、利用灰度值阈值法对原始农田遥感图像进行分割；S2、将所述分割得到的图像延拓为矩形；S3、利用多尺度不可分插值小波对矩形区域内图像进行分解和重构，并在Banach空间(巴拿赫空间)对所述重构得到的图像进行降噪；具体应用中，可以采用硬阈值法进行降噪。S4、采用梯度法对每块图像进行纹理分割(比如可以利用sobel算子进行纹理分割)，对分割结果(二值图像)进行Hough变换，得到类直线纹理识别结果。尽管用现有的各种连续性变换不能得到理想的分割效果，若直接采用梯度法进行分割，如sobel算子(索贝尔算子)确可以得到较为理想的直线纹理分割效果(分割前后图像分别如图6中(a)图和(b)图所示)。其中(a)图和(b)图中左半部分是sm标记的图像，右半部分是gm标记的图像。显然，从直线纹理的数量即可简单地将两种地块分割出来。采用sobel算子对整幅图像进行分割，分割出来的只是灰度差异比较大的地块，无法对地块中的纹理进行分辨。其实，任何分割算法的阈值都是针对于整幅图像设定的，对本项目给定的图像，即使降低分割算法的阈值，也只能得到凌乱的分割结果。因此，在使用sobel算子进行直线纹理分割前，需要首先把灰度不同的地块按照灰度值分割出来，然后分别对不同地块进行sobel分割，分割前后图像分别如图7中(a)图和(b)图所示。Hough是识别直线纹理的有效工具，对sobel图像分割结果进行Hough变换，计算直线纹理的长度、密度等几何特性，并利用这些几何特性识别不同地块是一种简单易行的高效方法。由于类直线纹理模糊、方向不唯一且有噪声干扰，常用的纹理描述方法和纹理图像分割方法无法准确识别两种不同的玉米地。由于插值小波函数定义在Banach空间，而普通小波定义在Hilbert空间，多尺度插值小波变换相对于普通小波变换具有更高的精度和适用范围。因此，构造了一种多尺度插值小波和Hough变换相结合的直线纹理识别方法。多尺度插值小波变换可以减少直线纹理周围的噪声点，从而降低Hought变换中的混叠现象。Hough变换是检测图像中直线纹理本文档来自技高网...

【技术保护点】
一种基于插值小波的遥感图像纹理识别方法，其特征在于，包括：利用灰度值阈值法对原始农田遥感图像进行分割；将所述分割得到的图像延拓为矩形；利用多尺度不可分插值小波对矩形区域内图像进行分解和重构，并在Banach空间对所述重构得到的图像进行降噪；采用梯度法对每块图像进行纹理分割，对分割结果进行Hough变换，得到类直线纹理识别结果。

【技术特征摘要】
1.一种基于插值小波的遥感图像纹理识别方法，其特征在于，包括：利用灰度值阈值法对原始农田遥感图像进行分割；将所述分割得到的图像延拓为矩形；利用多尺度不可分插值小波对矩形区域内图像进行分解和重构，并在Banach空间对所述重构得到的图像进行降噪；采用梯度法对每块图像进行纹理分割，对分割结果进行Hough变换，得到类直线纹理识别结果。2.根据权利要求1所述的基于插值小波的遥感图像纹理识别方法，其特征在于，所述将所述分割得到的图像延拓为矩形，包括：基于广义变分原理将所述分割得到的图像延拓为矩形。3.根据权利要求1或2所述的基于插值小波的遥感图像纹理识别方法，其特征在于，所述采用梯度法对每块图像进行纹理分割，包括：利用sobel算子对每块图像进行纹理分割。4.根据权利要求1述的基于插值小波的遥感图像纹理识别方法，其特征在于，所述对分割结果进行Hough变换，得到类直线纹理识别结果，包括：计算每个图像块Hough的变换属性；根据所述图像块Hough的变换属性，确定对应图像块的属性；根据所述图像块的属性得到所述图像块的类直线纹理识别结果。5.根据权利要求4述的基于插值小波的遥感图像纹理识别方法，其特征在于，所述变换属性包括类直线的密度、长...

【专利技术属性】
技术研发人员：邢如义，高永格，
申请(专利权)人：河北工程大学，
类型：发明
国别省市：河北;13