一种视觉感知启发的高分辨率遥感图像分割方法技术

本发明专利技术公开了一种视觉感知启发的高分辨率遥感图像分割方法，该方法将图像中的物体边界分为光谱均质区域对应的强度边界和光谱变化区域对应的纹理边界两类，分别提取这两种视觉信息作为分割的主要依据，方法的步骤为：通过非线性滤波方法滤除图像中的噪声和纹理信息，再利用梯度算子得到强度梯度；使用Gabor滤波器组分析图像的纹理特征，将多通道滤波输出进行合并和梯度算子处理，得到图像纹理梯度；强度梯度和纹理梯度进行融合，在融合后的梯度图像上使用分水岭变换，实现图像的分割。本发明专利技术相较于现有技术提高了图像分割的边界准确性，同时减轻过分割和欠分割现象，可有效应用于高分辨率遥感图像信息处理领域。

【技术实现步骤摘要】

本专利技术属于图像处理
，更进一步涉及高分辨率遥感图像分割
中的一种模拟视觉感知机制的分割方法。本专利技术主要用于高分辨率的卫星遥感图像、航空遥感图像的分割，以达到图像中地物信息提取的目的。
技术介绍
高分辨率遥感图像能够提供丰富的地面物体细节，但也增加了同质区域的内部光谱差异并呈现出多样的纹理特性，此外，传感器在成像过程中会引入噪声，这些都增加了遥感图像准确分割的难度。近年来，高分辨率遥感图像主要基于面向地理对象的图像分析(GEOBIA)方法，首先将图像分割为互不重叠的区域，称为对象，对象边界的准确性决定了后续特征提取和分类的质量。为了产生对象，需要借助于图像分割方法，当前在GEOBIA中多采用多分辨率分割算法，其本质上是一种综合考虑对象形状和光谱信息的区域生长方法，这种方法的缺点是尺度相关，需要多种尺度参数综合选优，并且分割过程没有考虑纹理因素，难以得到准确的对象边界描述，容易产生过分割和欠分割现象。对视觉感知机制的研究表明，视觉信息处理的早期过程主要将零散、单一的视觉信息组织成大单位、有意义的对象及它们的相互关系的过程。这里对象指具备一致视觉信息(光谱强度、纹理等)的区域，根据视觉掩盖效应，当图像区域中存在复杂纹理时，HVS对该区域内的视觉信号失真不敏感，也即将该区域视为一个“整体”。当前图像分割的发展趋势是模拟人类视觉系统(HVS)对图像的解译过程，综合考虑各种视觉信息，如边缘、光谱强度、纹理和空间关系属性等，将图像分割为与现实物体相对应的不重叠子区域，如何在算法层面更好地模拟HVS系统对图像信息的处理，是一个亟待研究的问题。为了改善高分辨率遥感图像分割过程只考虑光谱信息的不足，一些研究尝试将更多的视觉信息引入到分割过程，如加入边缘信息来改善区域合并效果，利用边缘信息进行分水岭标记和分割，在分割时考虑纹理信息，提取纹理特征、融合光谱信息的混合特征表示和区域生长合并等方面展开研究。但这些方法主要采用竞争机制来确定图像的梯度信息，边界确定过程中只采用一类信息，与自然图像中同时存在纹理梯度和光谱强度梯度矛盾，与HVS分析图像过程不符，高分辨率的遥感图像中相邻物体间既有光谱强度差异产生的边界也有纹理物体的边界，过多考虑纹理容易在光谱强度边界产生纹理边界效应，而且图像中的噪声很容易造成过分割现象和边界定位不准的问题。
技术实现思路
本专利技术所针对上述现有技术的不足，提出一种模拟视觉感知机制的高分辨率遥感图像分割方法。方法依据人类视觉系统能够将纹理区域和光谱均匀区域视为整体来处理这一特性，分别提取图像中光谱均匀区域的边界和光谱变化的纹理区域边界，然后将二者有效融合并实现图像的分割，解决现有遥感图像分割方法中使用单一光谱信息、边界定位不准确等问题，提高遥感分割的分割精度，降低遥感信息提取过程中的后期处理复杂度。本专利技术实现上述目的的思路是：分别提取图像中的光谱均匀区域和纹理区域，首先借助于具有边缘保持特性的非线性滤波器方法对输入图像进行处理，滤除图像中的噪声和纹理信息，在梯度算子的作用下得到光谱均匀区域的强度梯度；然后使用能够模拟视觉感受野方向和频率选择特性的Gabor滤波器组提取图像的纹理能量特征，将这些纹理输出进行适当的滤波和平滑处理后，得到纹理区域信息，进而得到纹理梯度图像，将两类边界信息融合后使用分水岭变换得到最终的分割结果。本专利技术的基本步骤为：步骤S1，提取图像的强度梯度，采用具有边缘保持特性的非线性滤波方法，滤除图像中的噪声和纹理信息，借助于梯度检测算子得到强度梯度图像；步骤S2，提取图像的纹理梯度，使用Gabor滤波器组提取不同方向和波长对应的纹理能量图像，对输出图像进行滤波、平滑处理，借助于梯度检测算子得到各通道的纹理梯度；步骤S3，将强度梯度和纹理梯度进行融合，首先对各个子通道纹理梯度进行膨胀操作，然后进行累加和归一化，并与归一化后的强度梯度相加，得到最终的融合梯度图像，对融合梯度图像使用分水岭算法，得到最终的分割结果。所述的步骤S1中使用的非线性滤波模型为改进双边滤波模型，双边滤波模型的表达式为：fp=Σq∈η(p)w(p-q)g(Ip-Iq)IqΣq∈η(p)w(p-q)g(Ip-Iq)---(1)]]>其中，I为输入图像，f为输出图像，p、q为像素位置，η(·)表示邻域集合算子，w(·)为空间距离权值函数，g(·)为光谱值差异权值函数，传统的双边滤波器中的g(·)为高斯函数，在本专利技术中，使用Tukey’sbiweight函数替换高斯函数，表达式为：式中，σ为平滑尺度参数，使用σg表示全局尺度参数，该参数由整幅图像的光谱分布特性得到，这里使用绝对离差中位数表示，表达式为：σg=1.4826MAD(▿I)=1.4826medianI(||▿I-medianI(||▿I||)||)---(3)]]>其中，为梯度算子，median为中值算子。采用全局平滑尺度参数忽略了遥感图像中区域间的局部差异，尤其是在纹理与非纹理交界的边界处，为此使用局部梯度统计中值来表示局部尺度参数，以区分纹理和边缘，表达式为：σr(p)=max{σg,1.4826medianq∈η(p)(||▿Iq||)本文档来自技高网...

【技术保护点】
一种视觉感知启发的高分辨率遥感图像分割方法，其特征是，将图像中的信息按照视觉系统机理分为光谱均质区域对应的强度边界和光谱变化区域对应的纹理边界两类，然后分别提取图像中的两种视觉信息，并使用梯度表示边界，方法包括如下步骤：步骤S1，提取图像的强度梯度，采用具有边缘保持特性的非线性滤波方法，滤除图像中的噪声和纹理信息，借助于梯度检测算子得到强度梯度图像；步骤S2，提取图像的纹理梯度，使用Gabor滤波器组提取不同方向和波长对应的纹理能量图像，对输出图像进行滤波、平滑处理，借助于梯度检测算子得到各通道的纹理梯度，然后将这些梯度相加得到图像总的纹理梯度；步骤S3，将强度梯度和纹理梯度分别进行归一化处理后相加，得到最终的融合梯度图像，对融合梯度图像使用分水岭算法，得到最终的分割结果。

【技术特征摘要】
1.一种视觉感知启发的高分辨率遥感图像分割方法，其特征是，将图像中的信息按照视觉系统机理分
为光谱均质区域对应的强度边界和光谱变化区域对应的纹理边界两类，然后分别提取图像中的两种视觉信
息，并使用梯度表示边界，方法包括如下步骤：
步骤S1，提取图像的强度梯度，采用具有边缘保持特性的非线性滤波方法，滤除图像中的噪声和纹理
信息，借助于梯度检测算子得到强度梯度图像；
步骤S2，提取图像的纹理梯度，使用Gabor滤波器组提取不同方向和波长对应的纹理能量图像，对输
出图像进行滤波、平滑处理，借助于梯度检测算子得到各通道的纹理梯度，然后将这些梯度相加得到图像
总的纹理梯度；
步骤S3，将强度梯度和纹理梯度分别进行归一化处理后相加，得到最终的融合梯...

【专利技术属性】
技术研发人员：张立民，张建廷，钟兆根，徐涛，张兵强，
申请(专利权)人：中国人民解放军海军航空工程学院，
类型：发明
国别省市：山东;37