基于改进JSEG算法的城市高分辨率遥感影像分割方法技术

针对高分辨率遥感影像分割时所面临的过分割、欠分割及对象边界难以准确定位等问题，本发明专利技术公开了一种基于改进JSEG算法的城市高分辨率遥感影像分割方法。首先，采用基于信息熵的多波段融合策略获得统一的多尺度J‑image序列，以避免过于粗糙的影像量化所造成的细节信息损失。在此基础上，利用局部同质性指标J‑value进行多尺度的极小值标记以合理确定种子区域，最后采用JSEG进行区域分割及合并。实验选取高分辨率IKONOS与WorldViewII影像，并与JSEG及WJSEG进行了比较。结果表明，所提出方法能够准确定位对象的真实边界，有效抑制欠分割及过分割问题，具有更高的分割精度及可靠性。

【技术实现步骤摘要】
基于改进JSEG算法的城市高分辨率遥感影像分割方法
本专利技术涉及一种基于改进JSEG算法的城市高分辨率遥感影像分割方法，属于图像处理

技术介绍
随着遥感影像空间分辨率的不断提高，面向对象的图像分析(OBIA，Object-BasedImageAnalysis)技术已经在遥感影像解译中得到了广泛应用。图像分割是进行OBIA的基础，其负责提取场景中具有地理意义的对象，分割的质量的高低对分类及变化检测等后续影像处理的精度有直接影响。与中、低分辨率遥感影像相比，高分辨遥感影像具有更加丰富的光谱、纹理及空间上下文信息，有助于更加精细的描述地物的轮廓特征。但另一方面，更加显著的空间细节信息也导致传统遥感影像分割方法在高分辨率遥感影像分割中面临着突出的过分割、欠分割及对象边界的不确定性等问题。特别是在城市场景中，形态各异的人造目标与多样的自然地物混杂分布，且容易受到地物阴影、云层遮盖等大量干扰因素的影响，这些因素都给实现高精度、高可靠的影像分割造成了困难。与此同时，尽管目前针对中、低遥感影像分辨率遥感影像的分割算法众多且可靠性、分割精度较高，但针对高分辨率遥感影像特别是城市场景中的影像分割研究依然在系统性与针对性中存在诸多不足。Deng等人提出的JSEG是一种目前非常流行的彩色影像分割算法，其提出的局部同质性指标J-value对局部光谱同质性具有强大的检测能力。与此同时，JSEG算法也存在着定位对象边缘不准确、容易产生过分割等固有局限。为此，已有学者开展了一些研究工作，如Komati等人提出了三种改进JSEG算法，包括Fractal-JSEG、Fractal-only和LocalFractalDimension，Fractal-JSEG和Fractal-only方法主要针对对象间边界的细节特征提取，而LocalFractalDimension主要针对背景区域与前景目标具有相似光谱与纹理特征的应用场合，但这三种改进策略仅适用于普通图像分割。而在高分辨率遥感影像分割领域，目前仅有少量的学者展开了相关研究。例如，Li等提出在分割时采用增量的生长方式来探测图像细节，同时在合并过程，使用颜色和形状的综合信息来计算合并距离以便更好的反映地物的边界，但这种算法存在较为突出的欠分割现象。Wang等提出了一种基于小波变换的改进JSEG算法(WJSEG)，能够较为准确的定位对象的边界，同时较好的保持了大尺寸对象的轮廓完整性。尽管如此，这些算法在进行区域分割之前均采用了过于粗糙的量化，忽略了多波段影像间的互补信息，造成了有助于定位对象边界的光谱及纹理信息的损失；同时，这些方法在提取初始种子区域时的阈值均是在单一尺度下确定的，难以有效标识城市场景中形态、尺寸复杂多样的各类地物。
技术实现思路
专利技术目的：针对现有技术中存在的问题，本专利技术提供一种基于改进JSEG算法的城市高分辨率遥感影像分割方法。技术方案：一种基于改进JSEG算法的城市高分辨率遥感影像分割方法，主要包括：步骤1，依据各波段J-image影像间J-value差值的信息熵来进行特征级融合。首先确定一系列尺度参数Mi(i＝1,2…N)的值，并以此分别计算原始影像中各波段所对应的J-image序列J-imageij，其中j为波段编号。定义某个像素所对应的J-value在两波段间的灰度差值为d，则为d所出现的概率，则波段j1和波段j2间的信息熵为：则波段j与其他波段的信息熵之和为由于Hj越大则包含的信息量更多，因此波段j在特征融合时所占的比重可表示为：令尺度i下每个像素对应的J-value值为：其中，为像素z在第j波段中的J-value值。据此可以对所有波段中所有尺度的J-image进行融合，从而得到统一的多尺度J-image序列，即J-imagei(i＝1,2…N)。步骤2，在J-image中采用多尺度的极小值标记法来检测尺寸及内部纹理复杂程度各异的人造目标及自然地物。在最粗糙尺度J-image中，首先设定J-value的最大阈值与最小阈值对应内部纹理均质程度最高的对象，而对应内部纹理复杂程度最高的区域。令标记阈值Tm从到以0.1为间隔逐渐增大，从而获得不同的标记尺度。在不同尺度中，令所有J-value值小于Tm的联通区域为初始种子区域(即标记区域)。对于两个相邻标记尺度，将Tm大的尺度作为上层父标记，Tm小的则作为下层子标记。具有“父与子”关系的两个标记区域中，下层子标记区域的质心坐标应当在上次父标记区域中。在此基础上，采用SSIM对可能具有“父与子”关系的标记区域进行进一步筛选，即SSIM应大于0.6。在J-image中计算两个标记区域Rx与Ry的结构相似性，公式如下：μx，μy，σx，σy，σxy分别是x与y的均值、标准差、方差和协方差。C1，C2是为了防止当分母接近零时产生不稳定现象所添加的常数。若具有“父与子”关系，则用上层标记区域代替下层标记区域；否则，保留下层标记区域，从而获得多尺度的种子区域。步骤3，基于所提取的种子区域，采用与JSEG算法相同的区域分割及合并策略获得最终的分割结果。附图说明图1为IKONOS影像；图2为WorldView-II影像；图3为IKONOS影像分割结果图，其中(a)为本专利技术方法分割结果图，(b)为WJSEG算法分割结果图，(c)为JSEG算法分割结果图；图4为WorldView-II影像分割结果图，其中(a)为本专利技术方法分割结果图，(b)为WJSEG算法分割结果图，(c)为JSEG算法分割结果图。具体实施方式下面结合具体实施例，进一步阐明本专利技术，应理解这些实施例仅用于说明本专利技术而不用于限制本专利技术的范围，在阅读了本专利技术之后，本领域技术人员对本专利技术的各种等价形式的修改均落于本申请所附权利要求所限定的范围。一种基于改进JSEG算法的城市高分辨率遥感影像分割方法，主要包括三个步骤：基于信息熵的多波段影像融合；基于J-value的多尺度极小值标记提取；多尺度区域分割及合并。JSEG原理及局限性分析传统JSEG算法在分割之前，首先需要对多波段影像进行颜色量化，从而获得单一波段灰度影像。影像量化是在LUV彩色空间中进行的，对经过同等滤波器组平滑后的影像再采用类似FCM的聚类方法来实现灰度级压缩，其目的主要是为了降低计算复杂度。在量化影像的基础上，Deng等人提出了一种局部同质性指标J-value，能够综合反映局部区域所包含的光谱、纹理及尺度特征。其计算过程为：在量化影像中，采用每一个像素z的位置z(x,y)来代表该像素所对应的像素值。对所有像素构建特定尺寸窗口Z，尺寸为M×M像素，z为该窗口的中心像素。令mp为Z中所有灰度级为p的像素均值，Zp为这些像素的集合，P为量化后的灰度级总数。定义SW为Z中所有灰度级为p的像素方差：定义ST为Z中所有像素的方差：则J-value为：J＝(ST-SW)/SW(3)遍历所有像素，并用J-value代替原始灰度值，可以获得单一尺度的J-image影像，通过改变尺度参数M，可以获得多尺度J-image序列。根据J-value的定义可以看出，J-image事实上是一幅梯度影像，J-value越大则该像素越有可能位于对象的边缘。在多尺度分割时，首先在最大尺寸窗口对应的J-image中，小于阈值TJ＝μJ+a本文档来自技高网...

【技术保护点】
一种基于改进JSEG算法的城市高分辨率遥感影像分割方法，其特征在于，包括：步骤1，依据各波段J‑image影像间J‑value差值的信息熵来进行特征级融合；步骤2，在J‑image中采用多尺度的极小值标记法来检测尺寸及内部纹理复杂程度各异的人造目标及自然地物；步骤3，基于所提取的种子区域，采用与JSEG算法相同的区域分割及合并策略获得最终的分割结果。

【技术特征摘要】
1.一种基于改进JSEG算法的城市高分辨率遥感影像分割方法，其特征在于，包括：步骤1，依据各波段J-image影像间J-value差值的信息熵来进行特征级融合；步骤2，在J-image中采用多尺度的极小值标记法来检测尺寸及内部纹理复杂程度各异的人造目标及自然地物；步骤3，基于所提取的种子区域，采用与JSEG算法相同的区域分割及合并策略获得最终的分割结果。2.如权利要求1所述的基于改进JSEG算法的城市高分辨率遥感影像分割方法，其特征在于，所述步骤1中：首先确定一系列尺度参数Mi(i＝1,2…N)的值，并以此分别计算原始影像中各波段所对应的J-image序列J-imageij，其中j为波段编号；定义某个像素所对应的J-value在两波段间的灰度差值为d，则为d所出现的概率，则波段j1和波段j2间的信息熵为：则波段j与其他波段的信息熵之和为由于Hj越大则包含的信息量更多，因此波段j在特征融合时所占的比重可表示为：令尺度i下每个像素对应的J-value值为：其中，为像素z在第j波段中的J-value值；据此可以对所有波段中所有尺度的J-image进行...

【专利技术属性】
技术研发人员：郭建辉，顾爱华，王超，
申请(专利权)人：郭建辉，
类型：发明
国别省市：江苏,32