一种遥感影像尺度计算方法、可读存储介质和计算机设备技术

本发明专利技术提供一种遥感影像尺度计算方法、可读存储介质和计算机设备用于解决现有技术中计算得出的尺度参数对于分割和物理影像中的基元时，分割的精度和效率均不高的问题。其中遥感影像尺度计算方法，包括：S101获取矢量边缘信息；S102基于矢量边缘信息计算空域尺度，获得空域尺度图像；S103基于矢量边缘信息和空域尺度图像计算获得值域尺度图像。本发明专利技术将遥感影像中的矢量边缘及其形状特征信息作为约束条件，进行遥感影像分割的空域尺度与值域尺度计算。分别从地理空间和光谱空间两方面获得遥感影像多尺度分割的尺度参数，并且提高了影像分割的精度及效率。

Remote sensing image scale calculation method, readable storage medium and computer equipment

The invention provides a remote sensing image scale method, computer-readable storage medium and computer equipment to solve the scale parameter calculation in the prior art for primitive segmentation and physics in the image, the precision and efficiency of segmentation problems are not high. Including remote sensing image scale method, S101 gets the edge vector information; S102 computing spatial scale vector based on edge information, obtain spatial scale image; S103 obtained range scale image information and image edge based on vector spatial scale. In this paper, the vector edge and shape feature information of remote sensing image are used as constraint conditions to calculate the spatial scale and range scale of remote sensing image segmentation. The scale parameters of multi-scale segmentation of remote sensing images are obtained from two aspects of geographic space and spectral space, and the accuracy and efficiency of image segmentation are improved.

【技术实现步骤摘要】
一种遥感影像尺度计算方法、可读存储介质和计算机设备
本专利技术涉及计算机技术，具体涉及一种遥感影像尺度计算方法、可读存储介质和计算机设备。
技术介绍
在基于对象遥感影像分析研究领域，尺度计算是一个重要的研究方向。目前，围绕有关遥感影像多尺度影像分割已经提出了许多尺度计算方法。由于高空间分辨率遥感影像数据自身的复杂性，以及地理对象尺寸和空间分布模式的差异性，很难建立一个全局尺度参数模型来有效地指导大区域多尺度分割参数(同时在空间域和光谱域进行相邻像素同质性与异质性测度)的计算。工程实践表明，自适应获取合理的尺度参数不仅对分割结果的精确性起到关键作用，而且也深刻影响着物理影像基元的有效识别和后期处理。尺度是描述遥感影像多尺度分割异质性阈值的标尺，具有衡量物理影像基元内部像素同质性与测度空间地物语义影像目标彼此间异质性的功能，合理的尺度使得物理影像基元与对应的空间地物语义影像目标在边缘上最大程度的吻合。近10年来，研究人员相继提出了基于对象的遥感影像分析方法及相关技术实现；作为“高分辨率对地观测的若干前沿科学问题”——遥感影像理解与信息提取核心技术之一的多尺度影像分割以任意尺度生成几何与属性信息丰富的物理影像基元(满足几何与光谱同质性准则的邻接像元集合)，继而以物理影像基元为基本空间分析单元，利用其几何特征与光谱统计信息实现对地物语义影像目标(物理影像基元或由其组合形成的影像区域的地学语义描述)的自动识别与分类。多尺度遥感影像分割作为基于对象遥感影像分析核心技术之一获得了研究人员的广泛关注，目前基于对象遥感影像分析方法且已经初步商业化的多尺度影像分割方法以集成在和Feature软件中的算法为代表；此外，各类文献介绍的影像分割方法及实现的算法很多；在这些算法中适当的尺度参数来描述分割时相邻像素在空间域和光谱域的异质性和同质性范围。但这些方法或算法应用于高空间分辨率遥感影像分割时仍存在明显的局限性，该局限性体现为现有技术中计算得出的尺度参数对于分割物理影像中的基元时，分割的精度和效率均不高。
技术实现思路
鉴于上述问题，本专利技术提出了克服上述问题或者至少部分地解决上述问题的一种遥感影像尺度计算方法、可读存储介质和计算机设备。为此目的，第一方面，本专利技术提出一种遥感影像尺度计算方法，包括：S101获取矢量边缘信息；S102基于矢量边缘信息计算空域尺度，获得空域尺度图像；S103基于矢量边缘信息和空域尺度图像计算获得值域尺度图像。可选的，在步骤S101之前包括：S201在接收遥感影像；S202对遥感影像进行预处理，预处理包括全色影像融合处理与多光谱影像滤波处理；S203、对预处理后的遥感影像提取矢量边缘信息；可选的，所述S102基于矢量边缘信息计算空域尺度，获得空域尺度图像，包括：计算遥感影像中的每个像素点在k个方向上到相应边缘的距离，像素点在k个方向上到相应边缘的距离分别为N1～Nk；设置的空域尺度影像中该像素点对应的像素点的像素值Sd为N1～Nk的平均值。可选的，所述S103基于矢量边缘信息和空域尺度图像计算获得值域尺度图像，包括：对于遥感影像中的每一像素点，计算从该像素点到对应边缘的八个方向上，每个方向上所有像素点的光谱值之和平均值，获得ME1～MEk；计算ME1～MEk的平均值作为该像素点的值域尺度值。可选的，所述S103基于矢量边缘信息和空域尺度计算值域尺度，包括：对于空域尺度图像中的每一像素点，计算从该像素点到对应的边缘的K个方向上，每个方向上所有像素点的光谱值的中值，获得MI1～MIk；计算MI1～MIk的中值作为该像素点的值域尺度值。可选的，所述S103基于矢量边缘信息和空域尺度计算值域尺度，包括：对于空域尺度图像中的每一像素点，计算从该像素点到对应边缘的K个方向上，每个方向上所有像素点的光谱值之和平均值，获得ME1～MEk；计算ME1～MEk的中值作为该像素的值域尺度值。可选的，所述多光谱影像滤波处理包括中值滤波、高斯滤波、均值漂移、双边滤波或各向异性扩散滤波中的一种或多种。第二方面，本专利技术提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上任一所述方法的步骤。第二方面，本专利技术提供一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上执行的计算机程序，所述处理器执行所述程序时实现如上任一所述方法的步骤。由上述技术方案可知，本专利技术将遥感影像中的矢量边缘及其形状特征信息作为约束条件，进行遥感影像分割的空域尺度与值域尺度计算。分别从地理空间和光谱空间两方面获得遥感影像多尺度分割的尺度参数，并且提高了影像分割的精度及效率。前面是提供对本专利技术一些方面的理解的简要
技术实现思路
。这个部分既不是本专利技术及其各种实施例的详尽表述也不是穷举的表述。它既不用于识别本专利技术的重要或关键特征也不限定本专利技术的范围，而是以一种简化形式给出本专利技术的所选原理，作为对下面给出的更具体的描述的简介。应当理解，单独地或者组合地利用上面阐述或下面具体描述的一个或多个特征，本专利技术的其它实施例也是可能的。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术的一个实施例的方法流程示意图；图2a为本专利技术的一个实施例中某一像素点的八个方向示意图；图2b为本专利技术的一个实施例中当前像素点到边缘八个方向的距离；图2c为本专利技术的一个实施例中局部最优空域尺度参数影像可视化表达示例；图3a为本专利技术的一个实施例中的原始遥感影像；图3b为图3a对应的值域尺度影像(通过均值-值域尺度算法得到的影像)；图3c为图3a对应的值域尺度影像(通过中值-值域尺度算法得到的影像)；图3d为图3a对应的值域尺度影像(通过联合-值域尺度算法得到的影像)；图4a为本专利技术的一个实施例中的遥感影像尺度计算实验数据，其中标注了待识别区域；图4b为图4a经过高斯滤波处理后的遥感影像；图4c为图4a经过中值滤波处理后的遥感影像；图4d为图4a经过均值滤波处理后的遥感影像；图4e为图4a经过双边滤波处理后的遥感影像；图4f为图4a经过)均值漂移滤波处理后的遥感影像；图4g为图4a经过各向异性扩散滤波处理后的遥感影像；图5为图4a对应的矢量边缘信息提取结果；图6为图4a对应的空域尺度影像；图7a为图4a对应的值域尺度影像(通过均值-值域尺度算法得到的影像)；图7b为图4a对应的值域尺度影像(通过中值-值域尺度算法得到的影像)；图7c为图4a对应的值域尺度影像(通过联合-值域尺度算法得到的影像)。具体实施方式下面将结合示例性的通信系统描述本专利技术。需要说明的是，本文中使用诸如S101、S102之类的标记，其并不是为了暗示S101和S102之间的顺序，而是为了便于在描述中用该类标记指代具体的步骤，使本文中的指代具体清楚，便于阅读。如图1所示，本实施例公开一种遥感影像尺度计算方法，包括：S101获取矢量边缘信息；S102基于矢量边缘信息计算空域尺度，获得空域尺度图像；S103基于矢量边缘信息和空域尺度图像计算获得值域尺度图像。空域尺度利用遥感影像的几本文档来自技高网...

【技术保护点】
一种遥感影像尺度计算方法，其特征在于：包括：S101获取矢量边缘信息；S102基于矢量边缘信息计算空域尺度，获得空域尺度图像；S103基于矢量边缘信息和空域尺度图像计算获得值域尺度图像。

【技术特征摘要】
1.一种遥感影像尺度计算方法，其特征在于：包括：S101获取矢量边缘信息；S102基于矢量边缘信息计算空域尺度，获得空域尺度图像；S103基于矢量边缘信息和空域尺度图像计算获得值域尺度图像。2.根据权利要求1所述的方法，其特征在于，在步骤S101之前包括：S201在接收遥感影像；S202对遥感影像进行预处理，预处理包括全色影像融合处理与多光谱影像滤波处理；S203、对预处理后的遥感影像提取矢量边缘信息。3.根据权利要求1所述的方法，其特征在于，所述S102基于矢量边缘信息计算空域尺度，获得空域尺度图像包括：计算遥感影像中的每个像素点在K个方向上到相应边缘的距离，像素点在K个方向上到相应边缘的距离分别为N1～Nk；K等于2的n次方，n大于等于2；设置的空域尺度影像中该像素点对应的像素点的像素值Sd为N1～Nk的平均值。4.根据权利要求1所述的方法，其特征在于，所述S103基于矢量边缘信息和空域尺度图像计算获得值域尺度图像，包括：对于遥感影像中的每一像素点，计算从该像素点到对应边缘的K个方向上，每个方向上所有像素点的光谱值之和平均值，获得ME1～MEk；计算ME1～MEk的平均值作为该像素点...

【专利技术属性】
技术研发人员：刘建华，杜明义，冯亚飞，程昊，普恒，
申请(专利权)人：北京建筑大学，
类型：发明
国别省市：北京,11