一种遥感图像城区超像素分割方法技术

一种遥感图像城区超像素分割方法，包括：步骤一、初始化SAR图像的聚类中心；步骤二、在局部邻域内进行梯度计算，对初始化聚类中心进行优化和调整；步骤三、定义SAR图像的像素相似性测度；步骤四、根据像素相似性测度和搜索范围的限定进行迭代聚类；步骤五、消除孤立像素；步骤六、生成超像素边缘和超像素分割结果。本发明专利技术针对SAR图像相干斑噪声特点以及建筑物复杂几何特性，定义SAR图像的像素相似性测度，根据像素相似性测度和搜索范围的限定进行迭代聚类，考虑了SAR图像中像素灰度和位置信息，基于SLIC方法改进超像素生成策略，对SAR图像相干斑噪声有一定鲁棒性，能较好的保持图像细节。

【技术实现步骤摘要】
一种遥感图像城区超像素分割方法
本专利技术属于遥感图像信息处理领域，具体涉及一种遥感图像城区超像素分割方法，用于对合成孔径雷达(SAR)图像复杂城区建筑物进行精细化分割生成图像对象，为面向对象的遥感图像信息提取奠定基础，为SAR图像分类以及建筑物检测提供重要的特征信息。
技术介绍
合成孔径雷达(SyntheticApertureRadar，SAR)是一种高分辨率微波遥感成像雷达，作为应用广泛的遥感传感器，其具有全天时、全天候、多波段、穿透性强等特点。快速有效地实现SAR图像的自动解译，提取图像中所需要的重要目标信息将是雷达遥感图像研究领域的重要发展方向。SAR图像分割作为该发展方向的核心内容，在遥感图像处理领域中占据重要地位。传统的SAR图像分割算法以像素为单元进行分割，而基于超像素的SAR图像分割算法是以超像素代替传统的逐像素用于后续分割。相比而言，基于超像素的SAR图像分割在很大程度上提高了分割准确率，降低了后续图像处理复杂度，具有十分必要的应用需求。超像素为图像上的像素灰度、位置以及光谱等特征相近或相似的匀质区域，并且该区域形状规则，易于处理，因此超像素生成与分割技术是当前图像分割、分类、降噪等应用的研究热点。超像素具有下列特点：(1)具有保持图像边界信息能力，即超像素的边界应该尽可能为图像的边界；(2)从图像预处理角度考虑，超像素生成算法需要尽可能简单易用并且高效；(3)超像素在图像分割中应该有效区分不同目标并且保持目标结构细节信息。已有研究提出各种光学图像超像素生成算法，如Meanshift方法，Quickshift方法，Normalized-Cuts方法，Turbopixel方法，这些方法计算复杂度较高并且超像素分割结果的边界保持能力较弱。当前应用广泛的是一种简单线性迭代聚类(SimpleLinearIterativeClustering，SLIC)方法，该方法在图像一个局部区域内采用K均值迭代聚类的方法生成超像素，具有高效、简单并且边界保持性好的优点。由于SAR图像不同于光学图像的侧视成像特点以及固有的相干斑噪声影响，上述传统的光学图像超像素生成算法不能直接应用在SAR图像上。针对SAR图像超像素生成，武汉大学FachaoQin等人基于Wishart像素距离测度改进了传统的SLIC超像素生成方法，使其有效应用在全极化SAR图像中。上海交通大学LiuBin等人提出一种基于Wishart距离测度的改进Normalizedcuts方法用来生成SAR图像的超像素，该方法能对SAR图像得到比较理想的分割效果。西安电子科技大学Gan等人提出利用ROEWA算子提取边界能量和Turbopixel算法生成超像素图，再结合马尔可夫场模型对异化超像素图进行相干斑噪声抑制，完成SAR图像超像素分割。电子科技大学JilanFeng等人提出结合幅度和纹理特征以及条件随机场构建超像素，并合并图像初始分割结果对SAR图像实现面向对象的生成和分割，探索利用基于SAR图像统计模型和像素灰度均值比的能量函数最优化生成超像素。上述的超像素生成算法大都是来自传统光学图像超像素生成算法，虽然针对SAR图像的噪声特性进行了改进，并非针对SAR图像特点而设计的，此外在SAR图像复杂城区应用效果还不理想，针对高分辨率建筑物的精细化分割精度还不够，还需要进一步研究。
技术实现思路
本专利技术的目的在于针对上述现有技术中的问题，提供一种遥感图像城区超像素分割方法，针对SAR图像相干斑噪声特点以及建筑物复杂几何特性，基于SLIC方法改进超像素生成策略并应用到SAR图像分割中，能较好的保持图像细节，对相干斑中噪声也有一定鲁棒性。为了实现上述目的，本专利技术采用的技术方案为，包括以下步骤：步骤一、初始化SAR图像的聚类中心；步骤二、在局部邻域内进行梯度计算，对初始化聚类中心进行优化和调整；步骤三、定义SAR图像的像素相似性测度；步骤四、根据像素相似性测度和搜索范围的限定进行迭代聚类；步骤五、消除孤立像素；步骤六、生成超像素边缘和超像素分割结果。步骤一首先将初始的聚类中心按照均匀网格方式分布在图像内，图像的像素个数为N，设定超像素个数为k，网格边长为假设S＝{(h,w)|1≤h≤H,1≤w≤W}是二维图像矩阵坐标，I＝{I(h,w)|(h,w)∈S}为待处理的SAR图像，将SAR图像划分为m'×n'个网格，其中，regionSize为相邻聚类中心距离，也即网格的边长。步骤二优化和调整的过程为：以每个聚类中心为窗口基准，在每个聚类中心周围大小为3×3的范围内搜索最小梯度值，并记录下该最小梯度值所对应的位置，替换为新的聚类中心。SAR图像的像素特征矢量为[I,X,Y]，I为像素强度，[X,Y]为其空间位置坐标；像素i和j的强度比率距离为：其中，Ii和Ij分别表示以像素i和j为中心的局部区域所有像素强度特征矢量，变量M为该局部区域内像素个数，函数G表示标准高斯核函数；定义相似度如下：这里，ri,j,k表示特征矢量Ii和Ij第k个元素的比率，其概率密度定义为：其中，L为SAR图像的等效视数，Γ(·)为Gamma函数；像素空间位置距离定义为：其中，xi,yi和xj,yj分别为像素i和j在图像中的空间位置坐标；采用标准高斯核函数将上述距离映射为相似度，即：定义最终的SAR图像的像素相似度为：S(i,j)＝SI(i,j)+λ·SXY(i,j)；参数λ用于平衡细节丰富区域与匀质区域的相似度指标。所述的步骤四以聚类中心为核心，在其2S×2S的邻域范围内搜索，在聚类过程中，将与类别中心距离最小的像素归为当前类别，并重新计算聚类中心，按照此方法不断迭代，直到遇到终止条件，即前后迭代聚类中心的差值小于设定的阈值E。所述的步骤五将最终结果中存在的孤立点归为距离最近的类别，以此消除聚类过程中存在的孤立点。所述的步骤六在得到超像素之后，每个像素具有唯一的标签，根据像素标签信息进行超像素内部灰度值平均，得到超像素分割结果图，根据超像素标签的不同计算梯度，从而得到超像素的边缘。与现有技术相比，本专利技术具有如下的有益效果：针对SAR图像相干斑噪声特点以及建筑物复杂几何特性，定义SAR图像的像素相似性测度，根据像素相似性测度和搜索范围的限定进行迭代聚类，本专利技术考虑了SAR图像中像素灰度和位置信息，基于SLIC方法改进超像素生成策略，对SAR图像相干斑噪声有一定鲁棒性，能较好的保持图像细节。附图说明图1图像初始化聚类中心和搜索边界；图2聚类算法像素迭代搜索范围：(a)全图搜索；(b)局部搜索；图3本专利技术SAR图像超像素生成算法描述流程图；图4实测SAR图像超像素生成结果图：(a)原始图像；(b)本专利技术的生成结果图；(c)Meanshift的生成结果图；(d)Quickshift的生成结果图；(e)Normalized-Cuts的生成结果图；(f)Turbopixel的生成结果图。图5针对实测SAR图像在不同的regionSize和λ下得到的边界回召率折线图；图6针对实测SAR图像在不同的maxIter下得到的边界回召率折线图；图7不同方法针对实测SAR图像在不同的regionSize下得到的边界回召率折线图；图8不同方法针对仿真SAR图像在1视到8视相干斑条件下得到的边界回召率折线图；具体实本文档来自技高网...

【技术保护点】
1.一种遥感图像城区超像素分割方法，其特征在于，包括以下步骤：步骤一、初始化SAR图像的聚类中心；步骤二、在局部邻域内进行梯度计算，对初始化聚类中心进行优化和调整；步骤三、定义SAR图像的像素相似性测度；步骤四、根据像素相似性测度和搜索范围的限定进行迭代聚类；步骤五、消除孤立像素；步骤六、生成超像素边缘和超像素分割结果。

【技术特征摘要】
1.一种遥感图像城区超像素分割方法，其特征在于，包括以下步骤：步骤一、初始化SAR图像的聚类中心；步骤二、在局部邻域内进行梯度计算，对初始化聚类中心进行优化和调整；步骤三、定义SAR图像的像素相似性测度；步骤四、根据像素相似性测度和搜索范围的限定进行迭代聚类；步骤五、消除孤立像素；步骤六、生成超像素边缘和超像素分割结果。2.根据权利要求1所述的遥感图像城区超像素分割方法，其特征在于：所述的步骤一首先将初始的聚类中心按照均匀网格方式分布在图像内，图像的像素个数为N，设定超像素个数为k，网格边长为假设S＝{(h,w)|1≤h≤H,1≤w≤W}是二维图像矩阵坐标，I＝{I(h,w)|(h,w)∈S}为待处理的SAR图像，将SAR图像划分为m'×n'个网格，其中，regionSize为相邻聚类中心距离，也即网格的边长。3.根据权利要求1所述的遥感图像城区超像素分割方法，其特征在于，所述步骤二优化和调整的具体过程为：以每个聚类中心为窗口基准，在每个聚类中心周围大小为3×3的范围内搜索最小梯度值，并记录下该最小梯度值所对应的位置，替换为新的聚类中心。4.根据权利要求1所述的遥感图像城区超像素分割方法，其特征在于，SAR图像的像素特征矢量为[I,X,Y]，I为像素强度，[X,Y]为其空间位置坐标，像素i和j的强度比率距离为：其中，Ii和Ij分别表示以像...

【专利技术属性】
技术研发人员：项德良，王世晞，张亮，徐建忠，
申请(专利权)人：杭州世平信息科技有限公司，
类型：发明
国别省市：浙江,33