本申请的实施例提供一种面向对象的遥感图像分割方法、装置、设备及介质。所述方法包括：基于分波段的边缘特征提取算法对待分割图像进行初始图像分割，得到标签图和多边形矢量；通过遍历所述标签图，建立区域邻接图，其节点存储标签的光谱直方图、纹理直方图和形状参数，其边存储表示节点相似度的权重值；基于权重值与动态阈值的关系进行节点合并，将合并节点所对应的多边形矢量合并后与遥感底图叠加得到最终分割结果。本申请解决了采用绝对阈值存在的调参较生硬，且可能造成小建筑被合并到其他对象内，或者大对象被过分割等问题；本申请的图像分割效果更符合人眼视觉，能够在地物复杂的场景依然能保持各地物完整独立。复杂的场景依然能保持各地物完整独立。复杂的场景依然能保持各地物完整独立。
【技术实现步骤摘要】
一种面向对象的遥感图像分割方法、装置、设备及介质
[0001]本申请属于遥感图像处理
，具体涉及一种面向对象的遥感图像分割方法、装置、设备及介质。
技术介绍
[0002]图像分割是面向对象影像分析的基础，其结果将对后续的分析处理产生重要的影响。传统的分割算法主要以光谱信息的利用为主，如区域增长、分水岭算法等。随着遥感影像空间分辨率的提高，影像中蕴含的纹理信息和边缘信息对图像分割的影响越来越大，许多学者结合光谱与纹理发展出JSEG、高斯混合模型、马尔科夫随机场模型等。这些模型对内容相对简单的自然影像具有一定的效果，但是对于地物复杂的高分辨率影像，很难消除细小地物对分割结果的干扰，导致分割效果差。
技术实现思路
[0003]为了解决现有技术中存在的上述问题，本申请的实施例提供一种面向对象的遥感图像分割方法、装置、设备及介质，基于光谱、纹理和形状相似性利用动态阈值进行区域合并，分割效果更符合人眼视觉，在地物复杂的场景下仍然能使分割结果保持各地物完整独立。
[0004]为了实现上述目的，本申请的实施例采用以下技术方案。
[0005]第一方面，本申请的实施例提供一种面向对象的遥感图像分割方法，包括以下步骤：基于分波段的边缘特征提取算法对待分割图像进行初始图像分割，得到标签图和多边形矢量；通过遍历所述标签图，建立区域邻接图，所述区域邻接图包括表示标签区域的节点和表示节点关系的边，所述节点存储标签的光谱直方图、纹理直方图和形状参数，所述边存储表示边所连的节点之间的相似度的权重值；基于所述权重值与预先构造的动态阈值序列中不同动态阈值的关系来判断是否进行节点合并；若所述权重值的最大值大于所述动态阈值序列中的预设动态阈值t，则认为所述节点与该邻接点可以进行合并；若同一个节点a存在多个满足条件的邻接点N，则选择与该节点相似度最大的邻接节点；若同一个节点a有且仅有一个节点b对应，则直接向任务列表中添加a到b的融合任务；若节点a没有满足条件的节点，则跳过或不做处理；将可以进行合并的节点所对应的多边形矢量合并后与遥感底图叠加得到最终分割结果。
[0006]进一步地，对待分割图像的获取步骤，包括：利用Farid边缘检测法对所述待分割图像的每一波段的图像进行处理，得到各波段对应的边缘特征图；对各波段对应的边缘特征图进行求和，得到能够显示图像边缘特征强弱的灰度图；利用Canny边缘检测法对所述待分割图像的每一波段的图像进行处理，得到包括各波段对应的边缘线图像；获取所述边缘线图像中所有像素点到各个边缘线的距离，得到距离图；求解所述距离图中的峰值点，将所有峰值点作为种子点；利用分水岭算法对所述灰度图和种子点进行处理，得到所述待分割图像的初始分割结果。
[0007]进一步地，所述通过遍历所述标签图，建立区域邻接图的步骤，包括：遍历初始分割结果中的标签图，识别出邻接的标签并进行标记，生成邻接矩阵；将所述邻接矩阵转换为图论中的网络，网络中的节点存储标签的光谱直方图、纹理直方图和形状参数，网络中的边存储表示边所连的节点之间的相似度的权重值。
[0008]更进一步地，所述进行节点合并的步骤，包括：S1、根据尺度因子预先构造动态阈值，所述尺度因子可动态调整，每一尺度因子可计算得出相对应的动态阈值，动态阈值的集合序列可表示为，N为动态阈值个数；S2、用户选择任意尺度因子，确定与之相对应的动态阈值T1S3、根据动态阈值T1与节点M的关系对节点进行合并处理，具体包括：若与节点M相连的边的权重值的最大值大于阈值T1，则将节点M合并到所述最大值对应的边连接的另一节点；否则，对节点M不进行合并处理；遍历所有节点，进行与节点M相同的合并处理；S4、更新尺度因子的值，将阈值替换为下一个阈值，重复执行步骤S3；S5、重复执行步骤S4，直到执行完最后一个阈值对应的合并处理步骤。
[0009]更进一步地，预先构造基于不同动态阈值的动态阈值序列的步骤，包括：根据用户输入的尺度因子构造数列，时，；时，；，floor()为向下取整运算；按下式计算动态阈值序列中的每个阈值：式中，min_T为能容忍的最小阈值，λ为像素数n小于尺度因子时阈值的衰减速率。
[0010]更进一步地，所述将节点M合并到所述最大值对应的边连接的另一节点的步骤，包括：删除节点M，将与节点M连接的其它节点连接到另一节点；
更新另一节点的光谱直方图、纹理直方图和形状参数；更新与另一节点相连的所有边的权重；将节点M和另一节点对应的多边形矢量进行合并。
[0011]更进一步地，所述将节点M和另一节点对应的多边形矢量进行合并的步骤之后还包括，将节点M合并到另一节点后的直方图更新步骤和形状参数的更新步骤，其中，所述直方图的更新步骤包括：式中，n、m分别为节点M和另一节点的像素数，p、q分别为节点M和另一节点的直方图；所述形状参数的更新步骤包括：修改标签图，将节点M对应的标签的id值改为另一节点对应的标签的id值；通过形态学膨胀和腐蚀的差值图得到另一节点的新边界，基于新边界像素的数量和总像素数量计算更新后另一节点的形状参数。
[0012]第二方面，本申请的实施例还提供一种面向对象的遥感图像分割装置，包括：初始分割模块，用于基于分波段的边缘特征提取算法对待分割图像进行初始图像分割，得到标签图和多边形矢量；邻接图构建模块，用于通过遍历所述标签图，建立区域邻接图，所述区域邻接图包括表示标签区域的节点和表示节点关系的边，所述节点存储标签的光谱直方图、纹理直方图和形状参数，所述边存储表示边所连的节点之间的相似度的权重值；节点更新模块，用于更新节点的光谱直方图、纹理直方图和形状参数；更新与节点相连的所有边的权重；节点合并模块，将判断为需要合并的节点进行合并，将合并的节点所对应的多边形矢量合并后与遥感底图叠加得到最终分割结果。
[0013]第三方面，本申请的实施例还提供一种电子设备，所述电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上述第一方面中任意一项所述的面向对象的遥感图像分割方法。
[0014]第四方面，本申请的实施例还提供一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上述第一方面中任意一项所述的面向对象的遥感图像分割方法。
[0015]与现有技术相比，本申请具有以下有益效果。
[0016]本申请的实施例提供的技术方案通过基于边缘特征提取进行初始图像分割得到标签图和多边形矢量，通过遍历所述标签图建立区域邻接图，基于所述相似度与动态阈值比较进行节点合并，将合并后得到的多边形矢量与遥感底图叠加得到最终分割结果，实现了面向对象的遥感图像分割。通过分波段提取边缘特征图，将边缘特征图叠加到一起看作高程模型，更加契合分水岭的设计理念，与现有技术将灰度图输入分水岭算法相比，本专利技术
先对地物进行细分，再对同类地物进行划分，采用与现有技术不同的聚类算法，通本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种面向对象的遥感图像分割方法，其特征在于，包括以下步骤：基于分波段的边缘特征提取算法对待分割图像进行初始图像分割，得到标签图和多边形矢量；通过遍历所述标签图，建立区域邻接图，所述区域邻接图包括表示标签区域的节点和表示节点关系的边，所述节点存储标签的光谱直方图、纹理直方图和形状参数，所述边存储表示边所连的节点之间的相似度的权重值；基于所述权重值与预先构造的动态阈值序列中不同动态阈值的关系来判断是否进行节点合并；若所述权重值的最大值大于所述动态阈值序列中的预设动态阈值t，则认为所述节点与该邻接点可以进行合并；若同一个节点a存在多个满足条件的邻接点N，则选择与该节点相似度最大的邻接节点；若同一个节点a有且仅有一个节点b对应，则直接向任务列表中添加a到b的融合任务；若节点a没有满足条件的节点，则跳过或不做处理；将可以进行合并的节点所对应的多边形矢量合并后与遥感底图叠加得到最终分割结果。2.根据权利要求1所述的面向对象的遥感图像分割方法，其特征在于，在所述基于分波段的边缘特征提取算法对待分割图像进行初始图像分割，得到标签图和多边形矢量之前，还包括：利用Farid边缘检测法对所述待分割图像的每一波段的图像进行处理，得到各波段对应的边缘特征图；对各波段对应的边缘特征图进行求和，得到能够显示图像边缘特征强弱的灰度图；利用Canny边缘检测法对所述待分割图像的每一波段的图像进行处理，得到包括各波段对应的边缘线图像；获取所述边缘线图像中所有像素点到各个边缘线的距离，得到距离图；求解所述距离图中的峰值点，将所有峰值点作为种子点；利用分水岭算法对所述灰度图和种子点进行处理，得到所述待分割图像。3.根据权利要求1所述的面向对象的遥感图像分割方法，其特征在于，所述通过遍历所述标签图，建立区域邻接图的步骤，包括：遍历初始分割结果中的标签图，识别出邻接的标签并进行标记，生成邻接矩阵；将所述邻接矩阵转换为图论中的网络，以建立所述区域邻接图；其中，网络中的节点存储标签的光谱直方图、纹理直方图和形状参数，网络中的边存储表示边所连的节点之间的相似度的权重值。4.根据权利要求3所述的面向对象的遥感图像分割方法，其特征在于，所述进行节点合并的步骤，包括：S1、根据尺度因子预先构造动态阈值，所述尺度因子可动态调整，每一尺度因子可计算得出相对应的动态阈值，动态阈值的集合序列可表示为，N为动态阈值个数；S2、用户选择任意尺度因子，确定与之相对应的动态阈值T1S3、根据动态阈值T1与节点M的关系对节点进行合并处理，具体包括：
若与节点M相连的边的权重值的最大值大于阈值T1，则将节点M合并到所述最大值对应的边连接的另一节点；否则，对节点M不进行合并处理；遍历所有节点，进行与节点M相同的合并处理；S4、更新尺度因子的值，将阈值替换为下一个阈值，重复...
【专利技术属性】
技术研发人员：商胜波，陆川，
申请(专利权)人：成都国星宇航科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。