【技术实现步骤摘要】
本专利技术涉及一种针对高分辨率遥感图像典型地物的交互式提取方法，属于卫星遥感数据处理。
技术介绍
1、高分辨率遥感图像信息丰富，地物纹理细节特征明显，可服务于农业、渔业、交通、城市建设以及军事侦查等多个领域的典型地物要素监测与评估。对于典型地物提取而言，愈发先进的智能化算法显著提高了自动提取的精度，然而，在某些复杂场景的地物信息提取任务中，还需要借助人工核查的方式进行补充修正。
2、单纯以人工方式进行地物信息提取耗时耗力，效率低下，随着影像数量的增多，人工勾画的工作量将成倍增长，需要投入较大的人力和物力。而半自动提取技术可以通过提取算法和人工交互的方式实现线状、面状地物的快速勾画，大大减轻人员的工作量，解决了复杂场景地物提取中自动化提取精度难以满足实际需求，而纯人工的提取效率低下的问题。
技术实现思路
1、本专利技术的技术解决问题是：克服现有技术的不足，提供一种针对高分辨率遥感图像典型地物的交互式提取方法，解决现有复杂场景地物信息自动提取精度差的难题。
2、本专利技术的技术解决方案是：
3、本专利技术公开了一种针对高分辨率遥感图像典型地物的交互式提取方法，包括：
4、s1、对高分辨率遥感图像进行预处理，得到预处理后的图像；
5、s2、对所述预处理后的图像，进行加权最小二乘滤波，得到滤波结果图；
6、s3、在所述滤波结果图中待提取地物的内部绘制闭合多边形，形成多边形包络；
7、s4、根据设定的分割参数
8、s5、根据所述多边形包络，获得正向样本集；
9、s6、计算所述不同分割尺寸的分割单元集中每个分割单元的特征向量；
10、s7、根据所述特征向量，计算所述不同分割尺度的分割单元集中每个分割单元与正向样本集的特征差异；
11、s8、根据所述特征差异，建立全连接条件随机场；
12、s9、根据所述全连接条件随机场，得到不同分割尺度下的待提取地物的粗提取结果；
13、s10、判断所述粗提取结果进行轮廓优化是否满足要求；若满足，则对所述粗提取结果进行轮廓优化，得到提取结果，若不满足，则重复步骤s3～s9。
14、进一步地，在上述提取方法中，所述预处理后的图像，尺寸不超过1000*1000，像素值取值范围为0-255。
15、进一步地，在上述提取方法中，所述对所述预处理后的图像，进行加权最小二乘滤波，得到滤波结果图，具体为：
16、iwls＝wls(i,λ,α)
17、其中，iwls为加权最小二乘滤波结果图，wls为加权最小二乘滤波运算，i为输入图像，λ和α分别是加权最小二乘滤波运算的参数。
18、进一步地，在上述提取方法中，所述不同分割尺度的分割单元集，具体为：
19、sm＝{sm1,sm2,sm3,…,smi,…,smn}
20、
21、sbig＝slic(iwls,ωbig)
22、smid＝slic(iwls,ωmid)
23、ssml＝slic(iwls,ωsml)
24、其中，si表示分割结果中编号为i的分割单元，n表示分割后的单元总数，m为big、mid或sml；sbig、smid、ssml分别表示大、中、小尺度分割结果，ωbig、ωmid、ωsml分别为大、中、小尺度分割参数，slic表示简单线性迭代聚类算法处理；pij表示分割单元si包含的第j个图像像素点，li表示分割单元si包含的像素点总数。
25、进一步地，在上述提取方法中，所述根据所述多边形包络，获得正向样本集，具体为：
26、若则si∈sp；其中，roi为多边形包络，si为不同分割尺度的分割单元集中的分割单元；表示将多边形包络与不同分割尺度的分割单元集中的所有分割单元取交集，若交集不为空，则将该分割单元列入正向样本集合sp。
27、进一步地，在上述提取方法中，所述计算所述不同分割尺寸的分割单元集中每个分割单元的特征向量，具体为：
28、fi＝[fi,spec,fi,shape,fi,space]
29、
30、
31、
32、其中，fi,spec,fi,shape,fi,space分别为分割单元si对应的光谱、形状、空间特征向量；分别为分割单元si的角二阶距、同质性、对比度和熵对应的特征的归一化结果；分别为归一化面积和归一化长宽比；分别为分割单元si在第1～band波段的光谱均值，band为多光谱图像的波段总数，为光谱指数。
33、进一步地，在上述提取方法中，所述分割单元si的角二阶距、同质性、对比度和熵对应的特征的归一化结果，具体为：
34、
35、
36、
37、
38、
39、hi(r,c)＝p(d'(m,n)＝r|d'(m+dm,n+dn)＝c)
40、其中，hi(r,c)表示“当分割单元内的某一像素点(m+dm,n+dn)的灰度值为r时，窗口图像像素点(m,n)的灰度值是c”这一事件的发生概率；dm、dn分别为窗口图像像素点(m,n)沿行、列方向的位移量。
41、进一步地，在上述提取方法中，所述计算所述不同分割尺度的分割单元集中每个分割单元与正向样本集的特征差异，具体为：
42、
43、
44、其中，f’i,ne表示其他不属于正向样本的分割单元的特征向量；np表示正向样本包含的分割单元总数，是正向样本集sp内的所有分割单元的特征向量之和。
45、进一步地，在上述提取方法中，所述根据所述特征差异，建立全连接条件随机场，具体为：
46、
47、ψu(xa＝0)＝1-δa,ψu(xa＝1)＝δa
48、ψp(xa,xb)＝δ(xa,xb)k(fa,fb)
49、
50、
51、
52、其中，δa为第a个分割单元的特征差异，ψp(xa,xb)为第a个和第b个节点分别取xa、xb的代价；δ(xa,xb)为二阶potts函数，t表示核函数的数量，kt为第t个高斯核函数，ωt为其对应权值，λt为其对应特征向量的协方差矩阵；xa、xb分别为第a、b个分割单元的所属标签；fa、fb分别为第a、b个分割单元的特征向量；kt(fa,fb)为第t个高斯核函数，ωt为第t个高斯核函数对应权值；k(fa,fb)为t个高斯核函数的加权叠加。
53、进一步地，在上述提取方法中，所述根据所述全连接条件随机场，得到不同分割尺度下的待提取地物的粗提取结果，具体为：
54、ofin＝obig∩omid∩osml
55、o＝{si|xi＝1}
56、其中，o为某一分割尺度下本文档来自技高网...
【技术保护点】
1.一种针对高分辨率遥感图像典型地物的交互式提取方法，其特征在于，包括：
2.根据权利要求1所述的一种针对高分辨率遥感图像典型地物的交互式提取方法，其特征在于，所述预处理后的图像，尺寸不超过1000*1000，像素值取值范围为0-255。
3.根据权利要求1所述的一种针对高分辨率遥感图像典型地物的交互式提取方法，其特征在于：所述对所述预处理后的图像，进行加权最小二乘滤波，得到滤波结果图，具体为：
4.根据权利要求1所述的一种针对高分辨率遥感图像典型地物的交互式提取方法，其特征在于：所述不同分割尺度的分割单元集，具体为：
5.根据权利要求4所述的一种针对高分辨率遥感图像典型地物的交互式提取方法，其特征在于：所述根据所述多边形包络，获得正向样本集，具体为：
6.根据权利要求1所述的一种针对高分辨率遥感图像典型地物的交互式提取方法，其特征在于：所述计算所述不同分割尺寸的分割单元集中每个分割单元的特征向量，具体为：
7.根据权利要求6所述的一种针对高分辨率遥感图像典型地物的交互式提取方法，其特征在于：所述分割单元si
8.根据权利要求1所述的一种针对高分辨率遥感图像典型地物的交互式提取方法，其特征在于：所述计算所述不同分割尺度的分割单元集中每个分割单元与正向样本集的特征差异，具体为：
9.根据权利要求1所述的一种针对高分辨率遥感图像典型地物的交互式提取方法，其特征在于：所述根据所述特征差异，建立全连接条件随机场，具体为：
10.根据权利要求1所述的一种针对高分辨率遥感图像典型地物的交互式提取方法，其特征在于：所述根据所述全连接条件随机场，得到不同分割尺度下的待提取地物的粗提取结果，具体为：
...【技术特征摘要】
1.一种针对高分辨率遥感图像典型地物的交互式提取方法，其特征在于，包括：
2.根据权利要求1所述的一种针对高分辨率遥感图像典型地物的交互式提取方法，其特征在于，所述预处理后的图像，尺寸不超过1000*1000，像素值取值范围为0-255。
3.根据权利要求1所述的一种针对高分辨率遥感图像典型地物的交互式提取方法，其特征在于：所述对所述预处理后的图像，进行加权最小二乘滤波，得到滤波结果图，具体为：
4.根据权利要求1所述的一种针对高分辨率遥感图像典型地物的交互式提取方法，其特征在于：所述不同分割尺度的分割单元集，具体为：
5.根据权利要求4所述的一种针对高分辨率遥感图像典型地物的交互式提取方法，其特征在于：所述根据所述多边形包络，获得正向样本集，具体为：
6.根据权利要求1所述的一种针对高分辨率遥感图像典型地物的交互式提...
【专利技术属性】
技术研发人员：马中祺，节永师，仝迟鸣，江澄，杨舒淇，陶睿，何红艳，邢坤，陈轩，岳春宇，
申请(专利权)人：北京空间机电研究所，
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。