【技术实现步骤摘要】
本专利技术涉及一种,属于遥感影像分割
。
技术介绍
目前,高分辨率遥感影像在城市规划、环境评价及军事等很多领域都得到广泛应用,而面向对象的分析方法在高分辨率遥感影像研究中正越来越多的受到重视。有效的影像分割是面向对象的分析方法的基础和重要保证。目前,高分辨率遥感影像的分割方法主要分为五类:基于像元的分割方法,如阈值法、聚类法;基于边缘检测的分割方法;基于区域的分割方法;基于物理模型的分割方法和结合特定数学理论;工具的分割方法,如数学形态学、模糊数学、小波变换和人工神经网络等。随着航天技术与传感器技术的不断发展,遥感影像空间分辨的不断提高,同时也为影像分割带来了新的挑战。与传统中低分辨率遥感影像相比,高分辨遥感影像中“同谱异物”现在依然存在,“同物异谱”现象更为突出。尤其在城市场景中,丰富地物的种类,多样的生态环境以及复杂的图像背景都给准确的影像分割造成了困难。在众多分割方法中,分水岭算法具有快速、有效、准确特点而受到广泛应用。但在高分辨率遥感影像中,在图像中通常存在大量的暗纹理细节,从而造成了大量的伪局部极小值,这些极小值产生的伪积水盆地会造成严重的过分割问题。针对这一问题,Vincent等提出的沉浸分水岭分割算法有效提高了分割精度,但是计算效率不高。Semt等提出了一种模拟降水的分水岭算法,该算法速度更快且没有保证了分割精度。在此基础上,陈秋晓等提出了一种新颖的基于局域同质性梯度的高分辨率遥感影像分割方法,该算法有效的解决了分水岭变换的过分割问题,但也存在如下问题:由于采用了过于粗糙的量化,使高分辨率遥感影像中大量细节信息的严重损失, ...
【技术保护点】
一种基于灰度共生矩阵的多波段高分辨率遥感影像分割方法,其特征在于,主要分为三个步骤:波段影像纹理影像特征提取;降水分水岭分割;分割结果叠加与区域合并;1),波段影像纹理影像特征提取对每个波段影像单独进行分割,采用灰度共生矩阵方法提取遥感影像的多个纹理特征,计算各个波段的纹理影像:根据图像大小,选择尺寸为N×N像素的滑动窗口来计算灰度共生矩阵,计算灰度共生矩阵的熵、角二阶矩、对比度和一致性四个特征值,作为新的特征矩阵的窗口中心像元;移动纹理窗口,重复上述步骤,直到遍历整个影像,可以得到四个新的纹理矩阵;将得到的四个方向的纹理矩阵取平均值,获得最终的纹理特征矩阵,即纹理影像;2),降水分水岭分割基于所提取的纹理图像,采用降水分水岭变换方法对每个波段影像分割进行分割;3),分割结果叠加与区域合并将多波段影像中的分割结果中的边界进行叠加,从而将原始影像过分割为大量碎片区域,在此基础上对这些区域进行区域合并,获得最终的分割结果。
【技术特征摘要】
1.一种基于灰度共生矩阵的多波段高分辨率遥感影像分割方法,其特征在于,主要分为三个步骤:波段影像纹理影像特征提取;降水分水岭分割;分割结果叠加与区域合并; I),波段影像纹理影像特征提取 对每个波段影像单独进行分割,采用灰度共生矩阵方法提取遥感影像的多个纹理特征,计算各个波段的纹理影像:根据图像大小,选择尺寸为NXN像素的滑动窗口来计算灰度共生矩阵,计算灰度共生矩阵的熵、角二阶矩、对比度和一致性四个特征值,作为新的特征矩阵的窗口中心像元;移动纹理窗口,重复上述步骤,直到遍历整个影像,可以得到四个新的纹理矩阵;将得到的四个方向的纹理矩阵取平均值,获得最终的纹理特征矩阵,即纹理影像; 2),降水分水岭分割 基于所提取的纹理图像,采用降水分水岭变换方法对每个波段影像分割进行分割; 3),分割结果叠加与区域合并 将多波段影像中的分割结果中的边界进行叠加,从而将原始影像过分割为大量碎片区域,在此基础上对这些区域进行区域合并,获得最终的分割结果。2.如权利要求1所述的基于灰度共生矩阵的多波段高分辨率遥感影像分割方法,其特征在于, 对于一个由N个离散灰度级组成的图像f(x,y)来说,灰度共生矩阵Pd,e[i,j]定义为i,j联合出现的概率,其中,i是点(X,y)的灰度值,j是点(x+Ax,y+Ay)的灰度值,d是指灰度共生矩阵的生长步长;e 是指灰度共生矩阵的生成方向P1是指满足d、0条件的灰3.如权利要求1所述的基于灰度共生矩阵的多波段高分辨率遥感影像...
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。