[发明专利]一种基于多尺度特征融合的遥感图像感兴趣区域提取方法

权利要求书

1.一种基于多尺度特征融合的遥感图像感兴趣区域提取方法，本方法首先采用基于多尺度谱残差的显著性分析方法生成遥感图像的多尺度低频显著图，然后利用整数小波变换获取遥感图像水平、垂直和对角线方向的多尺度高频显著图，接着利用跨尺度加权与跨尺度融合策略得到亮度显著图与方向显著图，并合并两个显著图生成主显著图，最后通过最大类间方差法进行阈值分割提取最终的感兴趣区域，本发明的特征在于，具体包括以下几个步骤：

步骤一：利用n级高斯金字塔获得遥感图像的多尺度低频分量，构成多尺度亮度特征图，然后采用基于多尺度谱残差(MSSR，Multi-Scale Spectral Residual)的显著性分析方法对每一个尺度上的亮度特征图做谱残差计算，提取相应的视觉显著信息，最终构成遥感图像的多尺度低频显著图；

步骤二：利用跨尺度加权方法对不同尺度的低频显著图进行加权运算，即首先计算所有尺度显著图的最大值M，然后将所有尺度的显著图标准化至一个固定的区间[0，M]，接着分别计算每个尺度下显著图的平均值i＝1，2…n，最后将每幅显著图分别乘以加权因子得到跨尺度加权运算结果；

步骤三：将跨尺度加权运算的结果进行跨尺度融合，即将不同尺度的加权运算结果调整为原始输入遥感图像大小，然后做点对点相加，得到亮度显著图

步骤四：利用整数小波变换对原始遥感图像进行n级分解，将所有尺度下的水平、垂直和对角线方向高频分量提取出来，生成水平、垂直和对角线方向的小波金字塔，即多尺度方向特征图；

步骤五：分别对水平、垂直和对角线方向的小波金字塔进行小波系数筛选，即对每个方向上的多尺度方向特征图进行阈值截断与低通滤波处理，得到水平、垂直和对角线方向的多尺度高频显著图；

步骤六：生成方向显著图即首先分别对水平、垂直和对角线方向的高频显著图完成如步骤二所述的跨尺度加权运算，然后在同一尺度上将三个方向的加权运算结果相加，得到一组新的包含了三个方向信息的多尺度高频特征图，最后将多尺度高频特征图进行如步骤三所述的跨尺度融合运算，得到方向显著图

步骤七：将步骤三所述的亮度显著图和步骤六所述的方向显著图标准化到区间[0，1]，然后直接相加得到最终的主显著图S；

步骤八：通过最大类间方差法得到主显著图S的分割阈值，利用该阈值将主显著图分割为一幅二值图像模板，用“1”代表感兴趣区域，用“0”代表非感兴趣区域，最后将二值图像模板与原始图像相乘得到最终的感兴趣区域提取结果。

2.根据权利要求1所述的一种基于多尺度特征融合的遥感图像感兴趣区域提取方法，其特征在于，所述步骤一的具体过程为：

1)对输入的遥感图像做高斯金字塔处理，即对图像做高斯低通滤波，并进行空间降维，高斯金字塔分解会产生一系列分辨率逐步降低的多尺度图像组

2)采用基于多尺度谱残差的显著性分析方法分别对多尺度图像组的每一个尺度上的图像做谱残差计算，谱残差计算的具体过程包括：

①对输入图像做傅里叶变换，计算变换后图像的幅度谱A(f)和相位谱P(f)；

②相位谱保持不变，对幅度谱进行取对数处理，即：

L(f)＝log(A(f))

得到输入图像的对数幅度谱；

③计算对数幅度谱与平均对数幅度谱之间的差，得到谱残差结果，即：

R(f)=L(f)-A‾(f)]]>

其中表示对L(f)进行均值滤波后得到平均对数幅度谱，R(f)表示谱残差；

④最后通过傅里叶反变换与高斯低通滤波得到输入图像的视觉显著信息：

其中代表傅里叶反变换，g(x)为高斯低通滤波器；

3)提取每一个尺度上亮度特征图的视觉显著信息，从而构成图像的多尺度低频显著图。