[发明专利]一种基于尺度间映射的高分辨率遥感影像分割方法

说明书

技术领域

本发明涉及一种基于尺度间映射的高分辨率遥感影像分割方法，属于遥感影像分割技术领域。

背景技术

与普通图像相比，遥感影像具有多波段、地物种类众多、纹理特征丰富、多尺度、覆盖范围宽广等特点。首先，遥感影像通常包含了多个波段的数据，使得传统单波段的影像分割方法很难直接应用于多光谱或高光谱遥感影像分割中；另外，遥感影像通常包含了丰富的纹理信息，能够综合反映各种地物复杂的空间结构特征，使得有效的抽取和表述对象的纹理特征更加困难；再者，遥感影像通常覆盖范围广泛的区域，尺寸大，云层遮盖、地物阴影等干扰因素众多，因此需要更加高效的影像分割，有时还需要引入先验知识提高分割精度；最后，遥感影像中的地物通常表现出多尺度特征，即多尺度的影像分割能够提取对象在不同尺度下的空间结构特征。这些原因都造成了成功分割遥感影像的困难，也使遥感影像分割领域始终充满了发展的动力。

近三十年来，学者们对遥感影像分割及其应用展开了广泛而深入的研究。例如，Laprade等人提出了基于分裂及合并的分割算法，其主要思想为利用F检验判断区域的均质程度，并成功应用于针对航空遥感影像的图像分割。Pan等提出将分水岭分割算法与Mean Shift聚类方法相结合，并利用小波变换进行多尺度分割，在卫星遥感影像中取得了良好的效果。Dong等人利用相邻像素间的光谱相似性，提出了基于高斯——马尔科夫模型(GMRF，Gauss-MRF)的SAR影像分割算法，并与Gamma-MRF模型的Radar分割算法进行了比较。需要指出的是，尽管目前遥感影像分割算法很多，但针对高分辨率遥感影像的图像分割研究依然在针对性及系统性方面存在诸多不足。

空间分辨率的提高带来了更加丰富的光谱信息及纹理、形状等空间信息，同时也带来了同种地物可分性增加，而不同种类地物可分性降低等问题，即更加突出的“同谱异物”、“同物异谱”现象，这些都给高分辨率遥感影像分割带来了新的挑战。Deng等提出的JSEG算法综合考虑了影像的光谱信息与纹理特征，对区域彩色纹理特征的同质性具有强大的检测能力。JSEG算法对各种自然场景具有很强的鲁棒性，并已成功应用于遥感影像分割领域。但JSEG算法也存在一些固有的局限，例如结果容易产生过分割；分割结果中不同目标间分界不明显及容易受到阴影等干扰因素的影响等。

针对这些问题，学者已提出了一些改进的JSEG方法：Zheng等利用模糊控制对影像量化过程进行了优化，所有的像素根据隶属度函数被划分为不同的类，更好的保持了颜色信息的空间分布特征，减弱了过分割现象。Chang等提出了利用影像中原始像素的彩色信息代替量化影像的IC-JSEG算法，在自然场景中获得了更好的分割结果。Komati等提出了三种改进版本的JSEG算法：Fractal-JSEG、Fractal-only和Local Fractal Dimension。前两种方法主要提高了分割结果中不同目标间边界区域的检测精度，第三种方法主要针对影像中前景目标与背景区域具有相似光谱信息与纹理特征的应用场合。上述方法均取得了不同程度的改进效果，但算法仅适用于普通图像的分割。在遥感影像分割领域，尽管改进的JSEG算法在中低分辨率遥感影像中已取得了较为理想的效果，但鲜见JSEG算法在高分辨率遥感影像分割中的应用研究。

鉴于JSEG算法固有的局限性及高分辨率遥感影像尤其在城市场景中多变的生态环境和各种人造目标给影像分割造成的困难，直接采用JSEG算法很难取得满意的效果。

发明内容

发明目的：针对现有技术中存在的问题，在影像量化、区域分割以及区域合并三个方面对JSEG算进行了改进，本发明提出了一种基于尺度间映射的高分辨率遥感影像分割算法。

技术方案：一种基于尺度间映射的高分辨率遥感影像分割方法，主要分为三个步骤：量化与小波变换、多尺度分割、区域合并。

量化与小波变换

首先对高分辨率遥感影像进行量化与小波变换。在影像量化过程将采用模糊C均值聚类(FCM，Fuzzy C-Means)方法，FCM的实现过程如下：

设其中，R^P是P维向量空间，N为样本总数。设u_ik为第k个样本属于第i类的隶属度，c为分类的总数，且满足0≤u_ik≤1，0≤k≤N，1≤i≤c，令分类后第i类的聚类中心为v_i，定义目标函数如下：