[发明专利]一种高分辨率遥感图像分割方法

权利要求书

1.一种高分辨率遥感图像分割方法，其特征在于：包括如下步骤：

步骤1：输入待分割彩色遥感图像，并将其表达为最小生成树，即MST；

步骤2：利用MST静态划分技术将图像域划分成若干个同质子区域；

步骤3：在划分的图像域上，以同质子区域为基本决策单元，建立基于区域隐马尔可夫随机场(Regional Hidden Markov Random Field,RHMRF)的彩色高分辨率遥感图像分割模型；具体方法为：

步骤3.1：建立区域隐马尔可夫随机场，具体方法为：

步骤3.1.1：对于划分的图像域P上的每个同质子区域索引i∈M，定义其标号空间为X_i＝{x_i；x_i∈Q}，其中x_i为同质子区域i的标号，Q＝{1,…,q}，q为同质子区域类数，同质子区域标号叉积空间为对于空间X，概率分布函数p(x)为定义于X上的标号随机场，x∈X，x＝{x_i；i∈M}为该随机场的一个实现；

步骤3.1.2：令为M上的同质子区域邻域系统，为同质子区域的邻域集合，其中为第i个同质子区域的邻域区域集合，当且仅当两个同质子区域有共同边界时，两个同质子区域相邻；对于同质子区域邻域系统标号随机场的实现x的马尔科夫随机场即在给定标号场邻域作用强度参数β的条件下标号随机场x的分布，如下式所示，

其中，β为标号场邻域作用强度；为第i个同质子区域邻域区域的标号集合，如下式所示，

其中，t(x_i,x_i′)为指示函数，当x_i＝x_i′时，其函数值为1，否则函数值为0；q表示同质子区域类数；

步骤3.1.3：在光谱测度空间的随机场p(z)和子区域标号随机场p(x)的基础上，参考基于像素的HMRF模型的定义，建立区域隐马尔可夫随机场，如下式所示，

p(z,x)＝p(z|x)p(x) (11)

其中，p(z|x)采用似然函数方式进行计算，即，

其中，z_i是z的子集，表示第i个同质子区域的像素集合；

步骤3.2：基于像素的改进HMRF-FCM思想，建立基于区域的HMRF-FCM目标函数及其约束条件，即建立基于区域隐马尔可夫随机场的彩色高分辨率遥感图像分割模型，目标函数如下式所示，

其中，λ为模糊度参数；R＝{r_ij}为模糊关系矩阵，r_ij为模糊关系函数，表示第i个同质子区域数据隶属于第j个聚类的程度；q是同质子区域类数；η＝{η_ij}为标号HMRF先验分布，其中η_ij如下式所示，

D_ij为第i个同质子区域像素集关于第j类的信息量和，如下式所示，

其中，μ_j和Σ_j分别为第j类多元高斯分布的均值和协方差矩阵，θ_j＝(μ_j,Σ_j)，

目标函数F_λ(R,θ,η|m,q)满足的约束条件为即一个同质子区域隶属于所有类属的模糊关系之和为1；

步骤4：针对已建立的分割模型，利用RHMRF-FCM算法对该模型进行求解，得到最优分割结果；

步骤5：输出高分辨率遥感图像的分割结果。