[发明专利]基于多方向梯度算子的遥感图像脊线标注方法

权利要求书

1.一种基于多方向梯度算子的遥感图像脊线标注方法，其特征在于，利用多方向梯度算子获取脊线图，以树状图结构存储脊线路径点的位置信息，对树状图的组织结构进行重构；该方法的步骤包括如下：

步骤1，对遥感图像中每个像素点进行平滑处理：

步骤1.1，利用高斯平滑滤波公式，计算一幅可见光灰度遥感图像中每个像素点的灰度值占高斯核内总灰度值的比值；

步骤1.2，计算每个像素点的平滑后的灰度值；

步骤1.3，用每个像素点的平滑后的灰度值更新可见光灰度遥感图像与其对应像素点值；

步骤2，生成3个方向的梯度算子：

步骤2.1，生成8个方向上图像灰度值的变化率的梯度算子：S1、S2、S3、S4、S5、S6、S7、S8；

步骤2.2，将8个方向的梯度算子按照朝向划分为三大类；

步骤2.3，以遥感图像的几何中心为原点建立一个二维平面坐标系，描述遥感图像中光照方向的角度；

步骤2.4，根据遥感图像中光照方向与梯度算子方向的夹角，选择斜向梯度算子；

步骤2.5，根据斜向梯度算子选择横向梯度算子和纵向梯度算子；

步骤3，利用多方向梯度算子S1、S4、S7生成脊线图：

步骤3.1，将平滑处理后的遥感图像的矩阵F分别与横向梯度算子S1、纵向梯度算子S4、斜向梯度算子S7进行卷积，得到矩阵F11、矩阵F21、矩阵F31；

步骤3.2，分别对矩阵F11、矩阵F21、矩阵F31进行中值滤波，得到滤波后的矩阵F12、矩阵F22、矩阵F32；

步骤3.3，取滤波后的矩阵F12、F22、F32对应位置元素值的最大值，组成合成梯度矩阵F3；将合成梯度矩阵F3可视化为合成梯度图F4；

步骤3.4，计算图像背景和前景两类像素的分割阈值；

步骤3.5，对合成梯度图F4进行二值化得到粗糙脊线图F5；

步骤3.6，对粗糙脊线图F5进行腐蚀处理得到细化脊线图F6；

步骤4，重构树状图的组织结构：

步骤4.1，逐行逐列扫描细化脊线图F6中的所有像素点，将灰度值为0的像素点的位置信息存储在树状图的节点中；

步骤4.2，若树状图的根节点中子节点数量大于或等于2，则将该树状图中多于1个的子节点及其支路与本树状图断开，得到一组不具有分支结构的树状图；

步骤4.3，若在空间上相邻的两个像素点未存储于树状图上的一对父子节点中，在存储该两个像素点的节点之间有若干个存储着不相邻像素的节点，则删除存储不相邻像素的节点，使得存储着两个相邻像素点的节点为父子节点；

步骤4.4，通过重构后树状图中存储的脊线的位置信息对遥感图像脊线进行标注。

2.根据权利要求1所述的基于多方向梯度算子的遥感图像脊线标注方法，其特征在于，步骤2.1中所述的8个方向上图像灰度值的变化率的梯度算子如下：

S1:S2:S3:S4:S5:S6:S7:S8:

3.根据权利要求1所述的基于多方向梯度算子的遥感图像脊线标注方法，其特征在于，步骤3.2中所述的中值滤波的窗口尺度是，对于矩阵F11采用k＝2x+1,l＝x的滤波窗口，对于矩阵F21采用k＝x,l＝2x+1的滤波窗口，对于矩阵F31采用k＝1＝1.4x的滤波窗口，其中x为高斯核的大小。

4.根据权利要求1所述的基于多方向梯度算子的遥感图像脊线标注方法，其特征在于，步骤3.4中所述的分割阈值是由下式得到的：

μ＝w_Bμ_B+w₀μ₀

其中，表示当大括号中的函数取极大值时得到的阈值T，g表示图像背景和前景两类像素的分割阈值、w_B表示图像背景像素点数占图像总像素点数的比例、μ_B表示图像中背景像素的平均灰度值、μ表示图像全部像素的平均灰度值、w₀表示图像前景像素点数占图像总像素点数的比例、μ₀表示图像前景像素的平均灰度值，k表示像素灰度值，p(k)表示灰度值为k的像素点的数量。