[发明专利]一种基于单点模糊初始化水平集演化的遥感图像溢油分割方法

摘要

本发明公开了一种基于单点模糊初始化水平集演化的遥感图像溢油分割方法，其步骤为首先，在原始图像溢油区域内任选一像素作为种子像素，计算图像中各像素相对于种子像素的模糊连接度；然后，基于模糊连接度构建初始水平集函数；最后，基于区域可伸缩匹配(Region Scalable Fitting)水平集算法进行水平集演化，至收敛时，水平集函数大于零的区域对应于遥感图像中的溢油区域。本发明克服了区域可伸缩匹配水平集算法对于不同初始水平集函数会得到不同分割结果的缺点，能够将遥感溢油图像进行精确的分割。

主权项

一种基于单点模糊初始化水平集演化的遥感图像溢油分割方法，其特征在于：包含以下步骤：步骤一：设定溢油区域中的种子像素，计算图像中各像素相对于种子像素的模糊连接度：定义I表示一张分辨率为X×Y的遥感溢油灰度图像，I是X×Y维矩阵，I(x,y)是矩阵中(x,y)位置的元素，表示溢油图像(x,y)位置像素的灰度值。在原始图像溢油区域内任选一个(x0,y0)位置的像素作为种子像素。计算图像中所有位置中任意两位置所对应像素间的模糊邻近度，位于任意(xi,yi)和(xj,yj)位置两像素间模糊邻近度ρi,j如下计算：其中，k1是距离递减因子，为非负常数，用来调整图像中两像素间的距离权重；计算图像中所有位置中任意两位置所对应像素间的模糊相似度，位于任意(xi,yi)与(xj,yj)位置两像素间模糊相似度ai,j如下计算：ai,j=ρi,j1+k2|I(xi,yi)-I(xj,yj)|---(2)]]>其中，k2是梯度权重，为非负常数，是平衡像素强度差异的权重；计算图像中所有位置的像素与(x0,y0)位置的种子像素之间的模糊连接度，位于任意(x,y)位置的像素与位于(x0,y0)位置的种子像素之间的模糊连接度如下计算：μ(x0,y0)(x,y)=maxp∈P[min(i,j)∈p(ai,j)]---(3)]]>其中，P是位置(x,y)到(x0,y0)的所有路径，p是P中的一条路径。步骤二：基于模糊连接度构建初始水平集函数：设定阈值θ，基于θ和构建初始水平集函数φ0(x,y)：φ0(x,y)=+2,μ(x0,y0)(x,y)≥θ;-2,μ(x0,y0)(x,y)<θ.---(4)]]>步骤三：以φ0(x,y)为初始水平集函数，基于区域可伸缩匹配进行水平集演化，具体执行过程为：定义平滑阶跃函数为：H∈(φ)=12[1+2πarctan(φ∈)]---(5)]]>H∈(φ)导数为：δ∈(φ)=H∈′(φ)=1π∈∈2+φ2---(6)]]>定义基于上述定义，构建区域可伸缩匹配函数：qi(x,y)=Kσ(x,y)*[Mi∈(φ(x,y))I(x,y)]Kσ(x,y)*Mi∈(φ(x,y)),i=1,2---(7)]]>其中，Kσ为高斯核函数σ是它的尺度参数。基于Kσ和qi(x,y)，定义数据拟合函数：ei(x,y)＝∫∫Kσ(x‑u,y‑υ)|I(u,υ)‑qi(x,y)|2dudυ   (8)基于公式(6)和公式(8)，定义梯度流方程：∂F∂φ=δ∈(φ)(λ1e1-λ2e2)-vδ∈(φ)div(▿φ|▿φ|)-η[▿2φ-div(▿φ|▿φ|)]---(9)]]>其中，λi是正数，用来平衡各个数据拟合函数的权重；v、η均是非负参数，保证水平集演化的正则性；以公式(4)为t＝0时初始水平集函数，构建水平集演化方程为：φt+1(x,y)=φt(x,y)-α∂F∂φ|t---(10)]]>式中，α是演化速率；经公式(10)迭代演化至收敛，得到最终的水平集函数，其大于零的区域分割为遥感图像中的溢油区域。