[发明专利]基于非负低秩稀疏关联制图的遥感图像分割方法

摘要

基于非负低秩稀疏关联制图的遥感图像分割方法，属于遥感图像处理领域，本发明为解决高分辨率遥感图像纹理信息的高同质性导致遥感图像分割精度低的问题。本发明图像分割方法具体过程为：对遥感图像进行量化处理：将待处理输入图像利用K‑均值聚类的分类方法根据图像灰度级范围进行量化处理；提取图像纹理信息的局部直方图特征；对局部直方图特征矩阵l_1/2范数约束进行低秩分解；构建低秩稀疏关联制图；利用关联制图约束的非负矩阵参数化方法分割特征矩阵，对于非负矩阵参数化方法分解的权重矩阵，通过去权卷积的方法在权重矩阵中寻找每个像素的特征向量所对应的类别最大权重，确定该像素所属的分割类别，实现图像分割。本发明用于遥感影像分割。

主权项

基于非负低秩稀疏关联制图的遥感图像分割方法，其特征在于，图像分割方法的具体过程为：步骤1、对遥感图像进行量化处理：将待处理的输入图像利用K‑均值聚类的分类方法根据图像的灰度级范围进行量化处理，去除冗余灰度信息；原始图像为f(x,y；v)，(x,y)为图像坐标，v∈[0,255]为图像灰度级范围；设置量化图像灰度级范围k，经过K‑均值聚类方法分类后，量化后的图像为f(x,y；k)；步骤2、提取图像纹理信息的局部直方图特征：输入量化后的图像，经过系统卷积运算在均值滤波器窗口w内统计每个像素纹理值的局部直方图特征，同时构建包括图像全部像素的局部直方图特征矩阵其中，m∈M，表示图像所有像素的数量；L_w表示输入图像的直方图变换，x∈X表示图像中每个像素的位置；步骤3、对局部直方图特征矩阵范数约束进行低秩分解：首先，通过范数约束的低秩分解对构建的纹理局部直方图矩阵进行分解；其次，利用增广拉格朗日优化方法求解出具有低秩稀疏特性、且能够描述每个特征间线性组合的最优解范数是指矩阵中所有元素的平方和的1/2次方；步骤4、构建低秩稀疏关联制图：首先对于低秩分解输出的最优解进行向量归一化处理，计算每个向量的范数，通过比较计算获得样本特征向量的最大范数每个特征除以获得归一化的系数矩阵同时根据公式构建关联制图矩阵；步骤5、利用关联制图约束的非负矩阵参数化方法分割特征矩阵，对于非负矩阵参数化方法分解的权重矩阵，通过去权卷积的方法在权重矩阵中寻找每个像素的特征向量所对应的类别最大权重，确定该像素所属的分割类别，实现图像分割。