[发明专利]基于马尔科夫随机场和混合核函数的遥感图像分割方法

摘要

基于马尔科夫随机场和混合核函数的遥感图像分割方法，属于遥感图像分割和识别技术领域，其特征在于，主要解决现有技术中分割结果的区域一致性和细节信息不能同时满足的问题。实现步骤为：1.输入空间分辨率为0.3米的遥感SAR图像；2.根据遥感SAR图像的区域图，将遥感SAR图像划分为结构区域子空间和匀质区域子空间；2.对匀质区域子空间采用基于高斯径向基核函数的马尔科夫随机场进行分割；3.对结构区域子空间采用基于阈值化Ridgelet核函数的马尔科夫随机场进行分割；4.将匀质区域子空间的分割结果和结构区域子空间的分割结果合并，得到遥感SAR图像的分割结果。本发明实现了遥感SAR图像良好的分割效果，可用于遥感图像分割。

主权项

1.基于马尔科夫随机场和混合核函数的遥感图像分割方法，其特征在于，是在计算机中依次按如下步骤实现的：步骤(1)，输入：具有设定空间分辨率的城区遥感SAR图像，简称遥感图像，按所述遥感图像的区域图，把它分为结构区域子空间和匀质区域子空间，所述结构区域子空间是一种基于已经构造了设定几何窗的所述遥感图像的素描线形成的可素描区域在该遥感图像上映射而得到的，所述匀质区域子空间是指所述遥感图像中的不可素描区域，步骤(2)，计算机初始化，设定：遥感SAR图像的匀质区域子空间的类标序号为r，r＝1,2,...,R，R为遥感SAR图像中匀质区域子空间类标总数，遥感SAR图像的结构区域子空间的类标序号为w，w＝1,2,...,W，W为遥感SAR图像中结构区域子空间类标总数，为遥感SAR图像中每个像素预设一个类标序号，步骤(3)，对所述的匀质区域子空间中的所有像素采用基于高斯径向基核函数的马尔科夫随机场进行分割，步骤如下：步骤(3.1)设定：用符号ys表示在所述匀质区域子空间中的各像素，下标s为像素序号，s＝1,2,...,M，M是像素ys的总个数，Ns是以ys为中心的邻域像素yt的总个数，t为邻域像素yt的序号，t＝1,2,...,Ns，计算：中心像素ys和各邻域像素yt之间的高斯径向基核函数：其中，cs＝(cxs,cys)为ys的坐标，ct＝(cxt,cyt)为yt的坐标，k(ys,yt)表示ys和yt之间的相关性，称为ys和yt之间具有各向同性的空间上下文关系，σ1为尺度参数，取σ1＝3，步骤(3.2)，设定：中心像素y_s的类标集合为X_s，上标r为中心像素y_s的类标x_s的序号，X_t是以中心像素y_s的类标x_s为中心的邻域类标x_t的集合，计算：按下式计算在邻域内出现与中心像素的类标相同的邻域像素的类标的先验概率其中：为第一指示函数，箭头＝>表示对应关系，≠＞表示不对应，邻域像素的类标的先验概率在数值上等于中心像素的类标的先验概率步骤(3.3)中，当匀质区域子空间的中心像素服从Nakagami分布时，中心像素ys的似然概率为，其中：r＝1,2,...,R，Γ(α_r)是Gamma函数，μ_r为m_r为从初始化时为每个像素设定一个类标序号时统计得到的，m_r表示用第r个类标序号标注的像素的总个数，αr是遥感SAR图像中用类标序号r标注的遥感目标的视觉显著性的度量，是一个无量纲数值，在区间[0,1]中取值，αr由下式计算得到：ψ1(αr)＝d(log(Γ(αr)))/dαr，步骤(3.4)，根据步骤(3.2)‑步骤(3.3)的结果得到某一个中心像素y_s的类标的后验概率为：根据最大后验概率，得到遥感SAR图像中匀质区域子空间内像素y_s的类标为：步骤(3.5)，重复步骤(3.2)‑步骤(3.4)，得到匀质区域子空间中每一个像素的类标从而得到匀质区域子空间的分割结果，步骤(4)，对结构区域子空间采用基于阈值化Ridgelet核函数的马尔科夫随机场进行分割，步骤(4.1)，定义如下符号：结构区域子空间的像素为ya，a＝1,2,...,n,...,Q，Q为像素ya的总个数，Va是以ya为中心的邻域像素yb的总个数，b为邻域像素yb的序号，b＝1,2,...,Va，由于结构区域子空间包含遥感SAR图像中的边界，中心像素ya和其邻域像素yb具有各向异性的空间上下文关系，因而用阈值化的Ridgelet核函数h(ya,yb)来表示，其中：(cxa,cya)为ya的坐标，(cxb,cyb)为yb的坐标，σ2为尺度参数且σ2＝1，d是平移参数且d＝0，θ为从遥感SAR图像素描图中得到的素描线段上素描点的方向，是一种方向函数，为已知值，令则，步骤(4.2)，设定：中心像素y_a对应的类标集合为X_a，其中，w＝1,2,...,W，w为中心像素y_a对应的类标x_a的序号，中心像素y_a的邻域像素y_b的类标x_b的集合为X_b，计算在邻域内出现与中心像素的类标相同的邻域像素的类标的先验概率其中，为第二指示函数，箭头＝>表示对应，≠＞表示不对应，邻域像素的类标的先验概率在数值上等于中心像素的类标的先验概率步骤(4.3)，结构区域子空间的像素ya服从Nakagami分布，ya的似然概率为：其中：w＝1,2,...,W，Γ(α_w)是Gamma函数，μ_w为m_w是根据初始化时为每个像素设定的类标序号w而统计得到的，m_w为经第w类类标序号标注的像素的总个数，αw是遥感SAR图像中用类标序号w标注的遥感目标的视觉显著性的度量，是一个无量纲数值，在区间[0,1]中取值，αw由下式计算得到：ψ1(αw)＝d(log(Γ(αw)))/dαw，步骤(4.4)，根据步骤(4.2)‑步骤(4.3)的结果得到结构区域子空间中像素y_a的类标的后验概率为：根据最大后验概率，得到遥感SAR图像中结构区域子空间内像素y_a的类标为：步骤(4.5)，重复步骤(4.2)‑步骤(4.4)，得到结构区域子空间中每一个像素的类标从而得到结构区域子空间的分割结果，步骤(5)，把匀质区域子空间的分割结果和结构区域子空间的分割结果合并，即{xs|s∈M}∪{xa|a∈Q}。