專利名稱：基于Mean Shift分割的遙感圖像中水上橋梁識別方法
技術(shù)領(lǐng)域：
本發(fā)明涉及一種遙感圖像識別方法，特別是一種基于Mean Shift分割的遙感圖像 中水上橋梁識別方法。
背景技術(shù)：
文獻(xiàn)“基于知識的航空圖像中大型水上橋梁目標(biāo)識別，武漢理工大學(xué)學(xué)報，2005， Vol. 29(2)，p230-233”公開了一種航空圖像中大型水上橋梁目標(biāo)識別方法，該方法針對高 空航拍圖像提出了一種基于知識的橋梁目標(biāo)識別方法。根據(jù)水域與陸地域、橋梁域之間的 強對比關(guān)系，對航空圖像進(jìn)行二值分割，將水域與其它區(qū)域分割開來，根據(jù)水域?qū)蛄哼M(jìn)行 初步定位。然后使用種子點生長法來精確地標(biāo)記出橋梁域，認(rèn)為橋梁的寬度相對于長度而 言很小，所以經(jīng)HOUGH變換處理得到的軸向直線，根據(jù)軸線上兩邊的像素點得到橋梁的寬 度。但是，因為橋梁在圖像中所占的比例比較小，背景復(fù)雜，灰度反差比較小，很難在數(shù)據(jù)驅(qū) 動下通過圖像分割，提取目標(biāo)特征進(jìn)而來判斷識別目標(biāo)。而且認(rèn)為橋梁的首要特征是存在 兩條平行的長直線，但實際拍攝中，由于傳感器的視角、取像距離的原因并非存在平行的長 直線。所以文獻(xiàn)所述方法處理遙感圖像時具有局限性，識別率較低。

發(fā)明內(nèi)容
為了克服現(xiàn)有的水上橋梁目標(biāo)識別方法識別率低的不足，本發(fā)明提供一種基于 Mean Shift分割的遙感圖像中水上橋梁識別方法。該方法采用Mean Shift方法，利用顏色 特性進(jìn)行圖像分割，提取河流區(qū)域，并利用相似度確定河流域。結(jié)合膨脹、腐蝕連通河流區(qū) 域，根據(jù)橋梁的特征，提取橋梁區(qū)域。通過細(xì)化得到連通的河流的骨架線，尋找與橋梁區(qū)域 的交點來找到候選橋梁，最后利用橋梁的形狀紋理特征識別橋梁，可以提高水上橋梁目標(biāo) 識別的識別率。本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案一種基于Mean Shift分割的遙感圖 像中水上橋梁識別方法，其特點是包括以下步驟(a)將遙感圖像格式轉(zhuǎn)化到LUV空間，對遙感圖像進(jìn)行Mean Shift分割和區(qū)域合 并；令區(qū)域合并后聯(lián)合域中原始像素點IxJi = 1,2...,η ；聯(lián)合域中濾波后像素點 {zji = 1，2...，η;分割后遙感圖像中第i個像素標(biāo)記為Li, i = 1，2...，n。利用高斯核函數(shù)k(x)估計特征密度空間，對遙感圖像中的任一點用高斯核函數(shù) k(x)進(jìn)行漂移
權(quán)利要求
一種基于Mean Shift分割的遙感圖像中水上橋梁識別方法，其特征在于包括已寫步驟(a)將遙感圖像格式轉(zhuǎn)化到LUV空間，對遙感圖像進(jìn)行Mean Shift分割和區(qū)域合并；令區(qū)域合并后聯(lián)合域中原始像素點{xi}i＝1，2...，n；聯(lián)合域中濾波后像素點{zi}i＝1，2...，n；分割后遙感圖像中第i個像素標(biāo)記為Li，i＝1，2...，n。利用高斯核函數(shù)k(x)估計特征密度空間，對遙感圖像中的任一點用高斯核函數(shù)k(x)進(jìn)行漂移 <mrow><mi>k</mi><mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo></mrow><mo>=</mo><msup> <mrow><mo>(</mo><mn>2</mn><mi>&Pi;</mi><mo>)</mo> </mrow> <mrow><mo>-</mo><mi>d</mi><mo>/</mo><mn>2</mn> </mrow></msup><mi>exp</mi><mrow> <mo>(</mo> <mo>-</mo> <mfrac><mn>1</mn><mn>2</mn> </mfrac> <msup><mrow> <mo>|</mo> <mo>|</mo> <mi>x</mi> <mo>|</mo> <mo>|</mo></mrow><mn>2</mn> </msup> <mo>)</mo></mrow><mo>-</mo><mo>-</mo><mo>-</mo><mrow> <mo>(</mo> <mn>1</mn> <mo>)</mo></mrow> </mrow>利用k(x)得出具有收斂性的遞推公式 <mrow><msub> <mi>y</mi> <mrow><mi>i</mi><mo>+</mo><mn>1</mn> </mrow></msub><mo>=</mo><mfrac> <mrow><munderover> <mi>&Sigma;</mi> <mrow><mi>i</mi><mo>=</mo><mn>1</mn> </mrow> <mi>n</mi></munderover><msub> <mi>x</mi> <mi>i</mi></msub><mi>g</mi><mrow> <mo>(</mo> <msup><mrow> <mo>|</mo> <mo>|</mo> <mfrac><msub> <mrow><mi>x</mi><mo>-</mo><mi>x</mi> </mrow> <mi>i</mi></msub><mi>h</mi> </mfrac> <mo>|</mo> <mo>|</mo></mrow><mn>2</mn> </msup> <mo>)</mo></mrow> </mrow> <mrow><munderover> <mi>&Sigma;</mi> <mrow><mi>i</mi><mo>=</mo><mn>1</mn> </mrow> <mi>n</mi></munderover><mi>g</mi><mrow> <mo>(</mo> <msup><mrow> <mo>|</mo> <mo>|</mo> <mfrac><msub> <mrow><mi>x</mi><mo>-</mo><mi>x</mi> </mrow> <mi>i</mi></msub><mi>h</mi> </mfrac> <mo>|</mo> <mo>|</mo></mrow><mn>2</mn> </msup> <mo>)</mo></mrow> </mrow></mfrac><mo>-</mo><mo>-</mo><mo>-</mo><mrow> <mo>(</mo> <mn>2</mn> <mo>)</mo></mrow> </mrow>和Mean Shift向量 <mrow><msub> <mi>m</mi> <mi>h</mi></msub><mrow> <mo>(</mo> <mi>x</mi> <mo>)</mo></mrow><mo>=</mo><mfrac> <mrow><munderover> <mi>&Sigma;</mi> <mrow><mi>i</mi><mo>=</mo><mn>1</mn> </mrow> <mi>n</mi></munderover><msub> <mi>x</mi> <mi>i</mi></msub><mi>g</mi><mrow> <mo>(</mo> <msup><mrow> <mo>|</mo> <mo>|</mo> <mfrac><msub> <mrow><mi>x</mi><mo>-</mo><mi>x</mi> </mrow> <mi>i</mi></msub><mi>h</mi> </mfrac> <mo>|</mo> <mo>|</mo></mrow><mn>2</mn> </msup> <mo>)</mo></mrow> </mrow> <mrow><munderover> <mi>&Sigma;</mi> <mrow><mi>i</mi><mo>=</mo><mn>1</mn> </mrow> <mi>n</mi></munderover><mi>g</mi><mrow> <mo>(</mo> <msup><mrow> <mo>|</mo> <mo>|</mo> <mfrac><msub> <mrow><mi>x</mi><mo>-</mo><mi>x</mi> </mrow> <mi>i</mi></msub><mi>h</mi> </mfrac> <mo>|</mo> <mo>|</mo></mrow><mn>2</mn> </msup> <mo>)</mo></mrow> </mrow></mfrac><mo>-</mo><mi>x</mi><mo>=</mo><msub> <mi>y</mi> <mrow><mi>i</mi><mo>+</mo><mn>1</mn> </mrow></msub><mo>-</mo><mi>y</mi><mo>-</mo><mo>-</mo><mo>-</mo><mrow> <mo>(</mo> <mn>3</mn> <mo>)</mo></mrow> </mrow>進(jìn)行迭代卷積，直到滿足停止準(zhǔn)則，即移動距離小于設(shè)定數(shù)||mh(x) x||＜ε或者漂移次數(shù)達(dá)到最大值；式中，h是帶寬參數(shù)，h＝(hs，hv)，hs是空域顏色特征帶寬，hv是空間帶寬，{cj}是核函數(shù)k(x)的剖面函數(shù)的負(fù)導(dǎo)數(shù)；對遙感圖像進(jìn)行Mean Shift濾波并把所有關(guān)于收斂點的信息都保存在zi中；在聯(lián)合域中生成聚類{ci}j＝1，...，m，把所有在空域距離小于hv并且在色度域距離小于hs的zi組合在一起；對于任意i＝1，2...，n，令Li＝{j|zi∈cj}，設(shè)定最小區(qū)域M，剔除小于M的空間區(qū)域；(b)計算所有區(qū)域之間的相似值，各區(qū)域的向量作內(nèi)積進(jìn)行相似性判斷；或者，將各區(qū)域的三分量轉(zhuǎn)化為灰度值，求各區(qū)域局部區(qū)域方差，進(jìn)行相似性判斷；并將最小局部區(qū)域方差，作為第一塊河流；或者，計算剩余各區(qū)域與首河流區(qū)域之間的均方差判斷相似性；選取滿足以上相似性標(biāo)準(zhǔn)的區(qū)域作為河流區(qū)域；(c)對遙感圖像進(jìn)行二值化處理，利用連通區(qū)域標(biāo)記法標(biāo)記潛在河流區(qū)域，并去除噪聲河流區(qū)域；對河流區(qū)域執(zhí)行膨脹操作，連通河流；然后用最大連通水域與原未連通二值化河流區(qū)域做差，利用兩個河流區(qū)域之間是橋梁域的特點，提取橋梁區(qū)域，并細(xì)化提取河流中心線；(d)尋找河流域中心線與未連通河流圖像的交點，并且落在橋梁區(qū)域的點，提取候選橋梁；提取橋梁輪廓線，利用形狀紋理特征來識別橋梁。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于所述帶寬參數(shù)h=(hs,hv)中，空域顏色 特征帶寬hs最佳值是9，空間帶寬hv最佳值是8. 5。
3.根據(jù)權(quán)利要求1所述的方法，其特征在于所述最小區(qū)域M是500。
全文摘要
本發(fā)明公開了一種基于Mean Shift分割的遙感圖像中水上橋梁識別方法，用于解決現(xiàn)有的水上橋梁目標(biāo)識別方法識別率低的技術(shù)問題。技術(shù)方案是采用Mean Shift方法，利用顏色特性進(jìn)行圖像分割，提取河流區(qū)域，并利用相似度確定河流域。結(jié)合膨脹、腐蝕連通河流區(qū)域，根據(jù)橋梁的特征，提取橋梁區(qū)域。通過細(xì)化得到連通的河流的骨架線，尋找與橋梁區(qū)域的交點來找到候選橋梁，最后利用橋梁的形狀紋理特征識別橋梁，提高了水上橋梁目標(biāo)識別的識別率。
文檔編號G06K9/62GK101976347SQ20101051714
公開日2011年2月16日 申請日期2010年10月21日 優(yōu)先權(quán)日2010年10月21日
發(fā)明者孫瑾秋, 張艷寧, 李映, 趙靜, 郭哲, 馬瑜, 魏巍 申請人:西北工業(yè)大學(xué)