專(zhuān)利名稱(chēng)：具有邊界保持特性的遙感圖像多尺度分割方法
技術(shù)領(lǐng)域：
本發(fā)明涉及遙感圖像處理技術(shù)，具體的說(shuō)，涉及一種具有邊界保持特性的多尺度遙感圖像分割方法。
背景技術(shù)：
高空間分辨率遙感圖像提供了豐富的關(guān)于地物幾何結(jié)構(gòu)、紋理細(xì)節(jié)、地物光譜 等方面的信息，在大比例尺遙感制圖、環(huán)境監(jiān)測(cè)等方面有廣闊的應(yīng)用前景，使得可以在 較小的空間尺度上觀(guān)察地表的細(xì)節(jié)變化，監(jiān)測(cè)人為活動(dòng)對(duì)環(huán)境的影響。高空間分辨率遙感圖像應(yīng)用的重要途徑之一是利用圖像分割技術(shù)將遙感圖像分 割成勻質(zhì)區(qū)域，再利用地物的光譜信息、紋理信息、幾何結(jié)構(gòu)以及拓?fù)湫畔⒌茸R(shí)別地 物。不同地物攜帶者不同的尺度信息，如湖泊、林地等的尺度不同于耕地、城區(qū)道路、 針葉林、闊葉林等的尺度，因此如果可將圖像進(jìn)行多尺度的分割，使不同尺度地物的信 息提取可選擇在相應(yīng)尺度的分割區(qū)域圖層上提取，對(duì)空間尺度大的類(lèi)別在分割尺度較大 的圖層中分析，對(duì)于空間尺度較小的類(lèi)別在分割尺度較小的圖層中進(jìn)行處理，這種多尺 度圖層提取信息的方法，始終比在一個(gè)圖層中進(jìn)行操作更加合理與高效。傳統(tǒng)的遙感圖像的分割方法主要包括兩大類(lèi)先提取邊界再獲得區(qū)域的方法和 先獲得區(qū)域再掃描邊界的方法。前者是通常所說(shuō)的基于邊緣的分割方法；后者是通常 所說(shuō)的基于區(qū)域的分割方法?；趨^(qū)域的分割方法以直接尋找區(qū)域?yàn)榛A(chǔ)，包括區(qū)域生 長(zhǎng)法、分裂合并法和基于圖像聚類(lèi)的分割方法等?；谶吘壍姆指罘椒ㄓ?jì)算簡(jiǎn)單、速度 快，但對(duì)噪聲干擾比較敏感；基于區(qū)域的分割方法將區(qū)域一致性作為準(zhǔn)則，具有一定的 抗噪能力，但計(jì)算量大，當(dāng)圖像尺寸較大時(shí)，分割速度較慢。分水嶺分割方法是目前使用較為廣泛的一類(lèi)新的分割方法，它是基于數(shù)學(xué)形態(tài) 學(xué)的分割方法，可以和基于邊緣的方法結(jié)合，也可以和基于區(qū)域的方法結(jié)合，它將圖像 梯度幅度看作地理意義上的地形表面，將最高的梯度值的象元看作是分水嶺。如此，被 分水嶺圍起的在任何像素位置的水將向下流向共同的局部極小處，因此形成一個(gè)“積水 盆”。積水盆對(duì)應(yīng)分割區(qū)域，分水嶺形成閉合的區(qū)域邊界。分水嶺分割算法具有全局 分割、邊界閉合、實(shí)現(xiàn)效率高、準(zhǔn)確率高、算法穩(wěn)定和適用性強(qiáng)等優(yōu)點(diǎn)，但存在嚴(yán)重的
“過(guò)分割”問(wèn)題。引起分水嶺“過(guò)分割”現(xiàn)象的主要原因是分水嶺變換基于圖像梯度幅度進(jìn)行， 易受噪聲影響，而且梯度幅度圖像中每個(gè)局部極小值將對(duì)應(yīng)分割結(jié)果中一個(gè)單獨(dú)的區(qū) 域，在分割結(jié)束時(shí)會(huì)得到待分割對(duì)象的區(qū)域輪廓，而區(qū)域的個(gè)數(shù)是由局部極小值的數(shù)量 決定的，圖像中由于有紋理等特征的存在，局部極小值的個(gè)數(shù)會(huì)遠(yuǎn)大于實(shí)際的目標(biāo)對(duì) 象，這也就造成了大量的虛假輪廓，初始的分水嶺分割結(jié)果會(huì)給出許多的小區(qū)域，其中 許多區(qū)域并不是有意義的分割區(qū)域，這就是“過(guò)分割”。這些過(guò)分割的區(qū)域必須合并以 形成一個(gè)有意義的最終的分割區(qū)域。初始的分割區(qū)域越多，形成最終分割區(qū)域所需要的 合并步驟越多，時(shí)間的消耗也越長(zhǎng)，因此，圖像分割前需要預(yù)處理的工作。最常使用的預(yù)處理方法是低通濾波，如高斯濾波。在高斯濾波后使用梯度運(yùn)算，繼而進(jìn)行分水嶺變 換。然而這樣一類(lèi)預(yù)處理方法對(duì)復(fù)合邊界會(huì)導(dǎo)致一個(gè)系統(tǒng)性的定位誤差，使用任何的線(xiàn) 性濾波器都無(wú)法彌補(bǔ)。所謂復(fù)合邊界指由于成像系統(tǒng)的作用，實(shí)際圖像中的邊界不是簡(jiǎn) 單的階梯函數(shù)，而是階梯函數(shù)、尖峰函數(shù)和屋頂函數(shù)的組合。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種針對(duì)遙感圖像，特別是高空間分辨率遙感圖像具有邊 界保持特性的多尺度圖像分割方法。本發(fā)明的基本思路為采用一種能夠準(zhǔn)確定位復(fù)合邊界的圖像預(yù)處理方法，使 預(yù)處理后獲得的圖像類(lèi)似于梯度圖像，但圖像中的邊界位置更準(zhǔn)確；對(duì)預(yù)處理后的圖像 進(jìn)行分水嶺分割，得到初始的分割結(jié)果；將初始分割結(jié)果進(jìn)行矢量化，生成分割矢量圖 層，使每個(gè)分割區(qū)域用多邊形矢量來(lái)表達(dá)，建立矢量多邊形之間的鄰接關(guān)系；對(duì)多邊形 的矢量圖層，構(gòu)建圖；基于圖進(jìn)行分割區(qū)域的合并；將合并過(guò)程迭代進(jìn)行，直到形成所 需的尺度分割層次及結(jié)構(gòu)。本發(fā)明采用的能夠準(zhǔn)確定位復(fù)合邊界的圖像預(yù)處理方法是基 于正交濾波器組對(duì)圖像進(jìn)行濾波后再求取圖像局部能量圖的方法。該方法比先高斯濾波 再進(jìn)行梯度運(yùn)算的常規(guī)預(yù)處理方法不僅能極大地減少分水嶺過(guò)分割的區(qū)域，而且地物邊 界可以得到保持。即使分水嶺分割之前已經(jīng)過(guò)預(yù)處理步驟，分水嶺初始分割結(jié)果仍然包含大量的 過(guò)分割區(qū)域，對(duì)過(guò)分割區(qū)域的合并是必不可少的。常規(guī)的基于閾值的合并準(zhǔn)則只依賴(lài)閾 值，隨機(jī)地從某個(gè)區(qū)域開(kāi)始合并操作，開(kāi)始的區(qū)域不同，合并的次序不同，合同的結(jié)果 也不同。本發(fā)明結(jié)合圖論的最小生成樹(shù)算法和閾值控制進(jìn)行合并，使相似的鄰接區(qū)域優(yōu) 先合并，快速有效地合并掉過(guò)大量“過(guò)分割”的區(qū)域，有效保持地物邊界，避免單純依 據(jù)閾值不能有效獲得勻質(zhì)區(qū)域的問(wèn)題。本發(fā)明還通過(guò)在矢量圖層中進(jìn)行過(guò)分割區(qū)域的合 并處理，獲得多尺度的分割結(jié)果并高效構(gòu)建多尺度分割結(jié)果的層次結(jié)構(gòu)。矢量化首先對(duì) 初始分割結(jié)果進(jìn)行，使每個(gè)分割區(qū)域用矢量多邊形來(lái)表達(dá)，然后建立每個(gè)多邊形之間的 鄰接關(guān)系，生成初始的底層小尺度區(qū)域結(jié)構(gòu)，并在此基礎(chǔ)上構(gòu)建圖，把初始分割中的區(qū) 域看成圖的頂點(diǎn)，把鄰接區(qū)域看成是圖的邊，把鄰接區(qū)域的特征差異看作是邊的權(quán)值， 結(jié)合最小生成樹(shù)算法進(jìn)行圖合并，生成第二層較大尺度的矢量圖層，同時(shí)構(gòu)建該尺度的 區(qū)域結(jié)構(gòu)。該合并過(guò)程可以迭代進(jìn)行，直到形成所需的尺度分割層次及結(jié)構(gòu)。本發(fā)明的技術(shù)方案提供的遙感圖像具有邊界保持特性的多尺度圖像分割方法， 其特征在于包括以下實(shí)施步驟A對(duì)輸入的遙感圖像提取分割波段；B設(shè)計(jì)正交濾波器，構(gòu)造多方向多尺度正交濾波器組，對(duì)分割波段濾波后計(jì)算 圖像局部能量圖；C簡(jiǎn)化圖像局部能量圖以此作為分水嶺分割的輸入圖像；D對(duì)圖像的局部能量圖進(jìn)行分水嶺分割，形成初始分割結(jié)果；E對(duì)初始分割結(jié)果進(jìn)行矢量化，形成初始分割結(jié)果矢量圖層；F掃描分割結(jié)果矢量圖層，構(gòu)建圖；G依據(jù)圖論中的最小生成樹(shù)算法結(jié)合閾值控制進(jìn)行圖合并，使相似的鄰接區(qū)域優(yōu)先合并，形成新尺度的分割結(jié)果的矢量圖層，在此過(guò)程中，構(gòu)建該尺度的區(qū)域結(jié)構(gòu)；H設(shè)置 迭代次數(shù)，通過(guò)執(zhí)行步驟F和步驟G進(jìn)行迭代合并，產(chǎn)生多個(gè)尺度分割結(jié) 果矢量圖層，同時(shí)形成多尺度分割結(jié)果的區(qū)域?qū)哟谓Y(jié)構(gòu)。上述實(shí)施步驟的特征在于步驟A中所述分割波段，對(duì)于遙感的全色圖像，直接取該波段；對(duì)于多光譜圖 像，選取其中一個(gè)波段或波段組合結(jié)果作為分割波段，或可在光譜變換后的分量上進(jìn)行 分割，如主成分變換后的第一分量或第二分量上進(jìn)行分割；步驟B中一個(gè)正交濾波器包含一個(gè)均值為零的偶對(duì)稱(chēng)的濾波器和一個(gè)奇對(duì)稱(chēng)的 濾波器，兩個(gè)濾波器的L2范數(shù)相等而且正交，使用由該濾波器組構(gòu)成的多方向多尺度的 濾波器組分別對(duì)分割波段進(jìn)行濾波，進(jìn)而求得該波段的局部能量圖，形成的局部能量圖 像具有很好的邊界保持能力，能夠準(zhǔn)確定位及檢測(cè)復(fù)合邊界，這是與常規(guī)高斯濾波結(jié)合 SobeL Robert等梯度算子區(qū)別最大的地方；步驟C中所述將圖像局部能量圖簡(jiǎn)化的方法是對(duì)局部能量圖去除掉小的能量 值，得到新的局部能量圖；步驟E中所述初始分割結(jié)果矢量化，是指初始分割結(jié)果中的區(qū)域邊界以矢量多 邊形方式表示；步驟F中所述的圖是以初始分割的區(qū)域?yàn)閳D的頂點(diǎn)，鄰接關(guān)系的區(qū)域形成圖的 邊，鄰接區(qū)域間的特征差異為圖中連接兩個(gè)頂點(diǎn)的邊的權(quán)值；鄰接區(qū)域間的特征差異通 過(guò)鄰接區(qū)域的光譜均值差異、紋理差異、鄰接區(qū)域公共邊界的平均邊界強(qiáng)度定義；步驟G中所述的依據(jù)圖論中的最小生成樹(shù)算法結(jié)合閾值控制的圖合并，其特征 是在最小樹(shù)生成的過(guò)程中加入邊的權(quán)值的閾值進(jìn)行控制，使得最小樹(shù)的生成會(huì)在中間被 打斷，成為若干個(gè)樹(shù)，樹(shù)的個(gè)數(shù)表示合并后區(qū)域的個(gè)數(shù)，樹(shù)中的頂點(diǎn)表示合并的區(qū)域。 所述的圖論中的最小生成樹(shù)算法主要包括Boravka、KraskaL Prim三種算法。步驟H中所述的迭代合并過(guò)程是指每一迭代前都要對(duì)上一次區(qū)域合并的結(jié)果構(gòu) 建新的圖，然后按照步驟G進(jìn)行圖合并，并將每一次迭代合并后的結(jié)果再次生成圖，并 作為下一次區(qū)域合并的輸入。步驟H中所述的區(qū)域?qū)哟谓Y(jié)構(gòu)包含著不同尺度間區(qū)域合并的父子關(guān)系，也稱(chēng)為 層次關(guān)系。其中每個(gè)層的結(jié)構(gòu)中包含該層所含的樹(shù)隊(duì)列，每個(gè)區(qū)域結(jié)構(gòu)中包括該層所含 的樹(shù)的序號(hào)，每個(gè)樹(shù)中的頂點(diǎn)(子區(qū)域)隊(duì)列、樹(shù)的父節(jié)點(diǎn)區(qū)域及樹(shù)中的邊。本發(fā)明與現(xiàn)有技術(shù)相比有如下特點(diǎn)本發(fā)明給出的基于局部能量圖的用于分水 嶺分割的預(yù)處理方法能夠準(zhǔn)確定位和檢測(cè)地物邊界，同時(shí)有效地減輕分水嶺分割的“過(guò) 分割”；本發(fā)明中利用圖論的最小生成樹(shù)算法確定“過(guò)分割”區(qū)域合并的順序，并構(gòu)建 了基于矢量圖層多尺度分割結(jié)果層次化的結(jié)構(gòu)表達(dá)，該結(jié)構(gòu)支持不同尺度間分割區(qū)域的 快速切換以及區(qū)域合并父子關(guān)系、鄰接關(guān)系的快速訪(fǎng)問(wèn)、區(qū)域特征的快速計(jì)算和提取， 并使層次間區(qū)域邊界保持一致。


圖1邊界保持的遙感圖像分割流程2是一個(gè)尺度、六個(gè)方向奇偶濾波器示意圖
圖3是一個(gè)由分割區(qū)域生成的加權(quán)無(wú)向圖示意圖4是區(qū)域合并過(guò)程的流程5是區(qū)域鄰接關(guān)系結(jié)構(gòu)示意6是區(qū)域?qū)哟谓Y(jié)構(gòu)示意7是區(qū)域節(jié)點(diǎn)結(jié)構(gòu)示意圖
具體實(shí)施例方式下面結(jié)合附圖通過(guò)實(shí)施例對(duì)本發(fā)明作進(jìn)一步的詳細(xì)說(shuō)明。本發(fā)明所述的邊界保持的遙感圖像分割方法的實(shí)現(xiàn)流程如圖1所示，圖1包括12 個(gè)單元。本實(shí)施例中的圖合并將以最小生成樹(shù)的Boravka算法為例說(shuō)明。單元100為提取分割波段單元。遙感圖像，尤其是多光譜圖像，通常具有三個(gè) 以上的波段。而圖像分割往往在一個(gè)波段上進(jìn)行，因此需要提取待分割的波段。對(duì)于全 色波段，直接在該波段分割即可；對(duì)于多光譜波段，選取其中一個(gè)波段或在波段組合的 圖像上分割，也可在光譜變換后的分量上進(jìn)行分割，如主成分變換后的第一分量或第二 分量上進(jìn)行分割。本實(shí)施例中選擇在近紅外波段上直接進(jìn)行分割。單元101為正交濾波器組構(gòu)造單元。正交濾波器的設(shè)計(jì)在滿(mǎn)足基本的奇、偶、 正交性質(zhì)的同時(shí)，還需要考慮這些濾波器有能力能夠在一個(gè)比較寬的尺度范圍內(nèi)檢測(cè)特 征，特征響應(yīng)具有很好的方向選擇性，計(jì)算簡(jiǎn)單。本發(fā)明選擇定向的奇對(duì)稱(chēng)濾波器為/(x,^) = Gcti(^)Gct2 (χ)其中C。(χ)表示標(biāo)準(zhǔn)偏差為σ的高斯函數(shù)，O1 O 對(duì)應(yīng)的，選擇定向的偶對(duì)稱(chēng)濾波器為力二 σ’σιο;)σσ2(χ)將上述選擇的正交濾波器用Hilbert變換表達(dá)，即 f2 (χ，y)等于A (χ，y)沿y軸的Hilbert變換，更具體地Z1 (x, =exp(^-) exp(-^-y))
ay C σ I σf2(x, y) = Hilbert (fi (χ, y))其中ο是尺度，1是濾波器的長(zhǎng)寬比，也是濾波器的形狀參數(shù)，C是規(guī)范化參 數(shù)。由Hilbert變換的性質(zhì)可知上述濾波器對(duì)具有正交濾波器對(duì)的性質(zhì)。不同尺度、不同方向的濾波器組通過(guò)對(duì)上述定向的偶和奇對(duì)稱(chēng)的濾波器選擇不 同的ο，旋轉(zhuǎn)指定的角度生成。如圖2所示為選用的一個(gè)尺度、六個(gè)方向的偶對(duì)稱(chēng)濾波 器和奇對(duì)稱(chēng)濾波器。單元102是圖像濾波和計(jì)算局部能量圖單元。使用單元101得到的正交濾波器 組對(duì)分割波段進(jìn)行濾波，然后計(jì)算局部能量圖。局部能量圖的具體計(jì)算步驟為(1)給出方向個(gè)數(shù)、尺度數(shù)、窗口大小、濾波器長(zhǎng)寬比，預(yù)先計(jì)算偶對(duì)稱(chēng)濾波器 和奇對(duì)稱(chēng)濾波器；本實(shí)施中所給的方向個(gè)數(shù)為6，尺度數(shù)為3，窗口大小為15，濾波器長(zhǎng) 寬比為4。(2)將圖像進(jìn)行對(duì)稱(chēng)擴(kuò)展，通過(guò)快速傅里葉變換進(jìn)行濾波，基本步驟是先把圖像
2表示濾波器拉長(zhǎng)的程度；/, (X,^) = G1ffi (^Gi72(X),和濾波器分別進(jìn)行快速傅里葉變換，在頻域相乘，然后進(jìn)行逆傅里葉變換，取實(shí)部得到
結(jié)果；(3)先計(jì)算各個(gè)方向上的定向的圖像能量，再求和計(jì)算局部能量圖。圖像在點(diǎn)(X，y)的局部能量為E(x, j) = X ylo2Uodd(x,y) + 02ieven(x,y)
/=I其中O1, even(x, y)禾Π O1, odd(x, y)分別是在點(diǎn)(x，y)圖像在第i個(gè)方向?qū)?yīng)的 偶對(duì)稱(chēng)濾波器和奇對(duì)稱(chēng)濾波器的濾波響應(yīng)，η為方向個(gè)數(shù)，本實(shí)例中η = 6。單元103為處理單元102進(jìn)行濾波后得到的局部能量圖。單元104進(jìn)行局部能量圖簡(jiǎn)化操作。簡(jiǎn)化方法為濾除掉小的能量，得到新的局 部能量圖。局部能量圖的簡(jiǎn)化步驟為1)求取局部能量圖像中的最大值tMM和最小值tMin ；2)選定濾除系數(shù)threshold，求取濾除的能量值tValue，tValue = tMin+(tMax-tMin) ^threshold, threshold 一般取 0.02 ；3)對(duì)局部能量圖像進(jìn)行后處理，使所有能量值小于tValue的能量置為0，其它不 變得到新的局部能量圖。單元105對(duì)簡(jiǎn)化后的局部能量圖進(jìn)行分水嶺分割，獲得初始的分割結(jié)果。單元107對(duì)單元106的初始分割結(jié)果進(jìn)行矢量化操作，將初始分割區(qū)域以多邊形 矢量來(lái)表示，形成初始分割結(jié)果矢量圖層單元108。單元109為構(gòu)建圖的單元。將處理單元106獲得的分水嶺初始分割的結(jié)果表示 為圖結(jié)構(gòu)，如圖3所示，將所有初始分割的區(qū)域作為圖的頂點(diǎn)，有鄰接關(guān)系的區(qū)域構(gòu)成 圖的邊，鄰接區(qū)域間的特征差定義為邊的權(quán)值。如此構(gòu)建的圖為加權(quán)無(wú)向圖，且圖的頂 點(diǎn)個(gè)數(shù)與初始分割區(qū)域的個(gè)數(shù)相同。圖中邊的權(quán)值，即鄰接區(qū)域的特征差通過(guò)區(qū)域之間的光譜距離、紋理距離和鄰 接區(qū)域公共邊界的強(qiáng)度來(lái)定義(KR1, Rj) = (^(R1, Rj), d2(Ri; Rj))1,其中(KR1, Rj)為區(qū)域 R1 和 Rj 的特征差，Ci1CR1, Rj) =WXdspectral(R1, R^ + d-w) XCitexture(R1, Rj),
d^Rj) =-Yjg^ixk,yk) ；dspectral(Ri; R)是兩個(gè)區(qū)域之間的光譜距離，定義為兩個(gè)區(qū) n k=\
域均值間的歐式距離；Citexture(R1, RP是兩個(gè)區(qū)域之間的紋理距離，定義為兩個(gè)區(qū)域方差 間的歐式距離；Ci2Ol1, R3)是兩個(gè)鄰接區(qū)域在局部能量圖上公共邊界的強(qiáng)度，定義為公共 邊界的平均強(qiáng)度，這里w為光譜距離和d—烺，R3)和紋理距離Citexture (民，RP分配的權(quán) 重，0#wl, 一般設(shè)置w = 0.5; η為鄰接區(qū)域公共邊界上點(diǎn)的個(gè)數(shù)，知耶(4，凡)是區(qū)域 R1和R3在局部能量圖上公共邊界上點(diǎn)(xk，yk)的強(qiáng)度。在后續(xù)的處理單元中，約定區(qū)域 間特征差的閾值β指閾值向量β =
β2)Τ ；邊的權(quán)值小于或大于閾值向量指邊的權(quán)值的每個(gè)分量小于或大于閾值的對(duì)應(yīng)分 量，即 dCR" Rj) ￡ β 等價(jià)于(M^1, d2 β20單元110為圖合并單元。由于區(qū)域合并的次序不同，結(jié)果會(huì)不同。區(qū)域合并可 依據(jù)圖的最小生成樹(shù)的生成順序?qū)崿F(xiàn)區(qū)域合并。圖的最小生成樹(shù)算法主要包括Kraskal算 法、Prime算法、Boravka算法。對(duì)于圖像分割來(lái)說(shuō)，合并成一棵樹(shù)不是分割的目標(biāo)，因此利用預(yù)先設(shè)定的區(qū)域之間特征差的閾值控制使分割區(qū)域不能最終合并成一個(gè)完整的 樹(shù)，這時(shí)所剩的樹(shù)的個(gè)數(shù)表示合并后區(qū)域的個(gè)數(shù)，每個(gè)樹(shù)中的節(jié)點(diǎn)表示合并的區(qū)域。下面給出以Boruvka算法進(jìn)行圖合并的實(shí)施例，如圖4所示，主要步驟如下A單元預(yù)先設(shè)置圖合并的迭代次數(shù)和區(qū)域間特征差的閾值，以保證最后樹(shù)的合 并會(huì)在中間終止，并生成多尺度的合并結(jié)果；B單元將單元109構(gòu)建的加權(quán)無(wú)向圖保存至一個(gè)列表結(jié)構(gòu)中，其中列表的長(zhǎng)度 是邊的數(shù)目，以邊為序號(hào)，列表的每個(gè)元是一個(gè)結(jié)構(gòu)，該結(jié)構(gòu)中包括四個(gè)元素邊的序 號(hào)、連接邊的兩個(gè)頂點(diǎn)及邊的權(quán)值。圖5所示為列表中元素的結(jié)構(gòu)示意圖；C單元將B單元中的列表按照邊的權(quán)值的第一或第二分量升序排序，值小的排在 前。發(fā)明的實(shí)施例中依據(jù)邊權(quán)值的第一分量對(duì)邊進(jìn)行排序；D單元用來(lái)生成若干樹(shù)，每個(gè)樹(shù)中的頂點(diǎn)認(rèn)為是被合并了的區(qū)域。生成樹(shù)的過(guò) 程如下首先初始化一個(gè)新樹(shù)，樹(shù)中有權(quán)值最小的邊和連接該邊的兩個(gè)頂點(diǎn)；然后依據(jù) 邊的序號(hào)遍歷所有的邊，判斷是否可將該邊和連接邊的兩個(gè)頂點(diǎn)添加到樹(shù)中。依次執(zhí)行 下列樹(shù)生長(zhǎng)的判斷如果邊所連接的兩個(gè)頂點(diǎn)已經(jīng)在樹(shù)中，就不添加這個(gè)邊到樹(shù)中；如 果邊的權(quán)值大于預(yù)先給定的閾值，就不添加這個(gè)邊到樹(shù)中；如果邊的權(quán)值小于預(yù)先給定 的閾值，則判斷連接該邊的兩個(gè)頂點(diǎn)是否已經(jīng)在樹(shù)中，如果其中一個(gè)已經(jīng)在樹(shù)中，就將 邊也加入樹(shù)中，并將另一個(gè)頂點(diǎn)也添加進(jìn)樹(shù)中；如果兩個(gè)頂點(diǎn)都不在已有的樹(shù)中，則初 始化一個(gè)新樹(shù)；單元E是樹(shù)的連接單元。整理D單元生成的樹(shù)，將不在樹(shù)中的邊按照權(quán)值第一 分量的大小重新以升序排列，遍歷這些邊，判斷邊的權(quán)值是否大于預(yù)先給定的閾值，如 果邊的權(quán)值大于預(yù)先給定的閾值，就不添加這個(gè)邊到連接邊的頂點(diǎn)所在的樹(shù)中，防止產(chǎn) 生閉環(huán)，否則添加進(jìn)樹(shù)中，使邊的兩個(gè)頂點(diǎn)連接起來(lái)，成為一個(gè)更大的樹(shù)；單元F是整理單元。整理經(jīng)過(guò)E單元處理后生成的樹(shù)，將每個(gè)樹(shù)作為一個(gè)區(qū)域， 該區(qū)域是樹(shù)中所有頂點(diǎn)所代表的區(qū)域合并的結(jié)果，更新合并后區(qū)域的光譜特征、紋理特 征、區(qū)域的鄰接區(qū)域、鄰接區(qū)域之間的公共邊界及邊界強(qiáng)度，并將合并后的區(qū)域進(jìn)行層 次結(jié)構(gòu)表示，圖6是單層(單尺度)合并區(qū)域的層次結(jié)構(gòu)。該結(jié)構(gòu)包括層號(hào)(與尺度 對(duì)應(yīng))、樹(shù)(合并后的區(qū)域)的隊(duì)列；圖7是單個(gè)樹(shù)的結(jié)構(gòu)，該結(jié)構(gòu)包括樹(shù)中包含的頂 點(diǎn)隊(duì)列(若存在)、樹(shù)父節(jié)點(diǎn)(若存在)。最后將更新后的區(qū)域按照單元109的方法重新 構(gòu)建為一個(gè)加權(quán)無(wú)向圖，迭代執(zhí)行單元A-單元F，直到滿(mǎn)足迭代次數(shù)的要求；單元G是迭代完成后的結(jié)果，是多層次的合并結(jié)果。合并結(jié)果具有下列特點(diǎn) 各層合并結(jié)果的區(qū)域邊界與初始分割的結(jié)果的邊界一致；層次越低，分割結(jié)果表示越精 細(xì)。單元111將初始分割結(jié)果的多層次區(qū)域合并的結(jié)果作為多尺度分割的結(jié)果，并 將分割結(jié)果表示為區(qū)域?qū)哟谓Y(jié)構(gòu)。該區(qū)域?qū)哟谓Y(jié)構(gòu)包含著不同尺度間區(qū)域合并的父子關(guān) 系，也稱(chēng)為層次關(guān)系。每個(gè)尺度或?qū)哟蔚膮^(qū)域結(jié)構(gòu)包括該層所含的樹(shù)(區(qū)域隊(duì)列)，每個(gè) 樹(shù)(區(qū)域)中的頂點(diǎn)(子區(qū)域)隊(duì)列、樹(shù)的父節(jié)點(diǎn)區(qū)域及樹(shù)中的邊。該層次結(jié)構(gòu)具有以 下特點(diǎn)不同層次間的分割區(qū)域構(gòu)成了多尺度分割層次結(jié)構(gòu)；上、下層分割區(qū)域的邊界 是一致的；一層的單個(gè)區(qū)域由它下層所有子區(qū)域的總和來(lái)表示，每一層又是以它的下一層為基礎(chǔ)建立的；不同層的分割區(qū)域有合并前后的父子關(guān)系。 本發(fā)明的一個(gè)實(shí)施例在PC平臺(tái)上實(shí)現(xiàn)，經(jīng)實(shí)驗(yàn)驗(yàn)證，該分割流程能夠得到較理 想的分割結(jié)果，分割速度快，地物邊界保持度高。分割生成的多尺度的區(qū)域結(jié)果具有良 好的適用性，不同層次間分割區(qū)域的邊界一致。同時(shí)，利用基于矢量圖層的多尺度的分 割層次結(jié)構(gòu)，能在不同尺度間分割區(qū)域之間快速切換，能快速訪(fǎng)問(wèn)具有鄰接關(guān)系和合并 前后具有父子關(guān)系的區(qū)域，并快速計(jì)算和提取區(qū)域特征。這種多尺度的分割結(jié)果和分割 結(jié)果的層次結(jié)構(gòu)表達(dá)為一下步面向?qū)ο蟮倪b感圖像地物類(lèi)型精細(xì)分類(lèi)識(shí)別奠定了堅(jiān)實(shí)的基礎(chǔ)。應(yīng)當(dāng)指出，以上所述具體實(shí)施方式
可以使本領(lǐng)域的技術(shù)人員更全面地理解本發(fā) 明，但不以任何方式限制本發(fā)明。因此，本領(lǐng)域技術(shù)人員應(yīng)當(dāng)理解，仍然可以對(duì)本發(fā)明 進(jìn)行修改或者等同替換；而一切不脫離本發(fā)明的精神和技術(shù)實(shí)質(zhì)的技術(shù)方案及其改進(jìn)， 其均應(yīng)涵蓋在本發(fā)明專(zhuān)利的保護(hù)范圍當(dāng)中。
權(quán)利要求
1.提供一種針對(duì)遙感圖像，特別是高空間分辨率遙感圖像具有邊界保持特性的多尺 度圖像分割方法，其特征在于包括以下步驟A對(duì)輸入的遙感圖像提取分割波段；B設(shè)計(jì)正交濾波器，構(gòu)造多方向多尺度濾波器組，對(duì)分割波段濾波后計(jì)算圖像局部 能量圖；C簡(jiǎn)化圖像局部能量圖以此作為分水嶺分割的輸入圖像；D對(duì)圖像的局部能量圖進(jìn)行分水嶺分割，形成初始分割結(jié)果；E對(duì)初始分割結(jié)果進(jìn)行矢量化，形成初始分割結(jié)果矢量圖層；F掃描分割結(jié)果矢量圖層，構(gòu)建圖；G依據(jù)圖論中的最小生成樹(shù)算法圖合并，形成新尺度分割結(jié)果的矢量圖層，在此過(guò) 程中，構(gòu)建該尺度的區(qū)域結(jié)構(gòu)；H設(shè)置迭代次數(shù)，通過(guò)執(zhí)行步驟F和步驟G進(jìn)行迭代合并，產(chǎn)生多個(gè)尺度分割結(jié)果矢 量圖層，同時(shí)形成多尺度分割結(jié)果的區(qū)域?qū)哟谓Y(jié)構(gòu)。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于步驟A中所述的分割波段的提取方法，對(duì) 于遙感的全色圖像，直接取該波段；對(duì)于多光譜圖像，選取其中一個(gè)波段或波段組合結(jié) 果作為分割波段，或可在光譜變換后的分量上進(jìn)行分割，如主成分變換后的第一分量或 第二分量上進(jìn)行分割。
3.根據(jù)權(quán)利要求1所述方法，其特征在于步驟B中所述的正交濾波器包含一個(gè)均值為 零的偶對(duì)稱(chēng)的濾波器和一個(gè)奇對(duì)稱(chēng)的濾波器，兩個(gè)濾波器的L2范數(shù)相等而且正交。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于步驟B中所述的圖像局部能量圖，是指利 用多方向多尺正交濾波器組進(jìn)行圖像濾波后求得的。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于步驟C中所述的簡(jiǎn)化圖像局部能量圖的方 法，是對(duì)局部能量圖去除掉小的能量值得到的。
6.根據(jù)權(quán)利要求1所述的方法，其特征在于步驟E中矢量化指對(duì)初始分割結(jié)果中的區(qū) 域邊界以矢量多邊形方式表示。
7.根據(jù)權(quán)利要求1所述的方法，其特征在于步驟F中的圖的構(gòu)建以初始分割的區(qū)域?yàn)?圖的頂點(diǎn)，有鄰接關(guān)系的區(qū)域形成圖的邊，鄰接區(qū)域間的特征差異表示為圖中連接兩個(gè) 頂點(diǎn)的邊的權(quán)值。
8.根據(jù)權(quán)利要求7所述的方法，其特征在于鄰接區(qū)域間的特征差異是通過(guò)鄰接區(qū)域的 光譜均值差異、紋理差異、鄰接區(qū)域公共邊界的平均邊界強(qiáng)度定義的。
9.根據(jù)權(quán)利要求1所述的步驟G中依據(jù)圖論中的最小生成樹(shù)算法的圖合并，其特征是 在最小樹(shù)生成的過(guò)程中加入邊權(quán)值的閾值控制，使得最小樹(shù)的生成會(huì)在中間被打斷，成 為若干個(gè)樹(shù)，樹(shù)的個(gè)數(shù)表示合并后區(qū)域的個(gè)數(shù)，樹(shù)中的頂點(diǎn)表示合并的區(qū)域。
10.根據(jù)權(quán)利要求1所述的步驟G中使用的最小生成樹(shù)算法包括Boravka、KruskaL Prim三種算法。
11.根據(jù)權(quán)利要求1所述的方法，其特征在于步驟H中所述的區(qū)域?qū)哟谓Y(jié)構(gòu)包含著不 同尺度間區(qū)域合并的父子關(guān)系，其中每個(gè)層的結(jié)構(gòu)中包含該層所含的樹(shù)隊(duì)列，每個(gè)區(qū)域 結(jié)構(gòu)中包括該層所含的樹(shù)的序號(hào)，每個(gè)樹(shù)中的頂點(diǎn)(子區(qū)域)隊(duì)列、樹(shù)的父節(jié)點(diǎn)區(qū)域及樹(shù) 中的邊。
12.根據(jù)權(quán)利要求1所述的方法，步驟H中所述的迭代合并過(guò)程是指每一迭代前都要 對(duì)上一次區(qū)域合并的結(jié)果構(gòu)建新的圖，然后按照步驟G進(jìn)行圖合并，并將每一次迭代合 并后的結(jié)果再次生成圖，并作為下一次區(qū)域合并的輸入。
13.根據(jù)權(quán)利要求1所述的方法，形成多尺度分割結(jié)果的區(qū)域?qū)哟谓Y(jié)構(gòu)，其特征在于 該層次結(jié)構(gòu)具有以下特點(diǎn)不同層次間的分割區(qū)域構(gòu)成了多尺度分割層次結(jié)構(gòu)；上、下 層分割區(qū)域的邊界是一致的；一層的單個(gè)區(qū)域由它下層所有子區(qū)域的總和來(lái)表示，每一 層又是以它的下一層為基礎(chǔ)建立的；不同層的分割區(qū)域有合并前后的父子關(guān)系。
全文摘要
本發(fā)明提供一種針對(duì)遙感圖像具有邊界保持特性的多尺度圖像分割方法。該方法包括以下步驟采用基于正交濾波器組對(duì)圖像進(jìn)行濾波后再求取圖像局部能量圖的預(yù)處理方法，準(zhǔn)確定位和檢測(cè)地物邊界；對(duì)預(yù)處理后的圖像進(jìn)行分水嶺分割，得到初始的分割結(jié)果；將初始分割結(jié)果進(jìn)行矢量化，生成分割矢量圖層，使每個(gè)分割區(qū)域用多邊形矢量來(lái)表達(dá)，建立矢量多邊形之間的鄰接關(guān)系；對(duì)多邊形的矢量圖層，構(gòu)建圖；基于圖的最小生成樹(shù)算法結(jié)合閾值控制進(jìn)行分割區(qū)域的合并；并將圖合并過(guò)程迭代進(jìn)行，直到形成所需的尺度分割層次及結(jié)構(gòu)。
文檔編號(hào)G06T7/00GK102024258SQ201010588998
公開(kāi)日2011年4月20日 申請(qǐng)日期2010年12月15日 優(yōu)先權(quán)日2010年12月15日
發(fā)明者馮崢, 唐娉, 邊釗, 霍連志 申請(qǐng)人:中國(guó)科學(xué)院遙感應(yīng)用研究所