国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種基于ssc的多尺度分割參數(shù)優(yōu)化方法

      文檔序號(hào):6627451閱讀:292來(lái)源:國(guó)知局
      一種基于ssc的多尺度分割參數(shù)優(yōu)化方法
      【專利摘要】本發(fā)明適用于遙感信息提取【技術(shù)領(lǐng)域】,提供了一種基于SSC的多尺度分割參數(shù)優(yōu)化方法,包括:輸入遙感影像,將尺度參數(shù)在指定范圍內(nèi)以固定步長(zhǎng)進(jìn)行遍歷,得到一組隨尺度參數(shù)變化的分割結(jié)果;根據(jù)計(jì)算得到的分割結(jié)果在各個(gè)尺度參數(shù)下的分割質(zhì)量評(píng)價(jià)值求得尺度參數(shù)優(yōu)化值;將形狀因子參數(shù)或緊致度參數(shù)在指定范圍內(nèi)以固定步長(zhǎng)進(jìn)行遍歷,得到隨形狀因子參數(shù)或緊致度參數(shù)變化的分割結(jié)果;根據(jù)計(jì)算得到的分割結(jié)果在各個(gè)尺度參數(shù)下的分割質(zhì)量評(píng)價(jià)值求得形狀因子參數(shù)優(yōu)化值或緊致度參數(shù)優(yōu)化值;通過(guò)計(jì)算分割質(zhì)量評(píng)價(jià)值來(lái)優(yōu)化各個(gè)多尺度分割參數(shù),在不具備先驗(yàn)知識(shí)的前提下,可以計(jì)算得到一個(gè)分割參數(shù),并且使得分割后產(chǎn)生的影像對(duì)象與實(shí)際目標(biāo)大小最為接近。
      【專利說(shuō)明】—種基于SSC的多尺度分割參數(shù)優(yōu)化方法

      【技術(shù)領(lǐng)域】
      [0001]本發(fā)明屬于遙感信息提取【技術(shù)領(lǐng)域】,尤其涉及一種基于SSC的多尺度分割參數(shù)優(yōu)化方法。

      【背景技術(shù)】
      [0002]目前,影像分割已成遙感專題信息提取中不可或缺的技術(shù),如何根據(jù)專題應(yīng)用尺度將相鄰的像元組成有意義的影像對(duì)象并融入對(duì)象的背景信息是遙感專題信息提取成功的關(guān)鍵。
      [0003]如果影像基元對(duì)應(yīng)于真實(shí)場(chǎng)景中的可見特征,那么通過(guò)處理方法或特征知識(shí)的有效結(jié)合來(lái)進(jìn)行分割分類是唯一可能的。但是,產(chǎn)生的分割對(duì)象面臨一個(gè)巨大的挑戰(zhàn),因?yàn)樗蕾囉谝唤M用戶定義的分割參數(shù),這些參數(shù)受限于所允許的內(nèi)部影像異質(zhì)性和對(duì)象的大小。目前大多數(shù)遙感應(yīng)用研究中對(duì)于分割參數(shù)的選擇往往直接采用缺省的參數(shù)值,或者通過(guò)反復(fù)嘗試之后選擇一個(gè)效果比較好的分割結(jié)果。此類分割的選擇方法具有一定的盲目性,且無(wú)法得到最佳的分割結(jié)果。影響多尺度分割效果的分割參數(shù)有尺度、形狀因子和緊致度參數(shù),但目前已有的分割參數(shù)自動(dòng)選擇方法中,僅僅提供了確定尺度參數(shù)的方法,對(duì)于同樣具有重要影響的形狀因子和緊致度參數(shù)卻未予以確定。


      【發(fā)明內(nèi)容】

      [0004]本發(fā)明實(shí)施例的目的在于提供一種基于SSC(Scale-Shape_Compactness,尺度-形狀-緊湊度)的多尺度分割參數(shù)優(yōu)化方法,以解決現(xiàn)有技術(shù)需要進(jìn)行大量計(jì)算選擇多尺度分割參數(shù)的問(wèn)題。
      [0005]本發(fā)明實(shí)施例是這樣實(shí)現(xiàn)的,一種基于SSC的多尺度分割參數(shù)優(yōu)化方法,所述方法包括以下步驟:
      [0006]步驟SI,輸入遙感影像,采用缺省的形狀因子參數(shù)和緊致度參數(shù),尺度參數(shù)在指定范圍內(nèi)以固定步長(zhǎng)進(jìn)行遍歷,得到一組隨所述尺度參數(shù)變化的分割結(jié)果;
      [0007]步驟S2,計(jì)算所述步驟SI中得到的所述分割結(jié)果在各個(gè)所述尺度參數(shù)下的分割質(zhì)量評(píng)價(jià)值,以所述分割質(zhì)量評(píng)價(jià)值及其對(duì)應(yīng)的尺度分別作為縱坐標(biāo)和橫坐標(biāo)擬合三次樣條曲線,取所述三次樣條曲線上分割質(zhì)量評(píng)價(jià)值的極大值的最大值對(duì)應(yīng)的橫坐標(biāo)為尺度參數(shù)優(yōu)化值;
      [0008]步驟S3,將尺度參數(shù)設(shè)置為所述步驟S2中得到的所述尺度參數(shù)優(yōu)化值,采用缺省的緊致度參數(shù),形狀因子參數(shù)在指定范圍內(nèi)以固定步長(zhǎng)進(jìn)行遍歷,得到一組隨所述形狀因子參數(shù)變化的分割結(jié)果;
      [0009]步驟S4,計(jì)算所述步驟S3中得到的分割結(jié)果在各個(gè)形狀因子參數(shù)下的分割質(zhì)量評(píng)價(jià)值,以所述分割質(zhì)量評(píng)價(jià)值及其對(duì)應(yīng)的形狀因子參數(shù)分別作為縱坐標(biāo)和橫坐標(biāo)擬合三次樣條曲線,取所述三次樣條曲線上分割質(zhì)量評(píng)價(jià)值的極大值的最大值對(duì)應(yīng)的橫坐標(biāo)為形狀因子參數(shù)優(yōu)化值;
      [0010]步驟S5,將尺度參數(shù)設(shè)置為所述步驟S2中得到的尺度參數(shù)優(yōu)化值,形狀因子參數(shù)設(shè)置為所述步驟S4中得到的形狀因子參數(shù)優(yōu)化值,緊致度參數(shù)在指定范圍內(nèi)以固定步長(zhǎng)進(jìn)行遍歷,得到一組隨所述緊致度參數(shù)變化的分割結(jié)果;
      [0011]步驟S6,計(jì)算所述步驟S5中得到的分割結(jié)果在各個(gè)緊致度參數(shù)下的分割質(zhì)量評(píng)價(jià)值,以所述分割質(zhì)量評(píng)價(jià)值及其對(duì)應(yīng)的緊致度參數(shù)分別作為縱坐標(biāo)和橫坐標(biāo)擬合三次樣條曲線,取所述三次樣條曲線上分割質(zhì)量評(píng)價(jià)值的極大值的最大值對(duì)應(yīng)的橫坐標(biāo)為緊致度參數(shù)優(yōu)化值。
      [0012]本發(fā)明實(shí)施例提供的一種基于SSC的多尺度分割參數(shù)優(yōu)化方法的有益效果包括:
      [0013]通過(guò)設(shè)定分割參數(shù)的分割質(zhì)量評(píng)價(jià)值,在不具備先驗(yàn)知識(shí)的前提下,可以得到一個(gè)優(yōu)化的分割參數(shù),計(jì)算過(guò)程簡(jiǎn)單,避免盲目選擇分割參數(shù)或者大量計(jì)算后選擇得到最優(yōu)分割參數(shù)的過(guò)程,并且實(shí)際實(shí)施例證明該優(yōu)化的分割參數(shù)使得分割后產(chǎn)生的影像對(duì)象與實(shí)際目標(biāo)大小最為接近,在設(shè)置分割參數(shù)具有重要的指導(dǎo)意義和應(yīng)用價(jià)值。

      【專利附圖】

      【附圖說(shuō)明】
      [0014]為了更清楚地說(shuō)明本發(fā)明實(shí)施例中的技術(shù)方案,下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹,顯而易見地,下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例,對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講,在不付出創(chuàng)造性勞動(dòng)性的前提下,還可以根據(jù)這些附圖獲得其他的附圖。
      [0015]圖1是本發(fā)明提供的基于SSC的多尺度分割參數(shù)優(yōu)化方法的流程圖;
      [0016]圖2是本發(fā)明實(shí)施例提供的基于SSC的多尺度分割參數(shù)優(yōu)化方法的流程圖;
      [0017]圖3是本發(fā)明實(shí)施例提供的隨尺度參數(shù)變化的分割質(zhì)量評(píng)價(jià)值三次樣條曲線示意圖;
      [0018]圖4是本發(fā)明實(shí)施例提供的隨形狀因子參數(shù)變化的分割質(zhì)量評(píng)價(jià)值三次樣條曲線示意圖;
      [0019]圖5是本發(fā)明實(shí)施例提供的隨緊致度參數(shù)變化的分割質(zhì)量評(píng)價(jià)值三次樣條曲線示意圖。

      【具體實(shí)施方式】
      [0020]為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白,以下結(jié)合附圖及實(shí)施例,對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解,此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明,并不用于限定本發(fā)明。
      [0021]為了說(shuō)明本發(fā)明所述的技術(shù)方案,下面通過(guò)具體實(shí)施例來(lái)進(jìn)行說(shuō)明。
      [0022]如圖1所示為本發(fā)明提供的基于SSC的多尺度分割參數(shù)優(yōu)化方法的流程圖,該方法包括以下步驟:
      [0023]步驟SI,輸入遙感影像,采用缺省的形狀因子參數(shù)和緊致度參數(shù),尺度參數(shù)在指定范圍內(nèi)以固定步長(zhǎng)進(jìn)行遍歷,得到一組隨尺度參數(shù)變化的分割結(jié)果。
      [0024]步驟S2,計(jì)算步驟SI中得到的分割結(jié)果在各個(gè)尺度參數(shù)下的分割質(zhì)量評(píng)價(jià)值,以分割質(zhì)量評(píng)價(jià)值及其對(duì)應(yīng)的尺度分別作為縱坐標(biāo)和橫坐標(biāo)擬合三次樣條曲線,取三次樣條曲線上分割質(zhì)量評(píng)價(jià)值的極大值的最大值對(duì)應(yīng)的橫坐標(biāo)為尺度參數(shù)優(yōu)化值。
      [0025]步驟S3,將尺度參數(shù)設(shè)置為步驟S2中得到的尺度參數(shù)優(yōu)化值,采用缺省的緊致度參數(shù),形狀因子參數(shù)在指定范圍內(nèi)以固定步長(zhǎng)進(jìn)行遍歷,得到一組隨形狀因子參數(shù)變化的分割結(jié)果。
      [0026]步驟S4,計(jì)算步驟S3中得到的分割結(jié)果在各個(gè)形狀因子參數(shù)下的分割質(zhì)量評(píng)價(jià)值,以分割質(zhì)量評(píng)價(jià)值及其對(duì)應(yīng)的形狀因子參數(shù)分別作為縱坐標(biāo)和橫坐標(biāo)擬合三次樣條曲線,取三次樣條曲線上分割質(zhì)量評(píng)價(jià)值的極大值的最大值對(duì)應(yīng)的橫坐標(biāo)為形狀因子參數(shù)優(yōu)化值。
      [0027]步驟S5,將尺度參數(shù)設(shè)置為步驟S2中得到的尺度參數(shù)優(yōu)化值,形狀因子參數(shù)設(shè)置為步驟S4中得到的形狀因子參數(shù)優(yōu)化值,緊致度參數(shù)在指定范圍內(nèi)以固定步長(zhǎng)進(jìn)行遍歷,得到一組隨緊致度參數(shù)變化的分割結(jié)果。
      [0028]步驟S6,計(jì)算步驟S5中得到的分割結(jié)果在各個(gè)緊致度參數(shù)下的分割質(zhì)量評(píng)價(jià)值,以分割質(zhì)量評(píng)價(jià)值及其對(duì)應(yīng)的緊致度參數(shù)分別作為縱坐標(biāo)和橫坐標(biāo)擬合三次樣條曲線,取三次樣條曲線上分割質(zhì)量評(píng)價(jià)值的極大值的最大值對(duì)應(yīng)的橫坐標(biāo)為緊致度參數(shù)優(yōu)化值。
      [0029]本發(fā)明實(shí)施例提供的一種基于SSC的多尺度分割參數(shù)優(yōu)化方法,在不具備先驗(yàn)知識(shí)的前提下,可以計(jì)算得到一個(gè)分割參數(shù),并且使得分割后產(chǎn)生的影像對(duì)象與實(shí)際目標(biāo)大小最為接近,在設(shè)置分割參數(shù)具有重要的指導(dǎo)意義和應(yīng)用價(jià)值。
      [0030]實(shí)施例一
      [0031]上述基于SSC的多尺度分割參數(shù)優(yōu)化方法中包括對(duì)尺度參數(shù)進(jìn)行優(yōu)化、對(duì)形狀因子參數(shù)進(jìn)行優(yōu)化和對(duì)緊致度參數(shù)進(jìn)行優(yōu)化的過(guò)程,如圖2所示為本發(fā)明實(shí)施例提供的基于SSC的多尺度分割參數(shù)優(yōu)化方法的流程圖,由圖2可知,本發(fā)明提供的基于SSC的多尺度分割參數(shù)優(yōu)化方法的實(shí)施例包括:
      [0032]在本發(fā)明實(shí)施例中,步驟SI得到一組隨尺度參數(shù)變化的分割結(jié)果的方法具體包括:
      [0033]將遙感影像Img導(dǎo)入eCognit1n軟件,采用缺省的形狀因子參數(shù)Shapedef和緊致度參數(shù)Compdeif,尺度參數(shù)在指定范圍Scalerange內(nèi),以固定步長(zhǎng)進(jìn)行遍歷,得到一組隨尺度參數(shù)變化的分割參數(shù)Para(scale),利用該分割參數(shù)Para(scale)對(duì)遙感影像Img采用eCognit1n軟件的多尺度分割方法進(jìn)行分割,得到上述一組隨尺度參數(shù)變化的分割結(jié)果Seg(scale)。
      [0034]步驟S3得到一組隨形狀因子參數(shù)變化的分割結(jié)果的方法具體包括:
      [0035]將尺度參數(shù)設(shè)置為步驟S2中得到的尺度參數(shù)優(yōu)化值,采用缺省的緊致度參數(shù),形狀因子參數(shù)在指定范圍Shaperange內(nèi),以固定步長(zhǎng)進(jìn)行遍歷,得到一組隨形狀因子參數(shù)變化的分割參數(shù)Para (shape),利用該分割參數(shù)Para (shape)對(duì)遙感影像Img采用eCognit1n軟件的多尺度分割方法進(jìn)行分割,得到上述隨形狀因子參數(shù)變化的分割結(jié)果Seg(Shape)。
      [0036]步驟S5得到一組隨緊致度參數(shù)變化的分割結(jié)果的方法具體包括:
      [0037]將尺度參數(shù)設(shè)置為步驟S2中得到的尺度參數(shù)優(yōu)化值,形狀因子參數(shù)設(shè)置為步驟S4中得到的形狀因子參數(shù)優(yōu)化值,緊致度參數(shù)在指定范圍Comprange內(nèi),以固定步長(zhǎng)進(jìn)行遍歷,得到一組隨緊致度參數(shù)變化的分割參數(shù)Para(comp),利用該分割參數(shù)Para (comp)對(duì)遙感影像Img采用eCognit1n軟件的多尺度分割方法進(jìn)行分割,得到上述隨緊致度參數(shù)變化的分割結(jié)果Seg(comp)。
      [0038]步驟S2、S4和S6中計(jì)算分割質(zhì)量評(píng)價(jià)值Val (Seg)包括:
      [0039]分割質(zhì)量評(píng)價(jià)值Val (Seg)的計(jì)算公式為:
      [0040]Val(seg) = F (V)+F(I);
      [0041]其中V和F(V)分別代表對(duì)象內(nèi)同質(zhì)性指標(biāo)和其歸一化值。

      【權(quán)利要求】
      1.一種基于SSC的多尺度分割參數(shù)優(yōu)化方法,其特征在于,所述方法包括: 步驟SI,輸入遙感影像,采用缺省的形狀因子參數(shù)和緊致度參數(shù),尺度參數(shù)在指定范圍內(nèi)以固定步長(zhǎng)進(jìn)行遍歷,得到一組隨所述尺度參數(shù)變化的分割結(jié)果; 步驟S2,計(jì)算所述步驟SI中得到的所述分割結(jié)果在各個(gè)所述尺度參數(shù)下的分割質(zhì)量評(píng)價(jià)值,以所述分割質(zhì)量評(píng)價(jià)值及其對(duì)應(yīng)的尺度分別作為縱坐標(biāo)和橫坐標(biāo)擬合三次樣條曲線,取所述三次樣條曲線上分割質(zhì)量評(píng)價(jià)值的極大值的最大值對(duì)應(yīng)的橫坐標(biāo)為尺度參數(shù)優(yōu)化值; 步驟S3,將尺度參數(shù)設(shè)置為所述步驟S2中得到的所述尺度參數(shù)優(yōu)化值,采用缺省的緊致度參數(shù),形狀因子參數(shù)在指定范圍內(nèi)以固定步長(zhǎng)進(jìn)行遍歷,得到一組隨所述形狀因子參數(shù)變化的分割結(jié)果; 步驟S4,計(jì)算所述步驟S3中得到的分割結(jié)果在各個(gè)形狀因子參數(shù)下的分割質(zhì)量評(píng)價(jià)值,以所述分割質(zhì)量評(píng)價(jià)值及其對(duì)應(yīng)的形狀因子參數(shù)分別作為縱坐標(biāo)和橫坐標(biāo)擬合三次樣條曲線,取所述三次樣條曲線上分割質(zhì)量評(píng)價(jià)值的極大值的最大值對(duì)應(yīng)的橫坐標(biāo)為形狀因子參數(shù)優(yōu)化值; 步驟S5,將尺度參數(shù)設(shè)置為所述步驟S2中得到的尺度參數(shù)優(yōu)化值,形狀因子參數(shù)設(shè)置為所述步驟S4中得到的形狀因子參數(shù)優(yōu)化值,緊致度參數(shù)在指定范圍內(nèi)以固定步長(zhǎng)進(jìn)行遍歷,得到一組隨所述緊致度參數(shù)變化的分割結(jié)果; 步驟S6,計(jì)算所述步驟S5中得到的分割結(jié)果在各個(gè)緊致度參數(shù)下的分割質(zhì)量評(píng)價(jià)值,以所述分割質(zhì)量評(píng)價(jià)值及其對(duì)應(yīng)的緊致度參數(shù)分別作為縱坐標(biāo)和橫坐標(biāo)擬合三次樣條曲線,取所述三次樣條曲線上分割質(zhì)量評(píng)價(jià)值的極大值的最大值對(duì)應(yīng)的橫坐標(biāo)為緊致度參數(shù)優(yōu)化值。
      2.如權(quán)利要求1所述的方法,其特征在于,所述步驟SI得到一組隨尺度參數(shù)變化的分割結(jié)果的方法包括: 將遙感影像Img導(dǎo)入eCognit1n軟件,采用缺省的形狀因子參數(shù)Shapedef和緊致度參數(shù)Compdrf,尺度參數(shù)在指定范圍Scalerangfi內(nèi),以固定步長(zhǎng)進(jìn)行遍歷,得到一組隨尺度參數(shù)變化的分割參數(shù)Para(scale),利用所述分割參數(shù)Para(scale)對(duì)所述遙感影像Img采用eCognit1n軟件的多尺度分割方法進(jìn)行分割,得到所述隨尺度參數(shù)變化的分割結(jié)果Seg(scale)。
      3.如權(quán)利要求1所述的方法,其特征在于,所述步驟S3得到一組隨形狀因子參數(shù)變化的分割結(jié)果的方法具體包括: 將尺度參數(shù)設(shè)置為所述步驟S2中得到的尺度參數(shù)優(yōu)化值,采用缺省的緊致度參數(shù)Compdef,形狀因子參數(shù)在指定范圍Shaperange內(nèi),以固定步長(zhǎng)進(jìn)行遍歷,得到一組隨形狀因子參數(shù)變化的分割參數(shù)Para (shape),利用所述分割參數(shù)Para (shape)對(duì)所述遙感影像Img采用eCognit1n軟件的多尺度分割方法進(jìn)行分割,得到所述隨形狀因子參數(shù)變化的分割結(jié)果 Seg (shape)。
      4.如權(quán)利要求1所述的方法,其特征在于,所述步驟S5得到一組隨緊致度參數(shù)變化的分割結(jié)果的方法具體包括: 將尺度參數(shù)設(shè)置為所述步驟S2中得到的尺度參數(shù)優(yōu)化值,形狀因子參數(shù)設(shè)置為所述步驟S4中得到的形狀因子參數(shù)優(yōu)化值,緊致度參數(shù)在指定范圍Comprange內(nèi),以固定步長(zhǎng)進(jìn)行遍歷,得到一組隨緊致度參數(shù)變化的分割參數(shù)Para(Comp),利用所述分割參數(shù)Para (comp)對(duì)遙感影像Img采用eCognit1n軟件的多尺度分割方法進(jìn)行分割,得到所述隨緊致度參數(shù)變化的分割結(jié)果Seg(comp)。
      5.如權(quán)利要求1所述的方法,其特征在于,所述步驟S2、S4和S6中計(jì)算分割質(zhì)量評(píng)價(jià)值Val (Seg)包括: 分割質(zhì)量評(píng)價(jià)值Val (Seg)的計(jì)算公式為:
      Val (Seg) = F(V) +F(I); 其中V和F(V)分別代表對(duì)象內(nèi)同質(zhì)性指標(biāo)和其歸一化值;
      其中,n表示影像中分割對(duì)象的總數(shù),Bi表示對(duì)象i的面積,Vi表示對(duì)象i的方差; I和F(I)分別代表對(duì)象間異質(zhì)性指標(biāo)和其歸一化值;
      其中,n表示研究區(qū)分割影像對(duì)象的總數(shù)表示影像對(duì)象i與影像對(duì)象j的空間鄰近性,當(dāng)影像對(duì)象i與影像對(duì)象j相互鄰接時(shí),則值為I,若不互相鄰接則值為O ;Xi與\分別表示影像對(duì)象i與影像對(duì)象j的平均灰度值;文表示整個(gè)影像的平均灰度值。
      6.如權(quán)利要求1所述的方法,其特征在于,所述步驟S2、S4和S6中利用Matlab軟件的CurveFittingTool工具中三次樣條曲線方法擬合三次樣條曲線CubSpl。
      【文檔編號(hào)】G06T7/00GK104200482SQ201410478027
      【公開日】2014年12月10日 申請(qǐng)日期:2014年9月17日 優(yōu)先權(quán)日:2014年9月17日
      【發(fā)明者】劉帥 申請(qǐng)人:武漢獅圖空間信息技術(shù)有限公司
      網(wǎng)友詢問(wèn)留言 已有0條留言
      • 還沒(méi)有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
      1