專利名稱：一種基于分水嶺算法的高空間分辨率多光譜遙感圖像分割方法
技術(shù)領(lǐng)域：
本發(fā)明屬于遙感圖像處理及圖像分割技術(shù)領(lǐng)域，是基于分水嶺算法能夠處理多光 譜遙感圖像并能消除分水嶺算法過分割現(xiàn)象的圖像分割方法。
背景技術(shù)：
當前遙感數(shù)據(jù)呈現(xiàn)出高空間、高光譜和高時間分辨率等特點，其種類與容量都達 到前所未有的規(guī)模，目視解譯海量數(shù)據(jù)早已公認是不能完成的任務，必須依靠計算機自動 進行信息解譯。高分辨率圖像是指空間分辨率超過5米的圖像，圖像信息的高度細節(jié)化、紋 理變化復雜造成同物異譜、異物同譜現(xiàn)象更為突出，給專題信息提取工作帶來了很大困難。 如何有效地緩解或克服“數(shù)據(jù)過剩”與“信息貧乏”之間的矛盾是目前亟待解決的問題。高 分辨率圖像目標自動識別已成為遙感應用與模式識別研究領(lǐng)域的重要課題之一。圖像分割 是高分辨率遙感圖像面向?qū)ο筇幚淼那疤岷突A(chǔ)，圖像分割的質(zhì)量直接影響后續(xù)處理的精 度，但針對遙感圖像，尤其是高分辨率遙感圖像的分割方法較少(參考對比文件1)?；叶葓D 像的分割方法非常多，有一些已經(jīng)比較成熟，閾值分割、基于邊緣的分割、基于區(qū)域的分割 都已取得了不錯的結(jié)果，應用于多光譜遙感圖像的分割方法多是先將圖像通過顏色空間變 換變換成灰度圖像來處理，這樣就會損失很多的信息，分割的結(jié)果并不理想。現(xiàn)有的多光譜 遙感圖像分割方法很少應用于高分辨率遙感圖像(參考對比文件3)。分水嶺分割會產(chǎn)生嚴 重的過分割現(xiàn)象，有些學者進行過分割合并時，多重考慮紋理、均值、方差等各種信息，來改 進合并的效果，但實際上考慮這么多的信息只會減慢合并的速度，對合并結(jié)果改進并不大， 且相似度不好衡量(參考對比文件2)。對比文件1 宮鵬，黎夏，徐冰.高分辨率影像解譯理論與應用方法中的一些研究 問題[J].遙感學報.2006，10(1) 1-5.對比文件2 陳忠，趙忠明.基于分水嶺變換的多尺度遙感圖像分割算法.計算機 工程 2006,32(23) 186-207.對比文件3 劉永學，李滿春，毛亮.基于邊緣的多光譜遙感圖像分割方法.遙感 學報 2006，10(3) 350-35
發(fā)明內(nèi)容
一種基于分水嶺算法的高空間分辨率多光譜遙感圖像分割方法，包括多光譜圖像 梯度算法、分水嶺分割、過分割區(qū)域合并三個步驟。其中多光譜圖像梯度算法包括，設第i個波段的梯度矩陣為Gi，則整個多光譜圖 像的在點(x,y)梯度為:G(x,y) = max {Gi (x，y)}，其中Gi (x，y)為第i個波段上點(x, y) 的梯度值。其中過分割區(qū)域合并算法包括計算分水嶺算法分割出來的各個區(qū)域的L、u、v的均值乙u, v。定義相似度s為相鄰區(qū)域的r、u, 7的差的平方和，即廠4)2 +閃-5)2 (其中A和B為相 鄰兩區(qū)域)。然后開始進行區(qū)域合并(a)建立各區(qū)域的鄰接矩陣；(b)依次掃描各區(qū)域，將區(qū)域像素個數(shù)小于閾值的區(qū)域標記為最小區(qū)域；(c)對每個極小區(qū)域A，與所有相鄰區(qū)域計算相似度s，找到s最大的鄰域B ；如果 s小于某個值dl，則把區(qū)域A標為已經(jīng)處理，執(zhí)行(b)，否則，執(zhí)行(d)；(d)在鄰接矩陣中將B從A的的鄰域除去，將B的鄰域加入到A的鄰域，將B區(qū)域 所有像素標記為A，重新計算新A區(qū)域的r、U、歹。(e)判斷A是否為極小區(qū)域，如果是，轉(zhuǎn)到(c)執(zhí)行；再次查找A的鄰域，如果s大 于某個閾值d2，則轉(zhuǎn)到(d)，否則轉(zhuǎn)到(b)執(zhí)行。直到已經(jīng)沒有極小區(qū)域或者所有的區(qū)域都 標記為已處理為止。其中，dl、d2的確定要靠多次實驗，針對特定圖像來確定，即如果對一幅圖像應用 本發(fā)明的方法，最終分割的結(jié)果出現(xiàn)了過合并現(xiàn)象，則計算所有過合并的區(qū)域的s值，取dl = min(s)，重新執(zhí)行上述合并算法。d2的確定同理，找到應該合并但是沒有合并的所有區(qū) 域?qū)?，計算s，取d2 = max (s)。初始時dl = 0，d2 =⑴(可以用可以表示的最大整數(shù)代替)。


圖1是廈門市航拍圖像，有紅、綠、藍三個波段圖2是對該圖像求多光譜梯度的結(jié)果圖3是分水嶺初分割的結(jié)果圖4是區(qū)域合并的結(jié)果
圖5是本發(fā)明整體流程6是區(qū)域合并流程圖
具體實施例方式本發(fā)明的目的在于解決高空間分辨率光學遙感圖像的分割問題。具體步驟如下 首先對多光譜圖像求梯度得到梯度圖像，然后用分水嶺算法對梯度圖像進行分割，最后按 合并算法利用區(qū)域間的相似性進行區(qū)域合并得到最終的分割結(jié)果。因為分水嶺算法對梯度敏感，主要利用梯度信息進行分割，所以本發(fā)明首先利用 多光譜圖像的梯度算法來求梯度。其中多光譜圖像的梯度算法綜合考慮各個波段，使所有的顯著的細節(jié)信息都能反 映在梯度矩陣上，使分水嶺算法利用的信息也更多。解決了分水嶺算法不能處理多光譜遙 感圖像的問題，也合理利用了各個波段的信息。(a)設第i個波段的梯度矩陣為Gi，則整個多光譜圖像的在點(x，y)梯度為G(x， y) =111狀出1(1，7)}，其中61(1，7)為第i個波段上點(x,y)的梯度值。其中分水嶺算法用的是Vincent和Soille的沉浸分水嶺。主要有兩個步驟(1) 根據(jù)梯度矩陣中像素的灰度值對圖像中所有像素進行排序；(2)從最小值開始一步步開始 進行漫水的過程。沉浸水分水嶺變換步驟如下 (b)對(a)求出的梯度圖像素進行排序，根據(jù)像素梯度值將像素的位置寫入到對 應的數(shù)組中，以便使具有相同梯度的像素能存儲在同一個數(shù)組中。同時，創(chuàng)建一個指向上述 數(shù)據(jù)的指針表，以便能直接存取任意梯度的所有像素，并創(chuàng)建一個矩陣以存儲分割結(jié)果。(c)以圖像中的最低梯度為“起始水位”，按一個梯度級的增幅漸次提高“水位”，直 到最大梯度為止。(d)假設已經(jīng)處理到了 k級(梯度值或高程等于k)。此時，每一個比k小或等于 k的像素都已經(jīng)被分配了唯一的集水盆地標號。1)取出梯度為k+1的所有像素，并將那些至少有一個已被標注的鄰域像素的像素 寫入到一個隊列中。2)對隊列中的一個像素，考察其四鄰域。若四鄰域中已被具有兩個或兩個以上 標號，則將該像素標為分水嶺；若四鄰域中只有一個鄰域像素有標號，則將該像素標為該標 號。從隊列中剔除當前像素，而具有同一梯度值的鄰域像素則加入到隊列的最后。重復上 述過程直到隊列為空。(e)以梯度為k+1但未被標號的像素為基礎(chǔ)形成新的集水盆地，并賦以新的標號。 分割最終結(jié)果是一幅這樣的圖像，每個區(qū)域用同一個數(shù)字標記，邊界記為0(為4連通的邊 界)。其中區(qū)域合并的算法，首先取得圖像的分辨率信息，可以從圖像文件中讀取，也可 以由用戶輸入得到。由圖像分辨率確定最小區(qū)域的大小，通過實驗，建立圖像分辨率和最小 區(qū)域大小的關(guān)系。通過實驗得到，如果是分辨率為5m的圖像，最小區(qū)域閾值取400-500個 像素左右效果最好，同理其它對應關(guān)系也可以確定。這個值也可以由用戶自行調(diào)整。因為RGB空間中相似度不方便衡量，而Luv空間則比較容易，所以本發(fā)明從多光譜 圖像取三個波段(通常取1、2、3或1、2、4波段)，將這三個波段分別當作RGB，將圖像從RGB 空間轉(zhuǎn)換到Luv空間，轉(zhuǎn)換公式如下 計算分水嶺算法分割出來的各個區(qū)域的L、u、v的均值乙u, v。定義相似度s為 相鄰區(qū)域的:T、u, 7差的平方和，即^(乙-忍)2+沅-4)2 +問-5)2,然后開始進行區(qū)域
合并，只考慮一個參數(shù)，克服了現(xiàn)有合并算法計算大量參數(shù)耗去的時間的問題。合并算法可 以通過調(diào)整dl，d2兩個參數(shù)，多次分割來使分割達到最優(yōu)——不但能有效地消除過分割，也 能有效防止過合并。(f)建立各區(qū)域的鄰接矩陣；(g)依次掃描各區(qū)域，將區(qū)域像素個數(shù)小于閾值的區(qū)域標記為最小區(qū)域；(h)對每個極小區(qū)A，與所有相鄰區(qū)域計算相似度s，找到s最大的鄰域B ；如果s 小于某個值dl，則把此區(qū)域標為已經(jīng)處理，執(zhí)行(g)，否則，執(zhí)行(i)； (i)在鄰接矩陣中將B從A的的鄰域除去，將B的鄰域加入到A的鄰域，將B區(qū)域 所有像素標記為A，重新計算新A區(qū)域的r、u, 7。(j)判斷A是否為極小區(qū)域，如果是，轉(zhuǎn)到(h)執(zhí)行；再次查找A的鄰域，如果s大 于某個閾值d2，則轉(zhuǎn)到(i)，否則轉(zhuǎn)到(g)執(zhí)行。直到所有的區(qū)域都標記為已處理或者已經(jīng)沒有極 小區(qū)域為止。其中，dl、d2要靠多次實驗、針對特定圖像來確定，即如果對一幅圖像應用本發(fā) 明的方法，最終分割的結(jié)果出現(xiàn)了過合并現(xiàn)象，則計算所有過合并的區(qū)域的s值，取dl = min(s)，重新執(zhí)行上述合并算法。d2的確定同理，找到應該合并但是沒有合并的所有區(qū)域 對，計算s，取d2 = maX(s)。初始時dl = 0,d2 (可以用可以表示的最大整數(shù)代替)。仿真結(jié)果采用廈門市某地多光譜圖像，包含紅、綠、藍三個波段，截取了 512*512大小，圖1
是原圖。圖2是光譜圖像梯度算法求出的梯度圖。圖3為分水嶺算法初分割的結(jié)果。然后 利用區(qū)域合并的算法對分水嶺算法的結(jié)果進行區(qū)域合并，得到最后的分割結(jié)果圖4?？梢钥?到，過分割現(xiàn)象明顯減輕了，分割出的區(qū)域已經(jīng)有了明顯的意義。
權(quán)利要求
一種基于分水嶺算法的高空間分辨率多光譜遙感圖像分割方法，包括多光譜圖像梯度求梯度、分水嶺分割、過分割區(qū)域合并三個步驟。
2.如權(quán)利要求1所述的基于分水嶺算法的高空間分辨率多光譜遙感圖像分割方法，其 中多光譜圖像梯度算法包括，設第i個波段的梯度矩陣為Gi，則整個多光譜圖像的在點(x， y)梯度為:G(x,y) =!11狀出1(1，7)}，其中61(1，7)為第i個波段上點(x,y)的梯度值。
3.如權(quán)利要求1基于分水嶺算法的高空間分辨率多光譜遙感圖像分割方法，其中過分 割區(qū)域合并算法包括計算分水嶺算法分割出來的各個區(qū)域的L、u、v的均值乙i7、v。定義相似度s為相鄰 區(qū)域的乙H、7的差的平方和，即^(乙-忍)2+風-4)2+閃-5)2(其中六和8為相鄰兩 區(qū)域)。然后開始進行區(qū)域合并 (a)建立各區(qū)域的鄰接矩陣；(b)依次掃描各區(qū)域，將區(qū)域像素個數(shù)小于閾值的區(qū)域標記為最小區(qū)域；(c)對每個極小區(qū)域A，與所有相鄰區(qū)域計算相似度s,找到s最大的鄰域B；如果s小 于某個值dl，則把此區(qū)域標為已經(jīng)處理，執(zhí)行(b)，否則，執(zhí)行(d)；(d)在鄰接矩陣中將B從A的的鄰域除去，將B的鄰域加入到A的鄰域，將B區(qū)域所有 像素標記為A，重新計算新A區(qū)域的Z、u, 7。(e)判斷A是否為極小區(qū)域，如果是，轉(zhuǎn)到(c)執(zhí)行；再次查找A的鄰域，如果s大于某 個閾值d2，則轉(zhuǎn)到(d)，否則轉(zhuǎn)到(b)執(zhí)行。直到所有的區(qū)域都標記為已處理或者已經(jīng)沒有 極小區(qū)域為止。其中，dl、d2的確定要靠多次實驗，針對特定圖像來確定，即如果對一幅圖像應用本發(fā) 明的方法，最終分割的結(jié)果出現(xiàn)了過合并現(xiàn)象，則計算所有過合并的區(qū)域的s值，取dl = min(s)，重新執(zhí)行上述合并算法。d2的確定同理，找到應該合并但是沒有合并的所有區(qū)域 對，計算s，取d2 = max(s)。初始時dl = 0，d2 =⑴(可以用可以表示的最大整數(shù)代替)。
全文摘要
本發(fā)明是一種基于分水嶺算法的高空間分辨率多光譜遙感圖像分割方法，目的在于解決高空間分辨率多光譜遙感圖像的分割問題。具體步驟如下首先用多光譜梯度算法對多光譜圖像求梯度得到梯度圖像，然后用分水嶺算法對梯度圖像進行分割，最后按合并算法利用區(qū)域間的相似性進行區(qū)域合并得到最終的分割結(jié)果。
文檔編號G01S17/89GK101923707SQ20091015823
公開日2010年12月22日 申請日期2009年7月23日 優(yōu)先權(quán)日2009年7月23日
發(fā)明者余先川, 康增基 申請人:北京師范大學