準(zhǔn)則。它利用不同類(lèi)別間地物屬性相差較 大，而同一類(lèi)別內(nèi)地物屬性相差較小的原則，根據(jù)像素或?qū)ο蟮礁黝?lèi)中屯、的距離進(jìn)行分 類(lèi)。若像素或?qū)ο蟮侥骋活?lèi)的類(lèi)中屯、距離最小，則該像素或者對(duì)象則被標(biāo)記為此類(lèi)。例 如，對(duì)于灰度圖像而言，若Xi為任意一個(gè)像素，yj(j= 1，2, ..C)為第j類(lèi)的中屯、，且
，則Xi被分類(lèi)第t類(lèi)。
[0046] 基于上述正態(tài)分布的假設(shè)，根據(jù)最小距離分類(lèi)準(zhǔn)則下，第j類(lèi)與第j+1類(lèi)的分界面 可表不為：
[0047]
[0048] 則對(duì)不同的k，利用概率理論，（式3)、（式4)可計(jì)算如下：
[0049] ①若k=l，
[0化5](式2)即可作為面向圖像分類(lèi)的圖像質(zhì)量評(píng)價(jià)模型，（式5)~（式7)為各類(lèi)均 服從正態(tài)分布下的圖像質(zhì)量評(píng)價(jià)模型具體計(jì)算方法。當(dāng)分類(lèi)準(zhǔn)則和分類(lèi)特征確定時(shí)，一幅 圖像的分類(lèi)性能完全可W根據(jù)（式5)計(jì)算Kappa系數(shù)進(jìn)行推估.
【附圖說(shuō)明】
[0化6] 圖1 ;本發(fā)明方法的基本流程圖。
[0化7] 圖2 ;實(shí)驗(yàn)數(shù)據(jù)
[005引圖3 ;德國(guó)KOB地區(qū)的數(shù)據(jù)，從中截取田地、林地和城區(qū)S種地物類(lèi)型，構(gòu)建 200*600大小的圖片
[0059] 圖4是本發(fā)明中基于均值約束GMM估計(jì)結(jié)果與GMM估計(jì)結(jié)果（灰度特征）比較 圖；
[0060] 圖5是本發(fā)明與基于最小距離分類(lèi)的真實(shí)kappa系數(shù)計(jì)算結(jié)果比較圖。
【具體實(shí)施方式】
[0061] 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，W下結(jié)合附圖及示例性實(shí) 施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。如圖1所示，本發(fā)明的具體過(guò)程為：
[0062] (1)提取紋理特征：對(duì)輸入的大小為600X200的遙感圖像進(jìn)行基于灰度共生矩陣 的紋理提取，本實(shí)施例開(kāi)窗大小為取21X21。
[0063] 似獲得均值初值對(duì)原始遙感圖像，W圖像中地物類(lèi)別為標(biāo)準(zhǔn)（本實(shí)施例圖像類(lèi) 別C取3)，選取各個(gè)類(lèi)別圖像采樣，統(tǒng)計(jì)出灰度共生矩陣，計(jì)算各個(gè)特征的均值和方差，選 擇灰度特征為本實(shí)施例的特征，作為GMM估計(jì)均值初值。
[0064] 做固定均值的GMM參數(shù)估計(jì)；初始參數(shù)值0°={a1，32,33,nil，nvnv51，52， 63} = {0. 33,0. 33,0. 33,65. 6，14. 8，117. 75,20. 4,7. ：M，61.39}，利用參數(shù)值日H十算后驗(yàn) 概率Pj.(x)，j=l，2，..C，t為迭代次數(shù)。固定均值，計(jì)算各參數(shù)（權(quán)重、協(xié)方差）：
[00化]均值為Uj.，方差為Sj.的高斯分布的概率密度函數(shù)為；
[0071] 重復(fù)計(jì)算0J山和各參數(shù)，若II0neW-0II<CC為誤差值（根據(jù)精度需求 選取，本實(shí)施例取于1(T5)，迭代停止，則得到當(dāng)前均值為{mi，m2,1%} = {65. 6,14. 8,117. 7引 時(shí)的其他參數(shù)估計(jì)結(jié)果切，32, 33, 51，52,63} = {0.2992,0. 3022,0. 3985, 21. 45, 7. 82， 63. 00}
[0072] (4)圖像分類(lèi)精度指標(biāo)kappa系數(shù)計(jì)算；由得到的相應(yīng)均值的權(quán)重和方差計(jì)算出 相應(yīng)的kappa系數(shù)，
[0073]
[0074] 計(jì)算得到當(dāng)前圖像的kappa系數(shù)為0.56。
【主權(quán)項(xiàng)】
1. 一種基于特征分布的遙感圖像質(zhì)量評(píng)價(jià)方法，其特征在于包括如下步驟： (1) 獲取遙感圖像，由圖像肉眼直觀取得圖像的地物類(lèi)別數(shù)C; (2) 對(duì)圖像中各類(lèi)地物分別采樣，根據(jù)樣本，生成灰度共生矩陣；根據(jù)共生矩陣，計(jì)算 出各類(lèi)地物的樣本特征，包括能量、對(duì)比度、逆差矩、熵和相關(guān)性； (3) 計(jì)算各類(lèi)地物樣本特征的均值和方差，作為參數(shù)估計(jì)的初始參數(shù)值，進(jìn)行高斯混合 模型參數(shù)估計(jì)，得到遙感圖像各類(lèi)地物的類(lèi)別權(quán)重a k、協(xié)方差〇k，k= 1，2, ···(：； (4) 計(jì)算圖像分類(lèi)精度指標(biāo)系數(shù)kappa，包括下述子步驟： (4.1)建立分類(lèi)決策面比其中，(j = 1，2, .. C)為均值，是第j類(lèi)地物相應(yīng)的高斯空間的中心； (4. 2)計(jì)算 Pkk、Pkadd: 若k = 1，則式中，Φ為高斯分布函數(shù)；Pk是通過(guò)步驟（3)計(jì)算出的類(lèi)別權(quán)重；Pkk表示真實(shí)情況下 屬于第k類(lèi)，也被正確歸為第k類(lèi)的像素比例；Pkadd代表實(shí)際不屬于第k類(lèi)，而被誤分為第 k類(lèi)的像素比例； (4. 3)計(jì)算分類(lèi)精度指標(biāo)kappa:2. 根據(jù)權(quán)利要求1所述的方法，其特征在于，所述步驟（3)中進(jìn)行高斯混合模型參數(shù) 估計(jì)包括如下子步驟： (2· 1)設(shè)當(dāng)前圖像中每類(lèi)均值分別為叫，· · .mc，則令初始參數(shù)值為Θ ° = {ai，· · ·，ac， S1,... δ。};其中ai，...，ac為每類(lèi)地物的類(lèi)別權(quán)重，該權(quán)重由用戶根據(jù)圖像地 C 物先驗(yàn)分布確定，如無(wú)先驗(yàn)知識(shí)，就默認(rèn)為平均分布Ai= 1/C，滿足=1 ; δ i，. . . δ。為 /-I 特征值方差，C為類(lèi)別數(shù)；g(x，μ ^ δ ρ為高斯分布的概率密度函數(shù)：式中，Uj為均值，δ j為方差； (2. 2)令 μ ., = m .,，j = 1，2· · C，迭代計(jì)算N為樣本中各類(lèi)地物的像素個(gè)數(shù)；X是代表像素的變量，f^_(X)表示當(dāng)前像素屬于第j 類(lèi)的后驗(yàn)概率； 按（式1) _(式3)迭代計(jì)算，直至達(dá)預(yù)定迭代精度ζ，迭代停止，得到固定均值為!1^時(shí) 的類(lèi)別權(quán)重％和方差的估計(jì)結(jié)果。3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述步驟（2. 2)中，迭代停止條件為： I θt+1- θ 11 I〈 ζ， 其中，St是第t次迭代結(jié)果，t為迭代次數(shù)，II II表示求歐氏距離，預(yù)定迭代精度ζ 為10-5-10-6,根據(jù)計(jì)算精度和收斂速度綜合權(quán)衡。
【專利摘要】本發(fā)明公開(kāi)了一種基于特征分布的遙感圖像質(zhì)量評(píng)價(jià)方法，包括以下步驟：對(duì)輸入的遙感圖像中每一類(lèi)別采樣，提取灰度及特征；計(jì)算特征樣本中每類(lèi)的均值與方差，作為基于高斯模型的EM估計(jì)(GMM估計(jì))的初始值，進(jìn)行高斯混合模型GMM估計(jì)；依據(jù)GMM估計(jì)得到的各個(gè)類(lèi)別特征的方差以及權(quán)重，通過(guò)構(gòu)造的基于kappa系數(shù)的質(zhì)量評(píng)價(jià)模型，計(jì)算出表征遙感圖像質(zhì)量的kappa系數(shù)。本發(fā)明在評(píng)價(jià)遙感圖像質(zhì)量評(píng)價(jià)時(shí)，充分利用了遙感圖像的圖像特征，并利用圖像分類(lèi)的方法對(duì)評(píng)價(jià)方法進(jìn)行驗(yàn)證，因此能夠有效的對(duì)圖像質(zhì)量做出客觀的評(píng)價(jià)。本發(fā)明提出的固定均值高斯混合模型GMM，收斂性更好。
【IPC分類(lèi)】G06T7/40, G06T7/00
【公開(kāi)號(hào)】CN104881867
【申請(qǐng)?zhí)枴緾N201510243039
【發(fā)明人】田巖, 張慧敏, 阮崇武, 許毅平
【申請(qǐng)人】華中科技大學(xué)
【公開(kāi)日】2015年9月2日
【申請(qǐng)日】2015年5月13日