基于MeanShift的高分辨率遙感影像分割距離度量?jī)?yōu)化方法
【專利摘要】基于Meanshift的高分辨率遙感圖像分割中合并區(qū)域過程的距離度量?jī)?yōu)化方法，充分考慮遙感圖像數(shù)據(jù)的特點(diǎn)，利用光譜匹配距離度量代替?zhèn)鹘y(tǒng)的歐式距離，具體有光譜角度匹配度量，光譜相似性度量和核映射光譜匹配度量，使分割結(jié)果更加精確。
【專利說明】基于MeanShift的高分辨率遙感影像分割距離度量?jī)?yōu)化方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明是在高分辨率遙感影像處理領(lǐng)域中，針對(duì)基于MeanShift算法的遙感圖像分割技術(shù)，對(duì)其中區(qū)域合并過程所涉及到的距離度量計(jì)算進(jìn)行優(yōu)化，從而進(jìn)一步得到精度更高的圖像分割效果。

【背景技術(shù)】
[0002]隨著遙感技術(shù)的發(fā)展，高分辨率遙感影像逐漸在許多領(lǐng)域中得到廣泛的應(yīng)用。由于高分辨率遙感影像擁有更豐富的光譜波段、更詳細(xì)的地形結(jié)構(gòu)等數(shù)據(jù)信息，所以遙感圖像處理技術(shù)的要求也隨之不斷提高，影像分割技術(shù)是面向?qū)ο蟮母叻直媛蔬b感圖像信息提取和分析的重要步驟之一，其分割質(zhì)量直接決定了后續(xù)影像處理的精度，因此遙感圖像分割具有重大的研究意義。
[0003]MeanShift均值漂移算法是一種無(wú)參的統(tǒng)計(jì)迭代方法，利用核密度估計(jì)求取一定范圍內(nèi)的梯度最大點(diǎn)，由于其簡(jiǎn)單的形式、較快的收斂速度以及較高的穩(wěn)定性、抗噪性等，在計(jì)算機(jī)模式識(shí)別、聚類分析、圖像跟蹤和圖像分割等方面有廣泛的應(yīng)用。
[0004]在基于MeanShift的遙感影像分割過程中，區(qū)域合并是其重要的步驟之一，它是在圖像進(jìn)行濾波聚類得到眾多細(xì)分的同質(zhì)區(qū)域小塊之后，再進(jìn)一步根據(jù)一定準(zhǔn)則得到圖像的最終分割結(jié)果，因此合并準(zhǔn)則的精確對(duì)分割結(jié)果有重要的影響，而距離度量作為合并準(zhǔn)則的重要環(huán)節(jié)，其具體的策略需要根據(jù)遙感圖像數(shù)據(jù)的特點(diǎn)來(lái)進(jìn)行設(shè)置。本發(fā)明據(jù)此提出了一種針對(duì)區(qū)域合并時(shí)的距離度量?jī)?yōu)化策略，使高分辨率遙感影像的分割在理論上得到更高精度的效果。


【發(fā)明內(nèi)容】

[0005]本發(fā)明要克服現(xiàn)有技術(shù)分割圖像時(shí)精度低的缺點(diǎn)，提供基于MeanShift的高分辨率遙感圖像分割距離度量?jī)?yōu)化方法。
[0006]本發(fā)明為了在基于MeanShift的遙感圖像分割中得到精度更高的分割效果，在區(qū)域合并過程中對(duì)距離度量的計(jì)算采用光譜匹配技術(shù)代替?zhèn)鹘y(tǒng)的歐式距離的計(jì)算，充分考慮遙感圖像的數(shù)據(jù)特征，使區(qū)域之間的相似度量的計(jì)算更加精準(zhǔn)，從而得到更精確的分割圖像。
[0007]基于MeanShift的高分辨率遙感圖像分割距離度量?jī)?yōu)化方法，包括以下步驟:
[0008]I)、高分辨率遙感圖像輸入，轉(zhuǎn)換成柵格數(shù)據(jù)進(jìn)行處理；
[0009]2)、利用MeanShift算法對(duì)遙感圖像進(jìn)行濾波處理，得到以模點(diǎn)為中心的大量同質(zhì)區(qū)域；
[0010]3)、對(duì)濾波之后的大量同質(zhì)區(qū)域進(jìn)行區(qū)域合并，計(jì)算區(qū)域之間的相似性，將傳統(tǒng)的歐式距離度量計(jì)算方法由光譜匹配度量計(jì)算方法或核光譜映射度量計(jì)算方法代替；
[0011]4)、設(shè)置恰當(dāng)閾值來(lái)評(píng)判兩區(qū)域的相似性度量，初步形成分割結(jié)果，在進(jìn)一步的尺度區(qū)域合并過程中，通過區(qū)域之間相似度的比較，融入新的區(qū)域來(lái)達(dá)到規(guī)定的尺度。最終得到精度較高的分割結(jié)果。
[0012]進(jìn)一步，步驟2)中的MeanShift算法是無(wú)參的核密度估計(jì)，完全依靠訓(xùn)練數(shù)據(jù)樣本，其具體的原理主要依賴以下公式:
[0013]設(shè)樣本集{xj，i = l,..., 11，為Rd維空間中的任意點(diǎn)，求其中χ點(diǎn)的密度函數(shù)估計(jì)，以κ(χ)為核函數(shù)，h為窗寬，利用單位矩陣，得:
[。。14]

【權(quán)利要求】
1.基于MeanShift的高分辨率遙感圖像分割距離度量?jī)?yōu)化方法，包括以下步驟: 1)、高分辨率遙感圖像輸入，轉(zhuǎn)換成柵格數(shù)據(jù)進(jìn)行處理； 2)、利用MeanShift算法對(duì)遙感圖像進(jìn)行濾波處理，得到以模點(diǎn)為中心的大量同質(zhì)區(qū)域； 3)、對(duì)濾波之后的大量同質(zhì)區(qū)域進(jìn)行區(qū)域合并，計(jì)算區(qū)域之間的相似性，將傳統(tǒng)的歐式距離度量計(jì)算方法由光譜匹配度量計(jì)算方法或核光譜映射度量計(jì)算方法代替； 4)、設(shè)置閾值來(lái)評(píng)判兩區(qū)域的相似性度量，初步形成分割結(jié)果，在進(jìn)一步的尺度區(qū)域合并過程中，通過區(qū)域之間相似度的比較，融入新的區(qū)域來(lái)達(dá)到規(guī)定的尺度；最終得到精度較高的分割結(jié)果。
2.如權(quán)利要求1所述的基于MeanShift的高分辨率遙感圖像分割距離度量?jī)?yōu)化方法，其特征在于:步驟2)中的MeanShift算法是無(wú)參的核密度估計(jì)，完全依靠訓(xùn)練數(shù)據(jù)樣本，其具體的算法如下: 設(shè)樣本集{xj，i = I,...,11，為Rd維空間中的任意點(diǎn)，求其中X點(diǎn)的密度函數(shù)估計(jì)，以K(X)為核函數(shù)，h為窗寬，利用單位矩陣，得:
求概率密度最大點(diǎn)，對(duì)上式求導(dǎo)并引用核函數(shù)G(X)，以及標(biāo)準(zhǔn)化系數(shù)ck，d，整理化簡(jiǎn)可得:
將等式右邊最后面的部分作為MeanShift向量，具體如下:
從核概率密度式子推導(dǎo)得出MeanShift向量mh,e(X)，可知其總是指向概率密度增加最大的方向，利用此性質(zhì)，可以通過對(duì)圖像像素點(diǎn)的迭代處理，經(jīng)過濾波過程，得到以模點(diǎn)值為中心的大量同質(zhì)區(qū)域。
3.如權(quán)利要求1所述的基于MeanShift的高分辨率遙感圖像分割距離度量?jī)?yōu)化方法，其特征在于:步驟3)中所涉及到的區(qū)域相似度的具體計(jì)算方式，傳統(tǒng)的歐式距離的計(jì)算具體為以下式子:
其中，X，y為遙感圖像中任意像素點(diǎn)，i = 1，...，n，其中n為波段值，因此兩變量可看作是η維向量，此距離度量計(jì)算簡(jiǎn)單，幾乎適用于任意情況下的距離度量計(jì)算，但在η值較大的高分辨率影像中，如此計(jì)算的距離度量沒有充分考慮光譜值信息，因此合并效果并不能達(dá)到令人滿意的效果。 光譜匹配是高光譜影像中像元光譜在每一個(gè)波段的變化量與方向的分析，能夠突出特征譜段，提取光譜維信息，充分考慮到遙感圖像數(shù)據(jù)的特點(diǎn)，從而能夠較精確的定量表示像元間的相似性或者差異性。利用常見的幾種光譜匹配技術(shù)代替歐式距離計(jì)算方法，具體公式如下: 光譜角度匹配:
x，y為η維光譜矢量，Θ為兩矢量余弦夾角，計(jì)算兩者的余弦角度與兩矢量的長(zhǎng)度無(wú)關(guān)，因此不受增益因素影響。 光譜相似度:
上式中，μ、O分別為均值和標(biāo)準(zhǔn)差，rxy為皮爾遜系數(shù)。光譜相似度綜合考慮了光譜間的形狀和距離關(guān)系，通常值越小，兩矢量間的光譜相似性越大。 核映射光譜匹配度量:
d, H(x, y) = arccos exp (_ λ d2 (x, y)) 上式中λ為大于O的自定義參數(shù)，d(x，y)為光譜相似度量，此度量方式是光譜相似度結(jié)合核函數(shù)的作用，在樣本計(jì)算過程中增加權(quán)重因素來(lái)計(jì)算區(qū)域相似度。 具體執(zhí)行中將遙感圖像不同方式下的距離度量值求出，根據(jù)具體數(shù)值可分析不同距離度量的精度效果。
【文檔編號(hào)】G06T7/00GK104200458SQ201410367705
【公開日】2014年12月10日 申請(qǐng)日期:2014年7月30日 優(yōu)先權(quán)日:2014年7月30日
【發(fā)明者】王衛(wèi)紅, 徐文濤, 夏列鋼 申請(qǐng)人:浙江工業(yè)大學(xué)