一種基于局域均質(zhì)指標的分水嶺分割標記點提取方法
【專利摘要】本發(fā)明公開了一種基于局域均質(zhì)指標的分水嶺分割標記點提取方法，首先對原始影像進行量化從而獲得量化影像，利用每個像素的J-value作為該像素的像素值，構(gòu)成了J-image影像；J-value的定義，將原始影像進行分塊處理，并分別對每塊區(qū)域的紋理復(fù)雜程度進行判別，從而通過不同的閾值約束標記點的分布。本發(fā)明避免了預(yù)濾波處理對圖像細節(jié)造成的損失，通過在紋理復(fù)雜區(qū)域提取更多的標記點以提取圖像的細節(jié)特征，而在紋理均質(zhì)區(qū)域采用少量的標記點以避免過分割現(xiàn)象，從而實現(xiàn)了對標記點分布的合理約束。
【專利說明】一種基于局域均質(zhì)指標的分水嶺分割標記點提取方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種基于局域均質(zhì)指標的分水嶺分割標記點提取方法，在傳統(tǒng)基于標 記點的分水嶺分割基礎(chǔ)上，通過引入局域均質(zhì)指標實現(xiàn)了標記點自適應(yīng)提取及分布約束， 屬于遙感影像處理【技術(shù)領(lǐng)域】

【背景技術(shù)】
[0002] 近三十年來，遙感影像由于具有多波段、地物種類眾多、紋理特征豐富、多尺度、覆 蓋范圍寬廣等特點，已廣泛應(yīng)用于土地資源規(guī)劃、自然災(zāi)害監(jiān)測等社會生活的各個領(lǐng)域。在 遙感影像處理領(lǐng)域涉及的諸多相關(guān)技術(shù)中，遙感影像分割實現(xiàn)了對場景中具有物理意義的 對象的提取，是進一步進行對圖像分類及實現(xiàn)對象級變化檢測的基礎(chǔ)，也是遙感【技術(shù)領(lǐng)域】 的研究熱點之一。
[0003] 與普通圖像相比，遙感影像分割的特點主要包括：遙感影像通常包含了多個波段 的數(shù)據(jù)，使得傳統(tǒng)單波段的影像分割方法很難直接應(yīng)用于多光譜或高光譜遙感影像分割 中；再者，遙感影像通常包含了豐富的紋理信息，能夠綜合反映各種地物復(fù)雜的空間結(jié)構(gòu)特 征，使得有效的抽取和表述對象的紋理特征更加困難；最后，遙感影像通常覆蓋范圍廣泛的 區(qū)域，尺寸大，云層遮蓋、地物陰影等干擾因素眾多，因此需要更加高效的影像分割，有時還 需要引入先驗知識提高分割精度。
[0004] 近三十年來，學(xué)者們對遙感影像分割及其應(yīng)用展開了廣泛而深入的研究，需要指 出的是，盡管目前遙感影像分割算法很多，但針對高分辨率遙感影像的分割算法研究依然 在針對性及系統(tǒng)性方面存在諸多不足。空間分辨率的提高帶來了豐富的光譜信息及紋理、 形狀等空間信息。另一方面，同種地物的類內(nèi)可分性增加及不同種類地物的類間可分性降 低，即普遍存在的"同譜異物"及"同物異譜"現(xiàn)象，以及場景中更加多樣的地物種類、結(jié)構(gòu) 復(fù)雜的人造目標以等因素都成功的影像分割造成了困難。
[0005] 分水嶺分割算法是一種基于區(qū)域的分割方法，具有全局分割、定位對象邊緣準確、 保持對象輪廓完整等諸多優(yōu)點，并且已成功應(yīng)用于高分辨率遙感影像分割領(lǐng)域。盡管如此， 分水嶺算法在影像分割前通常需要對孤立點、噪聲等干擾因素進行濾波處理，容易造成影 像中細節(jié)信息的損失；基于單一閾值的標記點提取策略難以準確標記場景中各種具有不同 形狀、尺寸以及紋理復(fù)雜程度的地物，因此在分割結(jié)果中容易產(chǎn)生過分割及欠分割現(xiàn)象。
[0006] 參考文獻
[0007] [1]Deng Y, Manjunath B S. Unsupervised segmentation of color-texture regions in images and video[J]. Pattern Analysis and Machine Intelligence, IEEE Transactions on,2001,23(8):800-810.
[0008] [2]張博，何彬彬.改進的分水嶺變換算法在高分辨率遙感影像多尺度分割中的 應(yīng)用[J].地球信息科學(xué)學(xué)報，2014, 1 (16) : 144-150.


【發(fā)明內(nèi)容】

[0009] 發(fā)明目的：針對現(xiàn)有技術(shù)中存在的問題與不足，本發(fā)明提供一種基于局域均質(zhì)指 標的分水嶺分割標記點提取方法，由局部同質(zhì)性指標J-value替代傳統(tǒng)梯度影像，能夠有 效克服噪聲等干擾因素的影響。同時，提出了基于J-value的標記點提取策略，能夠根據(jù)局 部區(qū)域紋理特征的復(fù)雜程度合理約束標記點的分布。
[0010] 技術(shù)方案：一種基于局域均質(zhì)指標的分水嶺分割標記點提取方法，包括如下步 驟：
[0011] 首先對原始影像進行量化從而獲得量化影像，令量化影像中每一個像素的位置 z(x，y)為像素 z的像素值，z(x，y) e Z，Z為以像素 z為中心的特定尺寸窗口內(nèi)所有像素組 成的集合。
[0012] 在量化影像中，定義N為以z為中心窗口中的像素總數(shù)，則均值m :
[0013]

【權(quán)利要求】
1. 一種基于局域均質(zhì)指標的分水嶺分割標記點提取方法，其特征在于，包括如下步 驟： 首先對原始影像進行量化從而獲得量化影像，令量化影像中每一個像素的位置Z (X，y) 為像素 Z的像素值，z(x，y) e z，z為以像素 z為中心的特定尺寸窗口內(nèi)所有像素組成的集 合； 在量化影像中，定義N為以z為中心窗口中的像素總數(shù)，則均值m: ^ zeZ 定義mp為窗口中屬于相同灰度級p的所有像素均值，Zp為窗口中屬于灰度級p的所有 像素的集合，P為量化影像中的灰度級總數(shù)，則窗口中屬于同一灰度級像素的方差的和3"可 定義為： ?=ΣΣ |卜％|「 ⑵ 定義sT為窗口中所有像素的總體方差： ST=Y\z-mf (3) 則 J-value 為： J=(ST-SW)/SW (4) 利用每個像素的J-value作為該像素的像素值，即構(gòu)成了 J-image影像； 將原始影像進行分塊處理，并分別對每塊區(qū)域的紋理復(fù)雜程度進行判別，從而通過不 同的閾值約束標記點的分布。
2. 如權(quán)利要求1所述的基于局域均質(zhì)指標的分水嶺分割標記點提取方法，其特征在 于： 標記點提取策略如下： Stepl :首先根據(jù)待分割影像的尺寸設(shè)定參數(shù)M，將影像等分為大小MXM像素的子塊； 遍歷所有子塊，計算每個子塊對應(yīng)的J-value，以判斷當(dāng)前子塊內(nèi)部的紋理復(fù)雜程度；進入 Step 2 ； Step2 :為了盡可能的反映圖像的細節(jié)特征，選擇計算的J-value的最小窗口尺寸為 5X5像素，并計算原始影像中所有像素對應(yīng)的J-value的值，從而生成J-image影像； St印3 :對于某一子塊，若滿足J e (〇. 05, 0. 3]，則認為該子塊為普通區(qū)域；計算 J-image所有像素的J-value均值，并定義為閾值TAvg，子塊在J-image中對應(yīng)的區(qū)域中所 有閾值大于T Min的點作為標記點；否則，進入下一步； St印4 :對于某一子塊，若滿足J e (〇. 3, 1)，則認為該子塊為紋理復(fù)雜區(qū)域，需要更多 的標記點以提取圖像的細節(jié)特征，以避免欠分割現(xiàn)象，定義閾值TMin，且滿足TMin < TAvg，子圖 像在J-image中對應(yīng)的區(qū)域中所有閾值大于TMin的點作為標記點；否則，進入下一步； Step5 :對于某一子塊，若滿足J e (〇.〇. 5)，則認為該子塊為均值區(qū)域，僅需要較少的 標記點，以避免過分割現(xiàn)象，定義閾值TMax，且滿足TMax > TAvg，子圖像在J-image中對應(yīng)的區(qū) 域中所有閾值大于TMax的點作為標記點；進入下一步； Step6 :重復(fù)Step3?Step5,遍歷所有子塊，實現(xiàn)在J-image影像中的標記點提取。
【文檔編號】G06T5/00GK104268836SQ201410494482
【公開日】2015年1月7日 申請日期:2014年9月24日 優(yōu)先權(quán)日:2014年9月24日
【發(fā)明者】劉輝, 周才英, 石哲, 王超 申請人:江西理工大學(xué)