本發(fā)明涉及計算機技術(shù)，具體涉及一種遙感影像尺度計算方法、可讀存儲介質(zhì)和計算機設(shè)備。

背景技術(shù)：

在基于對象遙感影像分析研究領(lǐng)域，尺度計算是一個重要的研究方向。目前，圍繞有關(guān)遙感影像多尺度影像分割已經(jīng)提出了許多尺度計算方法。由于高空間分辨率遙感影像數(shù)據(jù)自身的復(fù)雜性，以及地理對象尺寸和空間分布模式的差異性，很難建立一個全局尺度參數(shù)模型來有效地指導(dǎo)大區(qū)域多尺度分割參數(shù)(同時在空間域和光譜域進行相鄰像素同質(zhì)性與異質(zhì)性測度)的計算。工程實踐表明，自適應(yīng)獲取合理的尺度參數(shù)不僅對分割結(jié)果的精確性起到關(guān)鍵作用，而且也深刻影響著物理影像基元的有效識別和后期處理。

尺度是描述遙感影像多尺度分割異質(zhì)性閾值的標尺，具有衡量物理影像基元內(nèi)部像素同質(zhì)性與測度空間地物語義影像目標彼此間異質(zhì)性的功能，合理的尺度使得物理影像基元與對應(yīng)的空間地物語義影像目標在邊緣上最大程度的吻合。近10年來，研究人員相繼提出了基于對象的遙感影像分析方法及相關(guān)技術(shù)實現(xiàn)；作為“高分辨率對地觀測的若干前沿科學問題”——遙感影像理解與信息提取核心技術(shù)之一的多尺度影像分割以任意尺度生成幾何與屬性信息豐富的物理影像基元(滿足幾何與光譜同質(zhì)性準則的鄰接像元集合)，繼而以物理影像基元為基本空間分析單元，利用其幾何特征與光譜統(tǒng)計信息實現(xiàn)對地物語義影像目標(物理影像基元或由其組合形成的影像區(qū)域的地學語義描述)的自動識別與分類。多尺度遙感影像分割作為基于對象遙感影像分析核心技術(shù)之一獲得了研究人員的廣泛關(guān)注，目前基于對象遙感影像分析方法且已經(jīng)初步商業(yè)化的多尺度影像分割方法以集成在和feature軟件中的算法為代表；此外，各類文獻介紹的影像分割方法及實現(xiàn)的算法很多；在這些算法中適當?shù)某叨葏?shù)來描述分割時相鄰像素在空間域和光譜域的異質(zhì)性和同質(zhì)性范圍。但這些方法或算法應(yīng)用于高空間分辨率遙感影像分割時仍存在明顯的局限性，該局限性體現(xiàn)為現(xiàn)有技術(shù)中計算得出的尺度參數(shù)對于分割物理影像中的基元時，分割的精度和效率均不高。

技術(shù)實現(xiàn)要素：

鑒于上述問題，本發(fā)明提出了克服上述問題或者至少部分地解決上述問題的一種遙感影像尺度計算方法、可讀存儲介質(zhì)和計算機設(shè)備。

為此目的，第一方面，本發(fā)明提出一種遙感影像尺度計算方法，包括：

s101獲取矢量邊緣信息；

s102基于矢量邊緣信息計算空域尺度，獲得空域尺度圖像；

s103基于矢量邊緣信息和空域尺度圖像計算獲得值域尺度圖像。

可選的，在步驟s101之前包括：

s201在接收遙感影像；

s202對遙感影像進行預(yù)處理，預(yù)處理包括全色影像融合處理與多光譜影像濾波處理；

s203、對預(yù)處理后的遙感影像提取矢量邊緣信息；

可選的，所述s102基于矢量邊緣信息計算空域尺度，獲得空域尺度圖像，包括：

計算遙感影像中的每個像素點在k個方向上到相應(yīng)邊緣的距離，像素點在k個方向上到相應(yīng)邊緣的距離分別為n1～nk；

設(shè)置的空域尺度影像中該像素點對應(yīng)的像素點的像素值sd為n1～nk的平均值。

可選的，所述s103基于矢量邊緣信息和空域尺度圖像計算獲得值域尺度圖像，包括：對于遙感影像中的每一像素點，計算從該像素點到對應(yīng)邊緣的八個方向上，每個方向上所有像素點的光譜值之和平均值，獲得me1～mek；

計算me1～mek的平均值作為該像素點的值域尺度值。

可選的，所述s103基于矢量邊緣信息和空域尺度計算值域尺度，包括：

對于空域尺度圖像中的每一像素點，計算從該像素點到對應(yīng)的邊緣的k個方向上，每個方向上所有像素點的光譜值的中值，獲得mi1～mik；

計算mi1～mik的中值作為該像素點的值域尺度值。

可選的，所述s103基于矢量邊緣信息和空域尺度計算值域尺度，包括：

對于空域尺度圖像中的每一像素點，計算從該像素點到對應(yīng)邊緣的k個方向上，每個方向上所有像素點的光譜值之和平均值，獲得me1～mek；

計算me1～mek的中值作為該像素的值域尺度值。

可選的，所述多光譜影像濾波處理包括中值濾波、高斯濾波、均值漂移、雙邊濾波或各向異性擴散濾波中的一種或多種。

第二方面，本發(fā)明提供一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，該程序被處理器執(zhí)行時實現(xiàn)如上任一所述方法的步驟。

第二方面，本發(fā)明提供一種計算機設(shè)備，包括存儲器、處理器以及存儲在所述存儲器上并可在所述處理器上執(zhí)行的計算機程序，所述處理器執(zhí)行所述程序時實現(xiàn)如上任一所述方法的步驟。

由上述技術(shù)方案可知，本發(fā)明將遙感影像中的矢量邊緣及其形狀特征信息作為約束條件，進行遙感影像分割的空域尺度與值域尺度計算。分別從地理空間和光譜空間兩方面獲得遙感影像多尺度分割的尺度參數(shù)，并且提高了影像分割的精度及效率。

前面是提供對本發(fā)明一些方面的理解的簡要發(fā)明內(nèi)容。這個部分既不是本發(fā)明及其各種實施例的詳盡表述也不是窮舉的表述。它既不用于識別本發(fā)明的重要或關(guān)鍵特征也不限定本發(fā)明的范圍，而是以一種簡化形式給出本發(fā)明的所選原理，作為對下面給出的更具體的描述的簡介。應(yīng)當理解，單獨地或者組合地利用上面闡述或下面具體描述的一個或多個特征，本發(fā)明的其它實施例也是可能的。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明的一個實施例的方法流程示意圖；

圖2a為本發(fā)明的一個實施例中某一像素點的八個方向示意圖；

圖2b為本發(fā)明的一個實施例中當前像素點到邊緣八個方向的距離；

圖2c為本發(fā)明的一個實施例中局部最優(yōu)空域尺度參數(shù)影像可視化表達示例；

圖3a為本發(fā)明的一個實施例中的原始遙感影像；

圖3b為圖3a對應(yīng)的值域尺度影像(通過均值-值域尺度算法得到的影像)；

圖3c為圖3a對應(yīng)的值域尺度影像(通過中值-值域尺度算法得到的影像)；

圖3d為圖3a對應(yīng)的值域尺度影像(通過聯(lián)合-值域尺度算法得到的影像)；

圖4a為本發(fā)明的一個實施例中的遙感影像尺度計算實驗數(shù)據(jù)，其中標注了待識別區(qū)域；

圖4b為圖4a經(jīng)過高斯濾波處理后的遙感影像；

圖4c為圖4a經(jīng)過中值濾波處理后的遙感影像；

圖4d為圖4a經(jīng)過均值濾波處理后的遙感影像；

圖4e為圖4a經(jīng)過雙邊濾波處理后的遙感影像；

圖4f為圖4a經(jīng)過)均值漂移濾波處理后的遙感影像；

圖4g為圖4a經(jīng)過各向異性擴散濾波處理后的遙感影像；

圖5為圖4a對應(yīng)的矢量邊緣信息提取結(jié)果；

圖6為圖4a對應(yīng)的空域尺度影像；

圖7a為圖4a對應(yīng)的值域尺度影像(通過均值-值域尺度算法得到的影像)；

圖7b為圖4a對應(yīng)的值域尺度影像(通過中值-值域尺度算法得到的影像)；

圖7c為圖4a對應(yīng)的值域尺度影像(通過聯(lián)合-值域尺度算法得到的影像)。

具體實施方式

下面將結(jié)合示例性的通信系統(tǒng)描述本發(fā)明。

需要說明的是，本文中使用諸如s101、s102之類的標記，其并不是為了暗示s101和s102之間的順序，而是為了便于在描述中用該類標記指代具體的步驟，使本文中的指代具體清楚，便于閱讀。

如圖1所示，本實施例公開一種遙感影像尺度計算方法，包括：

s101獲取矢量邊緣信息；

s102基于矢量邊緣信息計算空域尺度，獲得空域尺度圖像；

s103基于矢量邊緣信息和空域尺度圖像計算獲得值域尺度圖像。

空域尺度利用遙感影像的幾何邊緣特征和形狀特征等信息，計算決定遙感影像分割的同質(zhì)性影像對象大小并確定最優(yōu)物理影像基元在空間域的空間范圍。

值域尺度在空域尺度計算的基礎(chǔ)上，綜合運用平均值、中值、方差、標準差等統(tǒng)計量，對物理影像基元內(nèi)像元的光譜信息進行計算，得到同質(zhì)性影像對象光譜域的值域尺度。

在本發(fā)明的一個公開實施例中，輸入的遙感影像如圖4a所示，需要說明的是，圖4中人工標注了待識別的物體的位置。圖4a經(jīng)過處理后獲得的矢量邊緣信息如圖5所示，通過圖5計算獲得空域尺度，對空域尺度進行可視化表達獲得的圖像如圖6所示；基于矢量邊緣信息和空域尺度圖像計算獲得值域尺度；圖4a對應(yīng)的值域尺度通過可視化表達獲得的圖像如圖7a-7c所示，圖3a對應(yīng)的值域尺度通過可視化表達獲得的圖像如圖3b-3d。

本發(fā)明將遙感影像中的矢量邊緣及其形狀特征信息作為約束條件，進行遙感影像分割的空域尺度與值域尺度計算。分別從地理空間和光譜空間兩方面獲得遙感影像多尺度分割的尺度參數(shù)，并且提高了影像分割的精度及效率。

可以理解的是矢量邊緣信息可以是通過下述方法獲得的：

s201在接收遙感影像；遙感影像如圖3a所示。

s202對遙感影像進行預(yù)處理，預(yù)處理包括全色影像融合處理與多光譜影像濾波處理；

s203、對預(yù)處理后的遙感影像提取矢量邊緣信息；

全色影像融合處理包括gs融合(gram-schmidt融合)。在一個實施例中，gs融合包括：第一步，從低分辨率的波段中復(fù)制出一個全色波段。第二步，對復(fù)制出的全色波段和多波段進行g(shù)ram-schmidt變換，其中全色波段被作為第一個波段。第三步，用高空間分辨率的全色波段替換gram-schmidt變換后的第一個波段。最后，應(yīng)用gram-schmidt反變換得到融合圖像。

多光譜影像濾波處理包括中值濾波、高斯濾波、均值漂移、雙邊濾波或各向異性擴散濾波等。多光譜影像濾波處理可以是以上處理的一種或多種。相對單波段灰度影像而言,多波段高空間分辨率遙感影像中可用于邊緣檢測的光譜信息更加豐富。高空間分辨率遙感影像紅綠藍三個標準波段在rgb、ihs、yiq、yuv、cieluv色彩空間中對各種地物矢量邊緣信息的有效提取。由于波譜范圍差異的影響,在上述色彩空間中不同地物類型邊緣檢測時響應(yīng)程度具有顯著的不同，從而對高空間分辨率遙感影像中不同地物類型邊緣檢測特征選擇與提取。

在步驟s202中，全色影像融合與多光譜影像濾波處理的結(jié)合有利于全色影像空間分辨率與多光譜影像光譜分辨率之間的優(yōu)勢互補。而實施濾波處理達到增強邊緣特征的同時消除影像數(shù)據(jù)中的干擾噪聲；

而在步驟s203中利用多波段矢量邊緣檢測方法進行遙感影像矢量邊緣信息提取以及虛假邊緣信息剔除。

在一個實施例中，所述s102基于矢量邊緣信息計算空域尺度，獲得空域尺度圖像包括：

計算遙感影像中的每個像素點在k個方向上到相應(yīng)邊緣的距離，像素點在k個方向上到相應(yīng)邊緣的距離分別為n1～nk；

設(shè)置的空域尺度影像中該像素點對應(yīng)的像素點的像素值sd為n1～nk的平均值。k等于2的n次方，n大于等于2；即k可以是4、8、16等。

在本發(fā)明的一個實施例中，所述計算遙感影像中的每個像素點在8個方向上到相應(yīng)邊緣的距離(即k＝8)，像素點在8個方向上到相應(yīng)邊緣的距離分別為n1～n8，包括：對整幅遙感影像(如圖4a所示的原始遙感影像)逐行列逐像素進行處理。將當前像素點的八個方向(如圖2a所示，八個方向分別為逆時針0度，45度，90度，135度，180度，225度，270度和360度)到矢量邊緣距離(即n1～n8)和的平均值作為這個像素點的新像素值；可以理解的是，若k＝4則將當前像素點的在4個方向(該4個方向?qū)?60度平分)到矢量邊緣距離(分別為n1-n4)，若是k＝16則是當前像素的360度按16等分平分后產(chǎn)生的16個方向，共產(chǎn)生n1-n116共16個距離值。

將該新像素值作為該像素點對應(yīng)的空域尺度值，即空域尺度影像中該像素點對應(yīng)的像素點的像素值sd為該新像素值,即：。

其中n＝8，i＝1，2，…，8；

對依據(jù)新像素值生成的局部最優(yōu)空域尺度參數(shù)數(shù)據(jù)進行影像可視化表達得到的圖像如圖2c、2b所示。

空域尺度約束條件下的遙感影像值域尺度計算有三種方法，平均-值域尺度方法，中值-值域尺度方法，聯(lián)合-值域尺度方法(也稱作均值-中值-值域尺度方法)。為便于對三種方法進行描述，先對兩個基本術(shù)語進行定義。

第一個是平均方向像素值，指像素點到語義影像目標邊緣(邊緣由矢量邊緣信息表示，目標邊緣指具體像素點沿特定的方向延長遇到的第一個邊緣)的八個方向上，每個方向上所有像素光譜值之和的平均值，用me表示。計算公式如下所示，八個方向一共有八個me值，分別記為me1～me8。

其中i表示方向，一共有8個方向，i＝1，2…，8；n是每個方向上像素點的個數(shù)，j＝1，2，…，n。pj是像素j的光譜值。

第二個是中值方向像素值，指像素點到語義影像目標邊緣的八個方向上，每個方向上所有像素值的中值，用mi表示。同理，八個方向一共有八個mi值，分別記為mi1～mi8；計算公式如下所示：

mii＝med{p1，p2，…，pn}

其中pj是像素j的光譜值，每個方向共有n個像素，j＝1，2，…，n。med{}為中值函數(shù)。

在本發(fā)明的一個實施例中，所述s103基于矢量邊緣信息和空域尺度圖像計算獲得值域尺度圖像，包括通過平均-值域尺度方法計算值域尺度值，平均-值域尺度方法計算值域尺度值如下：

對于遙感影像中的每一像素點，計算從該像素點到對應(yīng)邊緣的八個方向上，每個方向上所有像素點的光譜值之和平均值，獲得me1～me8；

計算me1～me8的平均值作為該像素點的值域尺度值。

即該像素點的在值域尺度圖像中對應(yīng)像素點的像素值為ve；

圖7a為通過均值-值域尺度方法計算得到的影像；

在本發(fā)明的一個實施例中，所述s103基于矢量邊緣信息和空域尺度計算值域尺度，包括通過中值-值域尺度方法計算值域尺度值，該方法如下所述：

對于空域尺度圖像中的每一像素點，計算從該像素點到對應(yīng)的邊緣的八個方向上，每個方向上所有像素點的光譜值的中值，獲得mi1～mi8；

計算mi1～mi8的中值作為該像素點的值域尺度值vm，即：

vm＝med{mi1,mii,...,mi8}。

圖7b為通過中值-值域尺度方法計算得到的影像。

在本發(fā)明的一個實施例中，所述s103基于矢量邊緣信息和空域尺度計算值域尺度，包括通過聯(lián)合-值域尺度方法計算值域尺度值，該方法如下：

對于空域尺度圖像中的每一像素點，計算從該像素點到對應(yīng)邊緣的八個方向上，每個方向上所有像素點的光譜值之和平均值，獲得me1～me8；

計算me1～me8的中值作為該像素的值域尺度值，即該像素的值域尺度值vem＝med{me1,me2,...，me8}。

本文中vem、ve、vm都是指值域尺度值，下腳標僅代表計算過程的不同，并不用于指示他們的值的含義不同。

例如，圖7c為通過聯(lián)合-值域尺度方法計算得到的影像。

本發(fā)明還包括一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，該程序被處理器執(zhí)行時實現(xiàn)上述方法的步驟。

本發(fā)明還包括存儲器、處理器以及存儲在所述存儲器上并可在所述處理器上執(zhí)行的計算機程序，所述處理器執(zhí)行所述程序時實現(xiàn)上述的步驟

本文中使用的“至少一個”、“一個或多個”以及“和/或”是開放式的表述，在使用時可以是聯(lián)合的和分離的。例如，“a、b和c中的至少一個”，“a、b或c中的至少一個”，“a、b和c中的一個或多個”以及“a、b或c中的一個或多個”指僅有a、僅有b、僅有c、a和b一起、a和c一起、b和c一起或a、b和c一起。

術(shù)語“一個”實體是指一個或多個所述實體。由此術(shù)語“一個”、“一個或多個”和“至少一個”在本文中是可以互換使用的。還應(yīng)注意到術(shù)語“包括”、“包含”和“具有”也是可以互換使用的。

本文中使用的術(shù)語“計算機可讀介質(zhì)”是指參與將指令提供給處理器執(zhí)行的任何有形存儲設(shè)備和/或傳輸介質(zhì)。計算機可讀介質(zhì)可以是在ip網(wǎng)絡(luò)上的網(wǎng)絡(luò)傳輸(如soap)中編碼的串行指令集。這樣的介質(zhì)可以采取很多形式，包括但不限于非易失性介質(zhì)、易失性介質(zhì)和傳輸介質(zhì)。非易失性介質(zhì)包括例如nvram或者磁或光盤。易失性介質(zhì)包括諸如主存儲器的動態(tài)存儲器(如ram)。計算機可讀介質(zhì)的常見形式包括例如軟盤、柔性盤、硬盤、磁帶或任何其它磁介質(zhì)、磁光介質(zhì)、cd-rom、任何其它光介質(zhì)、穿孔卡、紙帶、任何其它具有孔形圖案的物理介質(zhì)、ram、prom、eprom、flash-eprom、諸如存儲卡的固態(tài)介質(zhì)、任何其它存儲芯片或磁帶盒、后面描述的載波、或計算機可以讀取的任何其它介質(zhì)。電子郵件的數(shù)字文件附件或其它自含信息檔案或檔案集被認為是相當于有形存儲介質(zhì)的分發(fā)介質(zhì)。當計算機可讀介質(zhì)被配置為數(shù)據(jù)庫時，應(yīng)該理解該數(shù)據(jù)庫可以是任何類型的數(shù)據(jù)庫，例如關(guān)系數(shù)據(jù)庫、層級數(shù)據(jù)庫、面向?qū)ο蟮臄?shù)據(jù)庫等等。相應(yīng)地，認為本發(fā)明包括有形存儲介質(zhì)或分發(fā)介質(zhì)和現(xiàn)有技術(shù)公知的等同物以及未來開發(fā)的介質(zhì)，在這些介質(zhì)中存儲本發(fā)明的軟件實施。

本文中使用的術(shù)語“確定”、“運算”和“計算”及其變型可以互換使用，并且包括任何類型的方法、處理、數(shù)學運算或技術(shù)。更具體地，這樣的術(shù)語可以包括諸如bpel的解釋規(guī)則或規(guī)則語言，其中邏輯不是硬編碼的而是在可以被讀、解釋、編譯和執(zhí)行的規(guī)則文件中表示。

本文中使用的術(shù)語“模塊”或“工具”是指任何已知的或以后發(fā)展的硬件、軟件、固件、人工智能、模糊邏輯或能夠執(zhí)行與該元件相關(guān)的功能的硬件和軟件的組合。另外，雖然用示例性實施方式來描述本發(fā)明，但應(yīng)當理解本發(fā)明的各方面可以單獨要求保護。

術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者終端設(shè)備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者終端設(shè)備所固有的要素。在沒有更多限制的情況下，由語句“包括……”或“包含……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者終端設(shè)備中還存在另外的要素。

盡管已經(jīng)對上述各實施例進行了描述，但本領(lǐng)域內(nèi)的技術(shù)人員一旦得知了基本創(chuàng)造性概念，則可對這些實施例做出另外的變更和修改，所以以上所述僅為本發(fā)明的實施例，并非因此限制本發(fā)明的專利保護范圍，凡是利用本發(fā)明說明書及附圖內(nèi)容所作的等效結(jié)構(gòu)或等效流程變換，或直接或間接運用在其他相關(guān)的技術(shù)領(lǐng)域，均同理包括在本發(fā)明的專利保護范圍之內(nèi)。