一種視覺感知啟發(fā)的高分辨率遙感圖像分割方法
【技術領域】
[0001] 本發(fā)明屬于圖像處理技術領域，更進一步涉及高分辨率遙感圖像分割技術領域中 的一種模擬視覺感知機制的分割方法。本發(fā)明主要用于高分辨率的衛(wèi)星遙感圖像、航空遙 感圖像的分割，以達到圖像中地物信息提取的目的。
【背景技術】
[0002] 高分辨率遙感圖像能夠提供豐富的地面物體細節(jié)，但也增加了同質區(qū)域的內部光 譜差異并呈現(xiàn)出多樣的紋理特性，此外，傳感器在成像過程中會引入噪聲，這些都增加了遙 感圖像準確分割的難度。近年來，高分辨率遙感圖像主要基于面向地理對象的圖像分析 (GE0BIA)方法，首先將圖像分割為互不重疊的區(qū)域，稱為對象，對象邊界的準確性決定了后 續(xù)特征提取和分類的質量。為了產生對象，需要借助于圖像分割方法，當前在GE0BIA中多采 用多分辨率分割算法，其本質上是一種綜合考慮對象形狀和光譜信息的區(qū)域生長方法，這 種方法的缺點是尺度相關，需要多種尺度參數(shù)綜合選優(yōu)，并且分割過程沒有考慮紋理因素， 難以得到準確的對象邊界描述，容易產生過分割和欠分割現(xiàn)象。
[0003] 對視覺感知機制的研究表明，視覺信息處理的早期過程主要將零散、單一的視覺 信息組織成大單位、有意義的對象及它們的相互關系的過程。這里對象指具備一致視覺信 息(光譜強度、紋理等）的區(qū)域，根據(jù)視覺掩蓋效應，當圖像區(qū)域中存在復雜紋理時，HVS對該 區(qū)域內的視覺信號失真不敏感，也即將該區(qū)域視為一個"整體"。當前圖像分割的發(fā)展趨勢 是模擬人類視覺系統(tǒng)(HVS)對圖像的解譯過程，綜合考慮各種視覺信息，如邊緣、光譜強度、 紋理和空間關系屬性等，將圖像分割為與現(xiàn)實物體相對應的不重疊子區(qū)域，如何在算法層 面更好地模擬HVS系統(tǒng)對圖像信息的處理，是一個亟待研究的問題。
[0004] 為了改善高分辨率遙感圖像分割過程只考慮光譜信息的不足，一些研究嘗試將更 多的視覺信息引入到分割過程，如加入邊緣信息來改善區(qū)域合并效果，利用邊緣信息進行 分水嶺標記和分割，在分割時考慮紋理信息，提取紋理特征、融合光譜信息的混合特征表示 和區(qū)域生長合并等方面展開研究。但這些方法主要采用競爭機制來確定圖像的梯度信息， 邊界確定過程中只采用一類信息，與自然圖像中同時存在紋理梯度和光譜強度梯度矛盾， 與HVS分析圖像過程不符，高分辨率的遙感圖像中相鄰物體間既有光譜強度差異產生的邊 界也有紋理物體的邊界，過多考慮紋理容易在光譜強度邊界產生紋理邊界效應，而且圖像 中的噪聲很容易造成過分割現(xiàn)象和邊界定位不準的問題。

【發(fā)明內容】

[0005] 本發(fā)明所針對上述現(xiàn)有技術的不足，提出一種模擬視覺感知機制的高分辨率遙感 圖像分割方法。方法依據(jù)人類視覺系統(tǒng)能夠將紋理區(qū)域和光譜均勻區(qū)域視為整體來處理 這一特性，分別提取圖像中光譜均勻區(qū)域的邊界和光譜變化的紋理區(qū)域邊界，然后將二者 有效融合并實現(xiàn)圖像的分割，解決現(xiàn)有遙感圖像分割方法中使用單一光譜信息、邊界定位 不準確等問題，提高遙感分割的分割精度，降低遙感信息提取過程中的后期處理復雜度。
[0006] 本發(fā)明實現(xiàn)上述目的的思路是:分別提取圖像中的光譜均勻區(qū)域和紋理區(qū)域，首 先借助于具有邊緣保持特性的非線性濾波器方法對輸入圖像進行處理，濾除圖像中的噪聲 和紋理信息，在梯度算子的作用下得到光譜均勻區(qū)域的強度梯度;然后使用能夠模擬視覺 感受野方向和頻率選擇特性的Gabor濾波器組提取圖像的紋理能量特征，將這些紋理輸出 進行適當?shù)臑V波和平滑處理后，得到紋理區(qū)域信息，進而得到紋理梯度圖像，將兩類邊界信 息融合后使用分水嶺變換得到最終的分割結果。
[0007] 本發(fā)明的基本步驟為：
[0008] 步驟S1，提取圖像的強度梯度，采用具有邊緣保持特性的非線性濾波方法，濾除圖 像中的噪聲和紋理信息，借助于梯度檢測算子得到強度梯度圖像；
[0009] 步驟S2,提取圖像的紋理梯度，使用Gabor濾波器組提取不同方向和波長對應的紋 理能量圖像，對輸出圖像進行濾波、平滑處理，借助于梯度檢測算子得到各通道的紋理梯 度；
[0010] 步驟S3，將強度梯度和紋理梯度進行融合，首先對各個子通道紋理梯度進行膨脹 操作，然后進行累加和歸一化，并與歸一化后的強度梯度相加，得到最終的融合梯度圖像， 對融合梯度圖像使用分水嶺算法，得到最終的分割結果。
[0011] 所述的步驟S1中使用的非線性濾波模型為改進雙邊濾波模型，雙邊濾波模型的表 達式為：
[0012](1) ii^qxp)
[0013]其中，I為輸入圖像，f為輸出圖像，p、q為像素位置，q( ·)表示鄰域集合算子，w (·)為空間距離權值函數(shù)，g( ·)為光譜值差異權值函數(shù)，傳統(tǒng)的雙邊濾波器中的g( ·)為 高斯函數(shù)，在本發(fā)明中，使用Tukey's biweight函數(shù)替換高斯函數(shù)，表達式為：
[0014] m
[0015] 式干，官κ皮麥雙，1史用示全局尺度參數(shù)，該參數(shù)由整幅圖像的光譜分 布特性得到，這里使用絕對離差中位數(shù)表示，表達式為：
[0016] = 1,4826MAD(V/) = l,4826mediani(|| V/-median,(|| V/1|) ||) (3:)
[0017] 其中，Ψ7為梯度算子，median為中值算子。采用全局平滑尺度參數(shù)忽略了遙感圖像 中區(qū)域間的局部差異，尤其是在紋理與非紋理交界的邊界處，為此使用局部梯度統(tǒng)計中值 來表示局部尺度參數(shù)，以區(qū)分紋理和邊緣，表達式為：
[0018]
(4)
[0019] 則，σ = Ασ,+，其中的常數(shù)為梯度閾值修正量。
[0020] 所述的步驟S2中，使用Gabor函數(shù)的實部提取紋理能量特征，第m波長和第η個方向 的Gabor圖像濾波植型為：
[0021]
(5)
[0022] 其中，按照1倍頻程波長，相鄰濾波器波長滿足2的倍數(shù)關系，同時根據(jù)哺乳動物的
[0023] (6) VI細胞的方向半幅值響應方向帶寬為3T/6的性質，取Gabor濾波器的半幅值方向帶寬31/6,則 得到
[0024] 式中，h( ·)為Gabor濾波函數(shù)，λ為Gabor濾波器的波長，Θ為旋轉角度。
[0025]所述的步驟S2中，為了消除對各通道輸出紋理圖像的紋理泄露效應，使用步驟S1 中的改進雙邊濾波器對紋理圖像進行濾波，雙邊濾波器的濾波窗口范圍設定為Gabor濾波 波長的2倍。
[0026]所述步驟S2中，各通道的紋理輸出在光譜分布均勻區(qū)域交界處伴隨著紋理邊界效 應，即圖像中對象的邊界出現(xiàn)多重邊緣現(xiàn)象，為消除紋理邊界效應，采用中值濾波器方法對 結果進行處理，中值濾波的窗口寬度設定為4倍的Gabor濾波器波長寬度。
[0027]所述步驟S3中，紋理梯度和強度梯度融合之前，對紋理梯度進行預處理。在圖像紋 理區(qū)域和光譜均勻區(qū)域交界處，紋理梯度與強度梯度的表示會產生不一致的現(xiàn)象，分水嶺 變換過程中容易生成邊界對象，本發(fā)明處理此問題的方法是對紋理梯度圖像進行膨脹操 作，公式為：
[0028] (/十&)(x，_>·) = max{/(x-χ'ν-η? kf) eZ?) (/)
[0029] 膨脹后的紋理邊界在分割結果中不受影響，同時，紋理與均質區(qū)域交界處以強度 梯度信息為主，保證了分割結果的準確性。
[0030] 所述步驟S3中，歸一化后的強度梯度IG和歸一化后的紋理梯度TG的融和方法按照 下式進行：
[0031]
(8)
[0032]其中，（x，y)為圖像中像素坐標，median為中值算子，HG為融合后的最終梯度表示。 [0033]所述步驟S3中，使用標準分水嶺變換實現(xiàn)圖像的分割，為了避免區(qū)域極小值的影 響，引入h_極小值抑制方法來去除能導致冗余分割的極小值影響。
[0034]本發(fā)明的有益效果是：
[0035] (1)同時考慮了光譜信息和紋理信息，與傳統(tǒng)只基于光譜的分割方法相比，能對紋 理區(qū)域進行更好的分割，降低紋理區(qū)域中過分割的問題；
[0036] (2)分別提取光譜均勻區(qū)域邊界和紋理邊界的信息，與視覺感知系統(tǒng)的圖像解譯 過程相似，能夠得到更高的對象邊界定位準確性；
[0037] (3)紋理特征處理過程采用的非線性濾波和中值濾波方法，增強了紋理邊界提取 的有效性；
[0038] (4)本發(fā)明降低了遙感圖像信息提取過程中的尺度依賴和選擇復雜度，減少過分 割和欠分割的問題，能夠在高分辨率遙感圖像處理領域得到較好的應用。
【附圖說明】
[0039] 圖1是本發(fā)明所提出的視覺感知啟發(fā)的高分辨率遙感圖像分割方法的總體流程 圖；
[0040] 圖2是本發(fā)明中的紋理梯度提取流程圖；
[0041] 圖3是本發(fā)明中基于不同的梯度(強度梯度、紋理梯度和融合梯度)得到的分割結 果；
[0042] 圖4是本發(fā)明與現(xiàn)有典型分割算法(多分辨率分割算法和超像素分割算法)在高分 辨率遙感圖像上的分割結果比較圖。
【具體實施方式】
[0043]下面結合附圖與實例對本發(fā)明進一步詳細說明。
[0044] 圖1是本發(fā)明的總體流程圖，以下結合流程圖對本實施例的實現(xiàn)過程進行詳細說 明。
[0045] 步驟S1，提取輸入圖像的強度梯度，過程如下：
[0046] (S1-1)計算輸入高分辨率遙感圖像的平滑尺度參數(shù)〇,得到圖像的平滑尺度分布， 本實施例中計算局部尺度的窗口寬度設為11到15的值均能夠達到較好的效果，這里窗口寬 度設為13。
[0047] (S1-2)使用基于T