[发明专利]具有边界保持特性的遥感图像多尺度分割方法

说明书

技术领域

本发明涉及遥感图像处理技术，具体的说，涉及一种具有边界保持特性的多尺度遥感图像分割方法。 

背景技术

高空间分辨率遥感图像提供了丰富的关于地物几何结构、纹理细节、地物光谱等方面的信息，在大比例尺遥感制图、环境监测等方面有广阔的应用前景，使得可以在较小的空间尺度上观察地表的细节变化，监测人为活动对环境的影响。 

高空间分辨率遥感图像应用的重要途径之一是利用图像分割技术将遥感图像分割成匀质区域，再利用地物的光谱信息、纹理信息、几何结构以及拓扑信息等识别地物。不同地物携带者不同的尺度信息，如湖泊、林地等的尺度不同于耕地、城区道路、针叶林、阔叶林等的尺度，因此如果可将图像进行多尺度的分割，使不同尺度地物的信息提取可选择在相应尺度的分割区域图层上提取，对空间尺度大的类别在分割尺度较大的图层中分析，对于空间尺度较小的类别在分割尺度较小的图层中进行处理，这种多尺度图层提取信息的方法，始终比在一个图层中进行操作更加合理与高效。 

传统的遥感图像的分割方法主要包括两大类：先提取边界再获得区域的方法和先获得区域再扫描边界的方法。前者是通常所说的基于边缘的分割方法；后者是通常所说的基于区域的分割方法。基于区域的分割方法以直接寻找区域为基础，包括区域生长法、分裂合并法和基于图像聚类的分割方法等。基于边缘的分割方法计算简单、速度快，但对噪声干扰比较敏感；基于区域的分割方法将区域一致性作为准则，具有一定的抗噪能力，但计算量大，当图像尺寸较大时，分割速度较慢。 

分水岭分割方法是目前使用较为广泛的一类新的分割方法，它是基于数学形态学的分割方法，可以和基于边缘的方法结合，也可以和基于区域的方法结合，它将图像梯度幅度看作地理意义上的地形表面，将最高的梯度值的象元看作是分水岭。如此，被分水岭围起的在任何像素位置的水将向下流向共同的局部极小处，因此形成一个“积水盆”。积水盆对应分割区域，分水岭形成闭合的区域边界。分水岭分割算法具有全局分割、边界闭合、实现效率高、准确率高、算法稳定和适用性强等优点，但存在严重的“过分割”问题。 

引起分水岭“过分割”现象的主要原因是分水岭变换基于图像梯度幅度进行，易受噪声影响，而且梯度幅度图像中每个局部极小值将对应分割结果中一个单独的区域，在分割结束时会得到待分割对象的区域轮廓，而区域的个数是由局部极小值的数量决定的，图像中由于有纹理等特征的存在，局部极小值的个数会远大于实际的目标对象，这也就造成了大量的虚假轮廓，初始的分水岭分割结果会给出许多的小区域，其中许多区域并不是有意义的分割区 域，这就是“过分割”。这些过分割的区域必须合并以形成一个有意义的最终的分割区域。初始的分割区域越多，形成最终分割区域所需要的合并步骤越多，时间的消耗也越长，因此，图像分割前需要预处理的工作。最常使用的预处理方法是低通滤波，如高斯滤波。在高斯滤波后使用梯度运算，继而进行分水岭变换。然而这样一类预处理方法对复合边界会导致一个系统性的定位误差，使用任何的线性滤波器都无法弥补。所谓复合边界指由于成像系统的作用，实际图像中的边界不是简单的阶梯函数，而是阶梯函数、尖峰函数和屋顶函数的组合。 

发明内容

本发明的目的是提供一种针对遥感图像，特别是高空间分辨率遥感图像具有边界保持特性的多尺度图像分割方法。 

本发明的基本思路为：采用一种能够准确定位复合边界的图像预处理方法，使预处理后获得的图像类似于梯度图像，但图像中的边界位置更准确；对预处理后的图像进行分水岭分割，得到初始的分割结果；将初始分割结果进行矢量化，生成分割矢量图层，使每个分割区域用多边形矢量来表达，建立矢量多边形之间的邻接关系；对多边形的矢量图层，构建图；基于图进行分割区域的合并；将合并过程迭代进行，直到形成所需的尺度分割层次及结构。本发明采用的能够准确定位复合边界的图像预处理方法是基于正交滤波器组对图像进行滤波后再求取图像局部能量图的方法。该方法比先高斯滤波再进行梯度运算的常规预处理方法不仅能极大地减少分水岭过分割的区域，而且地物边界可以得到保持。