[发明专利]基于空间一致性的高分辨率遥感图像解析树自动提取方法

说明书

技术领域

本发明涉及遥感图像处理技术领域，是一种基于空间一致性提取高分辨率遥感图像中解析树的方法。 

背景技术

任何图像场景均可由解析树的形式表示。解析树是关于图像的全面描述或图像中所含目标对象的一种结构性描述。它包括：图像所含目标的属性、名称、各目标间的相互关系，以及各目标与由它们构成的图像场景间的关系等。解析树既能用终端节点和非终端节点表示从场景到目标、局部、基元和像素的层次分解，也能用水平连接表示节点之间的空间语义关联。 

在高分辨率遥感图像中，场景以及一些复杂的地物目标，如机场、港口和城镇等，均可视为是由若干目标及其部件集合通过各种关联组合而成的。提取遥感图像中解析树的目的，就是对图像中有意义的地物目标及它们之间的空间关系进行建模表达，进而通过学习和推理，定量计算并获取图像中抽象的语义知识，从而提高遥感图像中目标检测与识别、场景描述与分类的性能。 

近年来研究者提出了不少解析树提取的思路：一些方法主要针对单幅图像中目标的环境、场景视角、几何一致等因素开展分析，这类方法计算效率较高，同时具有以密集片段的方式描述图像及目标的能力，但是受样本图像及人为先验假设的影响较大；另一类方法则立足于图像集，重点分析目标不同部件之间的依赖关系，这类方法过于依赖手工对图像的分割或标注，由于缺少对图像片段或目标部分之间相对位置的考虑，当同类目标发生形变时解析树的稳定性欠佳。 

事实上，在同一类别的图像目标中，总是包含着若干不同的子目标或目标部件，这些子目标或部件之间的出现位置和频率存在一定的规律性，可以辅助区分不同类别间的差异。例如飞机目标中，两个机翼和机头间的空间分布关系是固定的，总是呈等腰三角形分布。给定一类图像，可以认为，总存在一对区域，其相对位置在该类图像中是大致不变的，这称为空间一致性。同时，空间一致性能准确地反映地物目标的整体属性，合理地利用该属性，显然对改善遥感图像解译的准确性具有促进作用。 

发明内容

本发明的目的是提供一种基于空间一致性的高分辨率遥感图像解析树自动提取方法，该方法的输入是一系列特定场景类别的高分辨率遥感图像，输出的是学习得到的场景解析树。 

为实现上述目的，本发明的技术解决方案如下： 

一种基于空间一致性的高分辨率遥感图像解析树自动提取方法，其包括步骤： 

第一步，建立多类高分辨率遥感图像场景代表集； 

第二步，以归一化全局最优划分为分割准则，对训练图像 采用Normalized-cut算法进行分割，其中I_t表示第t幅图像，t＝1，2，...，T₂； 

第三步，统计图像对象的局部特征属性值； 

第四步，构建隐含概率语义模型，经过学习训练后对各个对象进行分类处理，得到图像中各个对象属于不同类别的概率； 

第五步，提取体现图像场景和地物目标特性、具有稳定空间几何一致性的一致性对象，用于分析空间一致性； 

第六步，选取完一致性对象后，依据对象之间的相互关系，从中提取图像解析树结构。 

所述的方法，其所述第一步，方法是： 

a1、根据需要定义J个类别的遥感场景，类别编号为1～J，J为自然数； 

a2、对每个场景类别，选取T幅图像作为该类场景的代表图像，对每一类场景图像，任选T₁幅图像作为训练集，其余T₂幅图像作为测试集； 

a3、将所有J类场景的图像代表合并为高分辨率遥感图像场景代表集。 

所述的方法，其所述第二步，方法是： 

b1、将图像转换为四向连接图G＝(V，E)，其中，V为图中节点的集合，每个节点代表一个像素，E为每对相邻节点连接边的集合；假设将四向连接图G分为两个不相交的部分A和B，满足A∪B＝V，且 定义A与B之间所有边的对应权值w(i，j)的和为该图的一个分割cut(A，B)，表示为：