[发明专利]一种基于边缘约束的分形网络演化影像分割方法

说明书

技术领域

本发明涉及一种分形网络演化影像分割方法，尤其是涉及一种基于边缘约束的分形网络演化影像分割方法。

背景技术

遥感图像分割可定义为将遥感图像分解成若干个具特性、互不相交像元集合的过程。目前，影像图像分割作为一种重要的图像处理技术，已广泛应用在不同领域中，并提出了上千种分割方法，分水岭分割算法、均值漂移分割算法和Definiens公司的多分辨率影像分割算法等被应用得较多，其中分形网络演化算法（Fractal Net Evolution Approach，FNEA）是一种有效的多尺度影像分割方法，并且被证实相比常用的只使用像素光谱信息的其他遥感分割算法，公认具有更好的分割效果。

合成孔径雷达(Synthetic Aperture Radar，SAR)作为一种主动式微波遥感设备，与传统的光学成像系统相比，它具有全天时、全天候侦察的特点以及较强的地表穿透能力，因而在遥感对地观测体系中扮演着重要的角色，其应用遍及多个领域。然而由于高分辨率城市地区的SAR图像具有斑点噪声、局部区域对比度低等问题，直接应用FNEA分割算法得到的分割结果很难用于进行后续的面向对象影像分析。

边缘漂移现象是区域合并类分割算法在初始阶段单像素合并时，未考虑空间上下文而直接根据像素值进行合并，导致边缘定位出现偏移。在区域生长与合并的最初阶段，FNEA分割算法由于只有单个像素信息被使用来计算对象异质性，这时的异质性计算实际等价于两个像素梯度计算，因此通过像素级梯度得到对象异质性的准确性直接影响到PE计算误差，继而影响分割精度。

对于光学图像而言，大部分地物普遍边缘清晰，将像素级梯度作为异质性的计算误差较小，因此将FNEA分割用于光学图像，边缘漂移现象并不明显。而对于SAR图像，有下面两个问题使原始的FNEA算法出现严重的边缘漂移现象：（1）斑点噪声：斑点噪声是雷达图像的固有问题，直接采用像素梯度作为异质性计算显然并不精确。一个改善的方法是先进行雷达图像滤波，然后在进行图像分割，但这样会降低雷达图像的分辨率，并且分割结果收到滤波算法影响。（2）微弱边缘：对于城市地区的雷达图像，其地物回波反射系数为瑞利分布，而瑞利分布存在较长的拖尾，直接导致某些弱回波地区之间的对比度较弱，形成一些微弱边缘。这些弱对比度区域中的像素异质性很难用像素级梯度进行度量。

发明内容

本发明的上述技术问题主要是通过下述技术方案得以解决的：

一种基于边缘约束的分形网络演化影像分割方法，其特征在于，包括以下步骤：

步骤1，尺度参数确定模块先根据图像大小确定采用的小尺度参数，然后采用小尺度参数对影像进行分割，得到分割后的若干小尺度参数影像；

步骤2，拓扑关系模型建立模块针对步骤1已经分割的若干小尺度参数影像，对若干小尺度参数影像进行拓扑关系模型建立，所述拓扑关系模型建立基于边缘约束条件；

步骤3，分割模块针对步骤2已经建立的拓扑关系模型，基于用户指定的影像分割尺度参数，对完成步骤2的图像进行拓扑关系模型的更新后，完成在用户指定的图像分割尺度参数的条件下的分隔图像的区域生长与合并。

在上述的一种基于边缘约束的分形网络演化影像分割方法，所述步骤2中，对若干小尺度参数影像进行拓扑关系模型建立的具体步骤如下：

步骤2.1，对原始图像进行边缘检测，即对原始图像进行EDISON边缘检测获得单像素边界；

步骤2.2，针对步骤2.1已经完成边缘检测的图像进行像素拓扑关系建立：即以边界上的每个像素点作为拓扑独立对象，与其八邻域像素无连接关系；对于非边界像素，定义其与八邻域内的非边界点具有连接关系；

步骤2.3，针对完成步骤2.2的图像，结合步骤1中已经确定的需要分割的小尺度参数，进行小尺度的区域生长与合并：即对步骤2.2中建立好拓扑关系的像素点开始区域合并与生长过程，由于边界像素点无邻接点，因此在分割过程中保持独立，并不参与区域生长中，仅针对非边界像素进行区域合并与生长过程；

步骤2.4，解除边缘约束下的区域生长与合并：首先恢复边界点与目前生长完成区域的拓扑关系，然后继续进行小尺度中的区域生长与合并，将边界点归于各分割区域，避免单像素对象出现；

步骤2.5，形成对象拓扑关系模型：将分割完成的区域对象的拓扑关系保存，供更高尺度分割使用。