[发明专利]一种遥感影像欠分割对象自动识别方法

说明书

技术领域

本发明属于遥感数据处理领域，涉及一种高分辨率遥感影像欠分割对象自动识别方法。

背景技术

图像分割是计算机视觉研究中的一个经典难题，是实现图像对象信息提取的重要环节，通过图像分割生成图像对象后，进一步的图像分析(例如面向对象的特征提取和目标识别与图像分类)与理解才能展开。所以，图像分割的好坏将直接影响到后续的图像分析精度。如何高效准确地使分割效果与实际地物相匹配已成为图像理解领域关注的一个热点。

目前，图像分割技术主要可分为包括基于区域的分割技术、基于边缘的分割技术和两者结合在内的传统图像分割方法，以及与特定理论结合的图像分割方法，包括基于数学形态学、模糊理论集、神经网络、支持向量机、小波分析和多尺度图像分割等等分割方法。虽然众多新方法已经在原基础上不断改进以避免图像分割的欠分割和过分割带来的矛盾，但仍没有一个通用的分割方法可以解决图像局部欠分割的问题。由于分割对象是图像后续信息提取和目标识别的最小单位，若存在欠分割现象将给后续图像处理带来不可逆转的误差。

以往对于欠分割现象的改善方法大多是在图像分割方法本身做改进以减少欠分割现象，或通过以增加图像计算量为代价把图像做过分割处理以保证最小对象的纯度。这些方法在减少欠分割现象的同时，又增添了其他矛盾(例如增加了进行图像分割的时间成本和后续建立图像分类规则的复杂化)。也有从分割对象角度为研究出发点，通过光谱值来聚类，适合于聚成两类的判定为欠分割对象，否则为单一对象。但该方法无法解释对象纹理形似斑马线状或明暗交织的灌木丛实为单一对象却被判为欠分割对象的情况。

发明内容

本发明克服现有技术中图像分割计算量大、分割过程中易产生其他矛盾以及产生错误的欠分割对象等缺陷，提出了一种基于对象纹理混杂度的高分辨率遥感影像欠分割对象识别方法。

本发明提出了一种遥感影像欠分割对象识别方法，包括如下步骤：步骤a.对图像进行数据降维，获取分割对象；步骤b.将所述分割对象中的像元进行聚类；步骤c.根据聚类计算所述分割对象的混杂度指标(MD，Mixed Degree)；步骤d.根据所述混杂度指标在所述分割对象中识别欠分割对象。

本发明提出的遥感影像欠分割对象识别方法中，所述步骤a包括：a1.通过主成分变换压缩所述图像得到待处理的波段与分割对象信息；a2.根据所述分割对象信息分割所述图像；a3.筛选分割后的图像得到分割对象。

本发明提出的遥感影像欠分割对象识别方法中，所述步骤b包括：b1.确定所述分割对象的像元值的初始聚类中心C1，C2；b2.对所述初始聚类中心进行Kmeans聚类，得到类别U1与类别U2。

本发明提出的遥感影像欠分割对象识别方法中，所述初始聚类中心如下式表示：