[发明专利]一种城市高分遥感影像阴影检测及分割方法

说明书

本发明公开了一种城市高分遥感影像阴影检测及分割方法。对城市多波段遥感影像进行影像量化，然后基于卡方变换对量化后的遥感影像进行阴影检测和补偿，获得阴影补偿影像：对于获取的阴影补偿影像，计算多尺度J‑image序列，并进行多尺度分割和区域合并，得到最终的遥感影像分割结果。本发明能够有效应对由于阴影导致的弱边缘及虚假边缘，而且分割精度显著提高的同时又具有良好的可靠性。

技术领域

本发明属于图像处理技术领域，特别涉及了一种城市高分遥感影像阴影检测及分割方法。

背景技术

影像分割是面向对象的遥感影像分析与应用中的一项关键技术，是后续开展基于对象的遥感影像解译的基础与前提。近年来，随着传感器技术的不断进步，米级甚至亚米级的高分辨率影像得到了广泛应用，传统针对中、低分辨率的影像分割方法已愈来愈难以满足实际应用的需求，而针对高分辨率遥感影像的分割技术已经成为遥感领域热点。

目前学者们对高分辨率遥感影像的分割已经开展了广泛的研究并提出了一些有效的方法。例如，Gaetano R提出了一种由粗到精的多尺度分割方法，通过将自适应提取数学形态学及光谱标记点与边缘图进行融合，能有效避免高频信息的损失及过分割现象。Basaeed等定义了基于特征学习的检测算子并分别进行边缘检测，最后采用卷积神经网络进行特征融合，使算法具有较强的鲁棒性。Wang等人也提出了一种基于尺度间轮廓映射的WJSEG算法，较知名商业软件eCongnition相比，不仅定位对象边缘更加准确，并且保持对象轮廓更为完整。

尽管如此，这些方法在分割时大多没有单独考虑阴影因素的影响。空间分辨率的不断提高尽管带来了更加丰富的纹理、形状等空间细节信息，有助于对地理对象的精细刻画，但同时也使得地物阴影等干扰因素影像分割的影响更加显著。尤其在建筑物与自然地物密集混杂分布的城市场景中，普遍存在的地物遮挡会产生大量的阴影区域。而由于阴影区域的亮度值大多要低于非阴影区域的亮度值，会弱化对象边缘及产生虚假边缘，从而严重影响了影像分割的可靠性。

发明内容

为了解决上述背景技术提出的技术问题，本发明旨在提供一种城市高分遥感影像阴影检测及分割方法，能够有效应对阴影造成的干扰，提高分割的精度及可靠性。

为了实现上述技术目的，本发明的技术方案为：

一种城市高分遥感影像阴影检测及分割方法，包括以下步骤：

(1)对城市多波段遥感影像进行影像量化，然后基于卡方变换对量化后的遥感影像进行阴影检测和补偿，获得阴影补偿影像：

(2)对于获取的阴影补偿影像，计算多尺度J-image序列，并进行多尺度分割和区域合并，得到最终的遥感影像分割结果。

进一步地，在步骤(1)中，所述对多波段遥感影像进行影像量化的方法为，采用HCM聚类算法将多波段遥感影像量化为包含256个灰度级的灰度影像。

进一步地，在步骤(1)中，所述基于卡方变换对量化后的遥感影像进行阴影检测的过程如下：

设非阴影区域服从高斯分布，则将阴影视为出界点，根据卡方变换进行阴影检测：

Y＝(X-m)^TΣ^-1(X-m)～χ²(b) (1)

上式中，X为随机变量，m和Σ分别为非阴影区域的均值和协方差矩阵，Y为服从自由度为b的卡方变换的随机变量，b为高分辨率多光谱影像的波段数目；

给定置信度为1-α时，有：

则影像卡方值小于的区域视为阴影区域；

最后，对所提取的阴影区域采用形态学膨胀与腐蚀的闭运算来填充细小空洞，从而获得获得阴影检测结果。