[发明专利]基于马尔科夫随机场和混合核函数的遥感图像分割方法

说明书

基于马尔科夫随机场和混合核函数的遥感图像分割方法，属于遥感图像分割和识别技术领域，其特征在于，主要解决现有技术中分割结果的区域一致性和细节信息不能同时满足的问题。实现步骤为：1.输入空间分辨率为0.3米的遥感SAR图像；2.根据遥感SAR图像的区域图，将遥感SAR图像划分为结构区域子空间和匀质区域子空间；2.对匀质区域子空间采用基于高斯径向基核函数的马尔科夫随机场进行分割；3.对结构区域子空间采用基于阈值化Ridgelet核函数的马尔科夫随机场进行分割；4.将匀质区域子空间的分割结果和结构区域子空间的分割结果合并，得到遥感SAR图像的分割结果。本发明实现了遥感SAR图像良好的分割效果，可用于遥感图像分割。

技术领域

本发明属于图像处理技术领域，特别涉及遥感图像分割方法，可用于图像分类、识别和检测。

背景技术

目前遥感图像分割技术已经取得了一些研究成果，提出了各种各样的分割方法。经典的遥感图像处理方法有基于阈值的方法、聚类的方法等。该类方法基于像素的灰度信息，设计了各种各样的适合遥感图像的特征，例如灰度共生矩阵特征，Gabor特征，SIFT特征、半差特征等等。对每个像素点提取特征，对提取的特征用聚类的方法得到图像的分割结果，例如K-means聚类、层次聚类、AP聚类，模糊C均值等聚类方法。这些方法只简单的用了遥感图像像素的值，并没有考虑遥感图像的特性，因此错误的分割是不可避免的。为了改进遥感图像的分割效果，一些研究者们提出了水平集的方法、马尔科夫随机场(Markov randomfield， MRF)的方法、条件随机场的方法、多项式隐模型等方法用于遥感图像分割。这些方法主要包括特征模型和空间上下文模型两部分。特征模型用来描述遥感图像幅度和纹理的统计特性，上下文模型用来描述遥感图像的空间上下文关系。

马尔科夫随机场方法是一种基本的概率图模型，该方法的空间上下文模型中，通过比较中心像素类标和周围像素类标之间的关系来捕获图像的上下文信息，并且认为周围像素对中心像素的权重是相同的。这种单一的空间关系很难描述遥感图像混杂的结构，例如匀质区域的空间上下文关系和异质区域的空间上下文关系是不同的，特别是城区的遥感图像，包括尺度较小的建筑物和大片的空地等，他们的空间上下文关系是截然不同的。在匀质区域中，周围像素对中心像素的权重是各向同性的。在异质区域中，沿着边界的方向，周围像素和中心像素有强烈的相关性，垂直边界的方向这种相关性快速衰减。由于没有考虑遥感图像不同的空间结构特性，导致分割结果中区域一致性和细节信息保留不能同时满足，影响后续的遥感图像分类、识别和检测。

发明内容

本发明的目的在于针对上述已有方法的不足，提出一种基于马尔科夫随机场和混合核函数的遥感图像分割方法，以提升遥感图像分割的效果。

本发明的技术思路是：以具有设定空间分辨率的城区遥感SAR图像为对象，通过对一般的马尔科夫随机场模型进行改进，改善遥感图像分割的效果，即利用遥感SAR图像的区域图，将遥感SAR图像划分为匀质区域子空间和结构区域子空间，对匀质区域子空间采用基于高斯径向基核函数的马尔科夫随机场进行分割，对结构区域子空间采用基于阈值化Ridgelet核函数的马尔科夫随机场进行分割，将匀质区域子空间的分割结果和结构区域子空间的分割结果合并，得到遥感 SAR图像的分割结果，在计算机中依次按如下步骤实现：

步骤(1)，输入：具有设定空间分辨率的城区遥感SAR图像，简称遥感图像，按所述遥感图像的区域图，把它分为结构区域子空间和匀质区域子空间，所述结构区域子空间是一种基于已经构造了设定几何窗的所述遥感图像的素描线形成的可素描区域在该遥感图像上映射而得到的，所述匀质区域子空间是指所述遥感图像中的不可素描区域，

步骤(2)，计算机初始化，

设定：遥感SAR图像的匀质区域子空间的类标序号为r，r＝1,2,...,R，R为遥感SAR图像中匀质区域子空间类标总数，遥感SAR图像的结构区域子空间的类标序号为w，w＝1,2,...,W，W为遥感SAR图像中结构区域子空间类标总数，为遥感SAR图像中每个像素预设一个类标序号，