[发明专利]基于超像素的遥感图像并行分割方法

说明书

本发明涉及一种基于超像素的遥感图像并行分割方法，包括组合波段合成假彩色图像、对假彩色图像进行带状分块、对各子块进行并行SLIC分割、建立边界处的区域邻接图、进行边界区域合并，更新区域标签、对全图标签重组，存储分割结果共六个步骤；本发明融合了假彩色图像生成、并行分割、区域异质性评价，边界合并处理，游程码压缩存储等技术，既保证了分割边缘的精度，又提高了分割速度，有利于算法的工程应用。

技术领域

本发明属于遥感图像分割技术领域，涉及遥感数据信息的处理和数字图像的分割，具体涉及一种对测绘卫星拍摄的遥感图像进行区域分割的方法。

背景技术

随着航天科学的快速发展，对地摄影和测量技术发生了革命性的变化。遥感图像因其具有良好的时相性、丰富的信息量和不断提高的分辨率等特点，被广泛应用于城镇规划、环境保护、地质勘探、灾害评估及军事领域。遥感图像分割是对图像实际区域进行定量评估的重要前提，其分割的质量直接影响到后续分析、识别和解译的精度。遥感图像的信息量巨大，内容复杂，且尺寸越来越大，如何实现快速精确的分割一直是研究热点和难点。

传统图像分割算法大多以像素为基本处理单位，并未考虑像素之间的空间关系，这使得算法的处理效率过低。2003年，Ren等人(Learning a classification model forsegmentation.ICCV：10-17)最早提出了超像素这一概念，其定义是具有相似纹理、颜色、亮度等特征的相邻像素组成的图像块。利用超像素对图像进行分割，可以有效降低处理信息的规模。目前，基于超像素的分割算法大致可分为基于图论和基于梯度的两类方法。前者是把图像映射为带权的无向图，像素映射为节点，权值表示相邻像素间的相似度，分割的原则是类内相似度最大和类间相异度最大。例如，Felzenswalb等人提出的graph-based方法，使用最小生成树的思想来分割图像，它能较好地保持图像边界，速度较快，但是得到的超像素大小和形状都不规则。基于梯度的超像素分割方法采用聚类的基本思想，例如Levinshtein等提出的Turbopixels方法，对初始种子点进行逐步碰撞聚类，最终将超像素近似均匀地分布到图像平面上；申请号为“201110157076.1”的专利“遥感图像分割方法及遥感图像检索方法”，根据颜色、纹理和位置特征，结合均值漂移实现图像分割，但微弱的边缘容易丢失；Vincent等人的分水岭方法利用拓扑理论进行形态分割，速度快，但是不能控制超像素分割的个数和紧凑度；Achanta等人的SLIC(Simple Linear Iterative Clustering)方法利用颜色和距离相似度进行分割，生成大小均匀、形状规则的超像素，但是分割速度较慢。

基于超像素的分割算法得到了广泛应用，但是存在不少局限性。多数算法未能充分利用多光谱谱间信息的差异性与相关性，导致边缘信息丢失，均匀相似的大面积区域被重复计算；由于算法的空间复杂度较高，将海量影像数据一次性调入内存进行处理时，分割速度较慢，甚至导致系统异常中断；另外，以往的超像素分割主要采用串行算法，处理速度慢，效率低，进而严重限制其实际应用。

发明内容

本发明针对现有技术的不足，提出一种快速精确且工程易实现的遥感图像并行分割方法，旨在解决传统串行分割的时间消耗多、占用空间大的问题。本发明融合了假彩色图像生成、并行分割、区域异质性评价，边界合并处理，游程码压缩存储等技术，既保证了分割边缘的精度，又提高了分割速度，有利于算法的工程应用。

本发明要解决的技术问题通过以下技术方案实现：

基于超像素的遥感图像并行分割方法，包括以下步骤：

步骤1：计算各波段的图像熵，选择信息量最大的四波段，预处理后合成假彩色图像；

步骤2：根据图像尺寸和运行环境内存的大小，对假彩色图像进行带状分块；

步骤3：设定分割区域参数和终止条件，对分块后的子图像进行并行SLIC分割；

步骤4：建立分块边界的上下区域邻接关系图；