[发明专利]基于空间约束和KD树的语义线段聚集集合的计算方法

说明书

本发明一种基于空间约束和KD树的语义线段聚集集合的计算方法，包括：步骤1，对于双侧和单侧聚集语义线段构成的集合，在2维空间上建立集合中语义线段中点的KD树；步骤2，将语义线段集合分为单侧和双侧聚集语义线段集合；步骤3，定义种子语义线段集合和区域生长集合；步骤4，种子语义线段集合中聚集度最高的语义线段为种子语义线段，计算其近邻集合；步骤5，对种子语义线段和种子语义线段的近邻集合中的语义线段进行区域合并；步骤6，从种子语义线段集合中移除种子语义线段，如果种子语义线段集合非空时，执行步骤4；否则，结束区域生长过程，得到区域生长集合U。本发明加快了生长速度，效率高，适用于大场景。

技术领域

本发明属于图像处理技术领域，基于空间约束和KD树的语义线段聚集集合的计算方法。

背景技术

合成孔径雷达SAR是遥感技术领域的重要方向，用来获取地球表面的高分辨图像。与其他类型的成像技术相比，SAR成像技术有着非常重要的优势，它不受云层、降雨或者大雾等大气条件以及光照强度的影响，能够全天时、全天候地获取高分辨遥感数据。SAR图像的解译技术对于军事、农业、地理等许多领域具有重要指导意义。SAR图像分割是SAR图像解译的关键问题之一，也是SAR图像解译的基础和前提，受到各国研究者的广泛关注，成为研究的热点。但SAR图像由于本身的成像机制造成图像上有相干斑噪声、阴影、迎陂缩短和图像的地物形状发生改变等问题，使得SAR图像的解译非常困难。以Sketch Map为基础的SAR图像聚集区域的提取是根据SAR图像的素描模型对地物信息的稀疏表示的结果，以素描线段为基元的聚集区域获取方法对于快速获取图像的聚集区域非常重要。

上世纪八十年代，Marr通过总结心理物理学、神经生理学及解剖学等方面关于人类视觉的研究成果，指出人类视觉本质上是一种信息处理的过程，并提出了视觉计算理论的框架原型。后来，Guo和朱松纯等人基于Marr视觉计算理论中的素描理论，提出了适用于自然图像的初始素描模型和方法，并利用自然图像的素描信息实现了图像的压缩和重构。借鉴朱松纯等人提出的初始素描模型，针对SAR图像所具有的统计分布特性、成像时固有的相干特性和不同于一般光学图像的几何特征，在研究SAR图像边、线检测方法的基础上，建立了SAR图像的素描模型，并设计实现了SAR图像素描图(Sketch Map)的提取方法。在SAR图像素描图的基础上，通过赋予素描线段的语义信息，根据语义素描线段聚集程度的统计分布和语义素描线段空间拓扑结构的关系，建立了求解聚集区域的计算模型和获取聚集区域的方法，在此基础上构建了区域图。在语义空间区域图对SAR图像划分的基础上，可以在语义层面上对SAR图像进行分析和处理，进而达到对SAR图像语义分割和解译的目的。

但是，目前实现方法是基于表的方式，而基于表的方式组织数据的方法无法保存语义线段的k近邻关系，导致在之后需要计算每条语义线段的k近邻语义线段的时候其搜索效率极低，不能适应于大场景的SAR图像解译。

发明内容

本发明的目的在于针对基于表的方式组织数据的方法存在时间和空间复杂性较高的不足，提出一种基于空间约束和KD树的语义线段聚集集合的计算方法，以避免资源消耗大、效率低的问题，加快了生长速度，适用于大场景。

本发明是通过以下技术方案来实现：

基于空间约束和KD树的语义线段聚集集合的计算方法，包括如下步骤：步骤1，建立语义线段的KD树，具体为：对于双侧和单侧聚集语义线段构成的集合X＝{x₁,...,x_i,...,x_n}，在2维空间上建立了该集合中语义线段中点的KD树；

步骤2，将语义线段集合X分为单侧聚集语义线段集合X_s和双侧聚集语义线段集合X_d；