[发明专利]基于Lab色彩空间的区域合并分水岭彩色遥感影像分割方法

说明书

本发明属于遥感影像处理领域，提出了一种基于Lab色彩空间的区域合并分水岭彩色遥感影像分割方法，包括以下步骤：对影像进行预处理后，通过分水岭分割算法对影像进行分割；将分割所得到结果区域像素的RGB值转换为Lab值，计算各个区域所有像素的Lab平均值作为该区域的颜色值，并建立以Lab均值作为区域颜色的各个区域的四个领域数组；寻找极小区域作为合并初始区域，寻找极小区域邻近的相似区域，对极小区域和其相似区域进行合并；将完成合并后的所有区域的Lab值转换为RGB值。本发明提高了遥感影像的处理效率，并且处理效果较好，可以广泛应用于遥感影像处理领域。

技术领域

本发明属于遥感影像处理领域，具体涉及一种基于Lab色彩空间的区域合并分水岭彩色遥感影像分割方法。

背景技术

遥感影像分割算法达上千种之多，但基本都基于影像亮度值的不连续性或相似性。在众多的遥感信息提取技术中，分水岭影像分割算法发展自地形学中的DEM分水线求取，它将影像看作是一种地形表面，将每一个像素值看作是高程，由此构建其影像伪地形面的地表形态。目前，针对影像过分割、算法噪声明显等问题，诸多改进后的分水岭分割算法被提出。其中，基于区域合并的分水岭分割算法可以在分割完毕后基于区域纹理特征等实现分割区域合并，得到较好的分割结果。同时，在传统的影像色彩表达中通常使用RGB颜色模型，但是在这种颜色模型中R、G、B三个分量具有高度的相关性，即改变影像的亮度，则这三种分量中的任意一种会随之改变，这种颜色定义性质对影像分割是不合适的。同时还有基于HSI颜色模型和基于改进颜色空间等分水岭分割算法。

颜色空间的选择对影像分割效果具有重要影响，RGB是面向设备的颜色空间，其分量间高度线性相关，同时欧几里德距离与颜色距离的非线性关系带来图像的分割结果的鲁棒性不佳与处理速度慢等缺陷使其不适用于直接分割彩色图像。而Lab颜色空间是与设备无关的最均匀的颜色空间，同时欧氏距离表示色差既能满足人眼对图像的敏感性，又能较精确地测量颜色之间微小的差距，因此在彩色图像分割中使用欧氏距离来表示人类对颜色的差别感知。近几年，选择Lab颜色空间进行图像分割的研究不少，大部分配合聚类算法进行影像分割。CIE1976Lab是直接从CIE XYZ导出的颜色空间，目的是对色差的感知进行线性化，而颜色信息以白光点作为参考，用下标“n”表示。其中，L值代表像素的光亮度，取值范围为0(黑色)～100(白色)。a和b值代表色度坐标，其中，a代表红-绿轴，取值范围为127(红)～-128(绿)。b代表黄-蓝轴，取值范围为127(黄)～-128(蓝)。CIE1976提供了RGB与XYZ及XYZ与Lab之间的转换。

发明内容

本发明克服现有技术存在的不足，所要解决的技术问题为：提供一种基于Lab色彩空间的区域合并分水岭彩色遥感影像分割方法，以提高遥感影像的处理效率和处理效果。

为了解决上述技术问题，本发明采用的技术方案为：基于Lab色彩空间的区域合并分水岭彩色遥感影像分割方法，包括以下步骤：

S1、对影像进行预处理后，通过分水岭分割算法对影像进行分割，将影像分割成为多个代表不同地类信息的区域；

S2、将各个区域像素的RGB值转换为Lab值，计算各个区域所有像素的Lab平均值作为该区域的颜色值，并建立以Lab均值作为区域颜色的各个区域的四个领域数组；

S3、依次扫描所有区域，寻找其中的极小区域，找到极小区域后，进入步骤S4；

S4、将极小区域作为合并的初始区域，遍历其所有的相邻区域来寻找邻近的相似区域，找到后，将其与相似区域进行区域合并，新区域的Lab值为合并前两个区域Lab值的均值，并刷新邻域信息，形成新区域，并进入步骤S5；

S5、判断新区域是否为极小区域，若是，则返回步骤S4，若否，则进入步骤S6；

S6、依次扫描所有区域，判断是否还存在极小区域，若是，则返回步骤S4，若否，说明所有区域已完成合并，则进入步骤S7；