[发明专利]结合相位与光谱的高分遥感影像分割方法

权利要求书

1.一种结合相位与光谱的高分遥感影像分割方法，其特征在于，包括四个步骤：(1)根据图像边缘点之间的相位信息具有较高的一致性，实现了基于相位一致性信息的边缘检测；(2)计算局部均匀性指数J值，提取局部均匀性信息；(3)将相位一致性与局部均匀性相结合，构建边缘响应模型，同时遍历所有可能的参数组合，寻找目标函数的最小值，得到自适应的最优参数组合和响应模型；(4)在优化模型的基础上，对高分辨率遥感影像图像进行多尺度分割，并通过结构相似性(SSIM)对相邻区域进行融合；

引入梯度信息建立参数自适应边缘响应模型，参数自适应边缘响应模型的建立过程如下：

Step1：影像量化；在LUV空间中采用FCM动态聚类对原始多光谱影像进行颜色量化，获得单一波段的包含Q个灰度级的量化影像；

Step2：基于局部同质性的边缘检测；在量化影像中，设任意一个像素为z∈Z，计算每个像素z的相位一致性值PC_z(a,b)；遍历所有像素，获得初步边缘检测结果；

Step3：计算多尺度J-value集合；在量化影像中，构建以像素z为中心，尺寸为d×d像素的窗口P，其中d为尺度参数，去除窗口P中的角点；

令P_q为窗口中属于灰度级q的所有像素的集合，采用像素z的坐标Z(a,b)作为替换该像素的灰度值，令m_q为P_q内所有像素的平均值，则窗口Z中属于同一灰度级像素的方差的和可表示为：

P_q中所有像素的均值为m，则总体方差可表示为：

则尺度参数为d时像素z对应的J-value为：

J_d(a,b)＝(S_T-S_W)/S_W (8)

基于所提取的相位一致性及局部同质性信息，对于任意一个像素z，构建边缘响应模型为：

IER(a,b)＝PC(a,b)×J(a,b) (9)

该模型主要涉及三个参数，即计算局部同质性模型时Log Gabor滤波器的尺度参数LG_scale和方向参数LG_ori，以及计算J-value时的尺度参数d；为提高算法的自动化程度，提出基于尺度间互信息最小化的目标函数优化策略，来自适应的确定最优模型参数的组合；实现过程为：

首先确定用于后续分割的总尺度数目K，参数LG_scale，LG_ori以及d的取值范围；在此基础上，记两个连续尺度间的互信息为AMI，构建目标函数：

AMI_tot＝-[AMI_(1，2)+AMI_(2，3)+...+AMI_(K-1，K)] (10)

AMI_(K-1，K)表示相邻尺度间的互信息；通过迭代操作在给定范围内遍历所有可能的参数组合，当AMI_tot取得最小值时，即认为此时获得的多尺度边缘图像序列Seq_opt＝{Scale₁,Scale₂...Scale_K}能够最为充分的反映影像中具有代表性的边缘细节特征，则此参数组合所构建边缘响应模型为最优模型；同时，确定了最优的LG_scale,LG_ori和d。