[发明专利]结合相位与光谱的高分遥感影像分割方法

说明书

本发明公开一种结合相位与光谱的高分遥感影像分割方法。针对传统方法在分割时由于过于依赖梯度信息而在弱边缘检测等方面所存在的局限，通过引入相位信息来进行优势互补，首先，通过Log Gabor滤波来提取相位一致性信息。在此基础上，采用传统JSEG算法中的局部同质性指标J‑value来优化边缘检测结果，并提出了一种基于尺度间互信息最小化的目标函数优化策略，从而构建了一种参数自适应的最优参数组合和响应模型。最后，基于该模型进行多尺度区域分割及区域合并以获得最终的分割结果。

技术领域

本发明涉及一种结合相位与光谱的高分遥感影像分割方法，属于遥感影像处理技术领域。

背景技术

随着遥感影像空间分辨率的不断提高，同类地物内部的光谱差异也更加显著，使传统像素级分析方法已越来越难以满足实际应用的需求。对象级图像分析Object-BasedImage Analysis(OBIA)技术则其中Geographical object基本分析单元，为高分辨率遥感影像的信息提取提供了新的思路。开展OBIA首先需要有效的图像分割，图像分割也是后续处理中实现准确的特征提取及目标识别的基本前提与重要保证。

与中、低分辨率遥感影像相比，高分辨遥感影像具有更加丰富的光谱、纹理、几何等空间细节特征。特别是在城市场景中，杂乱的图像背景、多样的地物种类以及结构复杂的人造地物等使高分辨率遥感影像呈现出结构化、层次性特征，因此需要从多层次、多角度加以分析和理解。这些因素均导致了采用传统的图像分割方法难以取得理想的效果。

面对这些困难与挑战，学者们已经从不同角度提出了一些有效的应对策略。例如，Zhang等通过引入多尺度分析策工具对传统分水岭分割方法加以改进，有助于深入剖析对象的空间细节特征，从而更好地定位对象的边缘^[1]；Hu等首先通过可信度指标进行边缘检测并结合商业软件eCognition来确定初始对象，再通过构建区域邻接图及分析边缘完整性来进一步精炼分割结果，该方法能够有效分割不同面积、不同尺寸的对象(改写)^[2]；Raffaele等提出了一种基于标记点自适应控制的多尺度分水岭分割方法，通过在最精细尺度中对边缘信息、光谱以及形态学进行融合，能够有效识别不同尺度下代表性地物的轮廓特征^[3]。尽管如此，这些方法均过于依赖图像的梯度信息，对于影像中对比度较低的部分响应较弱，容易造成轮廓信息的丢失。另一方面，基于局部同质性信息来构建边缘检测模型不仅能够减少对梯度信息的依赖，而且对弱边缘非常敏感，但同时分割过程受到的噪声和伪边缘的干扰也更加显著。

参考文献：

[1]Zhang B,He B B.Multi-scale Segmentation of High-resolution RemoteSensing Image Based on Improved Watershed Transformation[J].Journal of geo-information science,2014,16(1):142-150.

[2]Hu Y,Chen J,Pan D,et al.Edge-Guided Image Object Detection inMultiscale Segmentation for High-Resolution Remotely Sensed Imagery[J].IEEETransactions on Geoscience and Remote Sensing,2016,54(8):4702-4711.

[3]Gaetano R,Masi G,Poggi G,et al.Marker-controlled watershed-basedsegmentation of multiresolution remote sensing images[J].IEEE Transactions onGeoscience and Remote Sensing,2015,53(6):2987-3004.

发明内容