[发明专利]一种多光谱光学遥感图像的快速分割方法

说明书

本发明公开了一种多光谱光学遥感图像的快速分割方法，具体为：一、读入多光谱光学遥感图像，得到三维数据并将三维数据转换成二维数据；二、利用随机探测向量探测并计算像元纯度，排序以获取高纯度的像元种子点；三、利用等角度间隔探测向量探测并计算像元纯度，排序以获取高纯度的像元种子点；四、将上述像元种子点合并，并排序，得到最终高纯度的像元种子点；五、计算二维数据各像元到最终种子点距离，判定像元点类别；六、将各像元点一维类别向量转换为二维向量，进行面积噪声滤波处理，得到最终分割结果。本方法可快速自学习无监督多源遥感图像分割，实现没有先验知识情况下，自学习像元分割种子点，完成多光谱遥感图像的快速分割。

技术领域

本发明涉及一种遥感图像分割方法，尤其涉及一种多光谱光学遥感图像的快速分割方法。

背景技术

随着遥感传感器等对地观测技术的迅速发展，多光谱遥感图像的数据类型变得越来越丰富，影像空间分辨率也越来越高，不断为城市规划、土地利用、土地覆盖、交通及道路设施、环境评价、精细农业、林业测量、灾害评估等各个应用领域，提供越来越广泛、深入的空间信息产品。遥感图像分割是指把一副影像划分为互不重叠的一组区域的过程，且保持每个区域具有一定同质性，不同区域间呈现较为明显的差异。多光谱光学遥感图像分割是遥感分析的基础和关键，位于遥感影像工程的影像处理和影像理解的中间环节，也是遥感空间产品生产的核心技术。

目前，多采用根据多光谱遥感图像自身的特征，直接对遥感图像数据进行分割。常用的多光谱遥感图像分割，主要包括基于像元阈值、像元聚类、区域、边缘检测的分割方法等。其中，(1)像元阈值分割法是在图像直方图没有明显峰或者谷底宽平，或者图像不存在明显灰度差异、灰度范围有较大重叠的时候，该方法难以获得准确的分割结果；(2)像元聚类分割法获得关于簇的精确个数通常是极其困难的，并且同样是由于没有考虑像元的空间信息，易产生分割区域不连通的情况，且调整类与区域的关系也比较复杂；(3)区域分割法主要利用区域内像素特征的相似性来分割图像，主要包括区域增长和区域分裂合并，但时空计算资源开销较大，确定分割种子点和区域同质标准比较困难。因此，亟需提供一种多光谱光学遥感图像的快速分割方法，可快速自学习无监督多源遥感图像分割，实现没有先验知识情况下，自学习像元分割种子点，完成多光谱遥感图像的快速分割。

发明内容

为了解决上述技术所存在的不足之处，本发明提供了一种多光谱光学遥感图像的快速分割方法。

为了解决以上技术问题，本发明采用的技术方案是：一种多光谱光学遥感图像的快速分割方法，包括以下步骤：

步骤一、利用算法处理软件系统，读入多光谱光学遥感图像，得到空间维和光谱维的图像三维数据；将空间维数据按行或列展开，并将三维遥感数据转换成二维遥感数据；

步骤二、建立像元纯度指数向量，向量为一维向量，长度为图像像元数，向量初始值为0；

步骤三、将步骤一转换得到的二维遥感数据，减去各个波段的均值，得到归一化图像数据；随机产生与光谱维数一致的标准正太分布的随机探测向量，利用随机探测向量；

步骤四、利用随机探测向量探测并计算对应的像元纯度指数向量，将像元纯度指数向量按从大到小的顺序排列，获取高纯度的像元分割种子点；

步骤五、在图像光谱高维空间内，以等角度θ间隔，生成等角度间隔探测向量，组成初始等角度间隔探测向量矩阵；

步骤六、同理，利用像元向量向等角度间隔探测向量探测并计算对应的像元纯度指数向量，将像元纯度指数向量按从大到小的顺序排列，获取高纯度的像元分割种子点；

步骤七、将步骤四和步骤六分别产生的像元分割种子点合并，并按从大到小的顺序排序，得到最终高纯度的像元分割种子点；

步骤八、按顺序，遴选出像元纯度最高的前50个纯净像元作为分隔初始种子点；