[发明专利]基于马尔可夫随机场和证据理论的遥感图像分割方法

权利要求书

1.一种基于马尔可夫随机场和证据理论的遥感图像分割方法，其特征在于，该方法包括以下步骤：

S1、采用传统MRF分割对原始遥感影像进行分割，得到第一标记图像，采用模糊MRF分割对原始遥感影像进行分割，得到第二标记图像；

S2、将第一标记图像与第二标记图像作比较，分别提取两幅标记图像中的争议像素点及非争议像素点，并生成一幅争议图像；

S3、对原始遥感影像和第一标记图像、第二标记图像这两幅标号图像分别进行模糊C均值聚类FCM，通过原始遥感影像各聚类中心来计算争议图像所包含像素点的各类隶属度，并根据基本概率赋值获取方法确定原始遥感影像、第一标记图像、第二标记图像这两幅标号图像和争议图像这四幅图像中争议像素点对应像素点的单一命题或复合命题的基本概率赋值m；

S4、用证据理论中的Dempster准则融合原始遥感影像、第一标记图像、第二标记图像这两幅标号图像和争议图像这四幅图像中争议像素点对应像素点的单一命题或复合命题的基本概率赋值m并进行分割判定，选择各争议像素点对应像素点对应的最大m值，根据该最大m值将该争议像素点对应像素点归于相应的类别得到最终的融合分割结果。

2.根据权利要求1所述的一种基于马尔可夫随机场和证据理论的遥感图像分割方法，其特征在于：所述S2中生成争议图像方法包括以下步骤：

S2.1、将传统MRF分割得到的第一标记图像和模糊MRF分割得到的第二标记图像作比较；

S2.2、将两幅图像中分割结果不相同的像素点作为争议像素点，分别提取两幅图像中的争议像素点；

S2.3、争议像素点灰度值采用争议像素点在原始遥感影像对应的像素点的邻域灰度平均值来表示，非争议像素点的灰度值用原有的灰度值表示，生成一幅争议图像。

3.根据权利要求1所述的一种基于马尔可夫随机场和证据理论的遥感图像分割方法，其特征在于：所述S3中模糊C均值聚类记为FCM，所述FCM通过优化目标函数得到每个样本点在所有类中心的隶属度，决定样本点在所有类中心的隶属度进而自动对样本数据进行分类；给每个样本赋予属于每个类的隶属度函数，通过隶属度值大小来将样本归类，

模糊c均值聚类主要有三个关键参数，聚类的类数、每个聚类的中心、每个样本点属于最接近的聚类中心对应的类，模糊c均值聚类通过最小化目标函数来得到聚类中心，目标函数是各个样本点到各个类的欧式距离的和，即误差的平方和，

所述S3中模糊C均值聚类方法包括以下步骤：

S3-1、初始化参数，令模糊加权指数m＝2，用值在1到C间的随机数初始化聚类结果，用各个类的均值初始化聚类中心，所述C为聚类数目；

S3-2、根据求隶属度公式求出隶属度，所述隶属度公式为所述m为模糊加权指数，C为聚类中心数，c_j表示第j个聚类中心，x_i表示第i个样本，即第i个争议像素点的灰度值，u_ij表示样本x_i对聚类中心c_j的隶属度，即x_i属于c_j的概率，所述隶属度表示的是每个样本点属于每个类的程度，对于单个样本x_i它对于每个类的隶属度之和为1；

S3-3、根据求聚类中心公式更新聚类中心，即分别通过聚类中心公式对所有的聚类中心进行求值，将新得到的聚类中心的值替换对应的聚类中心原来的值，所述聚类中心公式为所述N为样本数；

S3-4、获取目标函数，判断目标函数是否收敛，所述目标函数为其中，所述||x_i-c_j||²表示数据x_i和c_j相似性的度量，为欧几里德范数，又称欧氏距离；

当目标函数不收敛时，获取S3-3中更新后的聚类中心，并返回S3-2，直到目标函数收敛；

S3-5、当目标函数收敛时，获取当前状态下所有样本点中每个样本点对应的所有类的隶属度，判断每个样本点对应的所有类的隶属度，每个样本点在哪个类的隶属度最大则判定该样本点归为哪个类。