[发明专利]遥感图像多尺度分割及分割结果的层次结构表示方法

说明书

技术领域

本发明涉及遥感图像处理技术，具体的说，涉及遥感图像的多尺度分割方法和分割结果多尺度层次表示结构，该层次结构可适用于多种分割方法。

背景技术

高空间分辨率图像，尤其是高空间分辨率遥感图像提供了丰富的关于地物几何结构、纹理细节、地物光谱等方面的信息，使得在较小的空间尺度上观察地表的细节变化、进行大比例尺遥感制图以及监测人为活动对环境的影响成为可能，具有广阔的应用前景。

遥感图像分割是地物识别的前提，因此利用图像分割技术首先将遥感图像分割成匀质区域继而利用地物的光谱信息、纹理信息、几何结构以及拓扑等信息识别地物是高空间分辨率遥感图像应用的重要途径，而遥感图像上典型地物的纹理、结构特征、几何尺寸大小等特征随空间尺度的变化而变化，不同的地物，最佳识别的尺度不同，如，识别公路、城市、湖泊与识别铁路、公路、工厂、公园、水库、鱼塘所需要的尺度是不同的，因此需要对高空间分辨率图像进行多尺度的分割，以便于选择合适的尺度识别地物。

多尺度的遥感图像分割一方面要求按照一定方法获得不同尺度的分割结果，同时需要将不同尺度的分割结果按照一定的层次结构表示出来，并且不同尺度分割的边界是一致的。

传统的图像分割方法大致可以分为两大类：基于边缘的分割方法和基于区域特性的方法。近年还出现了一些新的方法，如，基于统计随机场模型的方法，基于图论的方法，基于数学形态学的分水岭分割方法，基于主动轮廓模型的分割方法等。这些分割方法都会给出单一尺度的分割结果，没有建立同时实现多尺度分割的技术方案，更没有同时建立不同尺度分割结果的层次结构关系和表达。

发明内容

本发明的目的是提供一种针对遥感图像，特别是高空间分辨率遥感图像的多尺度图像分割方法，并同时构建出分割边界一致的不同尺度分割结果层次结构之间的关系。

本发明的基本思路为：采用一种基本的图像分割方法得到初始的分割结果，扫描分割区域建立分割块之间的邻接关系，生成初始的底层小尺度区域结构，继而在此分割结果基础上先后加入灰度、纹理、形状等特征进行合并调整，形成第二层分割较大尺度的区域结构。然后，在此基础上继续合并调整，得到第三层大尺度的分割区域结构。该过程可以迭代进行，直到形成所需的尺度分割层次及结构。本发明基本的图像分割方法可以采用分水岭图像分割方法、基于区域的分割方法，如分裂合并方法等，这些分割方法具有全局分割、边界闭合、实现效率高、准确率高的特点，而且在算法的稳定性以及适用性上都具有优势。

所述的多尺度分割的层次结构可设置为三层尺度分割区域结构。

本发明的技术方案提供的遥感图像多尺度分割及分割结果的层次结构表示方法，其特征在于包括以下实施步骤：

A  在遥感图像分割前，对高空间分辨率遥感图像降噪并采用多尺度形态学梯度算子简化图像，形成梯度图像；

B  对步骤A中形成的梯度图像进行分水岭分割，形成初始分割结果；

C  扫描初始分割结果，生成分割区域关系结构，并将初始分割作为产生其他尺度分割层次的基础；

D  制定区域合并准则，该区域合并准则针对初始分割尺度和之后的分割尺度采用两种不同的合并代价函数；

E  对初始的分割结果实施区域合并，区域合并过程完全自动化，合并结束后，扫描合并后的结果，生成新的尺度的区域层次，建立该层次的区域关系结构；

F  对当前层次继续进行区域合并，不断得到新的尺度的分割区域层次，直到满足需求；其中不同尺度层次间分割区域层次结构不仅包含了该区域中区域间关系，更构建了层次间区域联系，并且，不同尺度层次间分割区域的边界是一致的。

上述实施步骤的特征在于：

步骤A中所述将遥感图像简化，简化方法是在图像进行降噪处理后利用梯度算子对图像滤波形成梯度图像，尤其可选用多尺度形态学梯度算子简化图像，这样简化后的图像中保留下来的区域轮廓不会发生位置偏移，而且简化程度可依据分割尺度调整结构元素的大小。

步骤B中所述初始分割结果是对分割区域完成区域标识。所述区域标识是指对每个区域赋予唯一的标识值。

步骤C、D中所述区域关系结构包括本层区域队列、区域邻接关系队列。所述区域队列存储本层中所有分割区域信息索引，指向的区域信息包括：区域编号、区域内点位置队列、区域邻居队列，子区域队列(如果存在)、区域均值特征、区域方差特征。所述连接队列存储本层中所有相邻区域的连接信息，包括：邻接关系编号、邻接距离、邻接区域R_A和邻接区域R_B。