[发明专利]基于区域聚类的遥感影像分割方法

权利要求书

1.一种基于区域聚类的遥感影像分割方法，包括以下步骤：

步骤1：区域预分割，即在待分割的遥感影像的光谱空间中用MeanShift算法对图像进行初步的区域分割：

①选择经过影像预处理的遥感影像作为待分割的数据源，用GDAL作为数据读写工具读入遥感影像；

②要为MeanShift算法确定合适的空间域带宽hs和光谱域带宽hr两个参数，实验证明空间域带宽hs为5时分割效果最好；对于光谱域带宽hr，用以下方法计算：对单个像元，统计其空间域邻域中的所有像元与它的DN值之差的均值，即为该像元邻域范围内的平均光谱差异；统计所有像元的平均光谱差异，对其再求均值，即为整个图像在一定空间域带宽下的平均光谱差异，以此作为光谱域带宽hr；

③用meanShift算法对影像进行滤波处理；然后依据空间域带宽hs和光谱域带宽hr，使用种子生长法对图像进行区域标号，最后计算相同标号的像元的DN值的均值，以这一均值作为该类对象所有像元的DN值填入图像数组中即得到预分割图像；

步骤2：模糊聚类，即在预分割后图像的光谱空间中用FCM算法进行模糊聚类：

①采用FCM算法进行模糊聚类，需要设置一个参数，即聚类数C，实验证明选择20作为聚类数，综合效果最好；所以随机选取20个样本像元点作为聚类中心；

②通过计算距离矩阵和隶属度矩阵→重新计算聚类中心→再次计算距离矩阵和隶属度矩阵的循环得到稳定地聚类中心和隶属度矩阵，从而得到每个像元点隶属于每个类中心的概率大小组成的概率图像；

步骤3：区域重分割，即对模糊聚类得到的概率图像用MeanShift算法进行区域分割：

用与步骤1一致的方法对概率图像进行MeanShift滤波处理，用种子生长法对图像进行标号得到分割后的每个对象隶属于每个地类的概率图像；然后依据每个对象隶属于各个地类概率的大小进行概率“硬化”，即确定每个对象应属于隶属概率最大的那一类；

步骤4：分割对象的合并，即消除面积较小的分割对象，将其归并到邻近分割对象中去：

以分割对象最小尺度M为标准，面积小于M的分割对象将被划归到与之最邻近其他分割对象中去；面积大于M的分割对象才保留下来；以此减少分割对象的数目。

2.根据权利要求1所述的基于区域聚类的遥感影像分割方法，其特征在于步骤1中对空间域带宽hs的设定和光谱域带宽hr的计算方法，以及用种子生长法对区域进行标号的方法。

3.根据权利要求2所述的基于区域聚类的遥感影像分割方法，其特征在于步骤2中对聚类数的选取、确定聚类中心和隶属度矩阵的循环方法以及收敛的迭代终止准则。

4.根据权利要求1～3中任一项所述的基于区域聚类的遥感影像分割方法，其特征在于步骤3中用“硬化”函数对概率图像进行“硬化”处理，即按照概率最大原则将概率图像转换为确定的地类分割图像。

5.根据权利要求1～3中任一项所述的一种基于区域聚类的遥感影像分割方法，其特征在于区域预分割、模糊聚类、区域重分割、分割对象的合并这样顺序的遥感影像分割技术流程。