[发明专利]基于区域聚类的遥感影像分割方法

说明书

技术领域

本发明涉及一种遥感影像分割方法，尤其是一种选用模糊C均值(Fuzzy CMeans，简称FCM)算法进行模糊聚类，选用均值漂移(Mean Shift)算法进行区域分割的遥感影像分割方法。

背景技术

遥感影像分割是指将遥感影像中的像元划分为互不相交的若干特定区域的过程。在海岸带典型地物遥感信息自动提取中采用遥感影像分割技术具有三重意义：首先，使处理的对象已从像元过渡到了对应于现实世界中地物图斑的对象，更接近人们观测数据的思维逻辑；其次，使同一个对象中的不同像元具有相同的光谱特征，在一定程度上克服了同物异谱问题，同时减轻了信息提取时的椒盐噪声效应；再次，面向对象分割实现了像元计算的集群化，减少了进一步分析时处理的数据量，有利于深入开展高性能遥感地学计算。因此，遥感影像分割是海岸带遥感信息自动提取方法中的基础环节。

据统计，当前图像分割方法林林总总，大约有1000多种。有关研究将图像分割方法大致分为五大类：①基于阈值的分割方法，该方法通过选取适当的阈值将遥感影像中的像元分为两类或多类，直接将目标信息和背景元素分开。②基于边缘的分割方法，即利用不同区域间像元灰度不连续的特点检测出区域间的边缘，再通过边缘跟踪，形成的封闭曲线构成小图斑。③基于区域的分割方法，主要指区域生长法和分裂合并法，其关键是判断两个相邻区域相似性的准则或函数。④基于聚类的分割方法，是将影像中的每个像元都映射为特征空间上的一个点，影像中不同的地类，就对应特征空间上不同的聚类。⑤基于特定模型的分割算法。将图像分割算法应用于遥感图像中，在20世纪末已开展了较多的研究(1986年，CanonR L等，在《Geoscience and Remote Sensing》第24期中发表文章“Sementation of a thematic mapper image using the fuzzy c-means clusteringalgorithm”；1988年，Laprade R H等，在《Computer Vision，Graphics and ImageProcessing》第48期中发表文章“Split-and-merge segmentation of aerialphotographs”；1995年，常晋义等在《环境遥感》第10卷第4期中发表文章“基于知识的迭代四叉树分割”；1999年，刘伟强等在《东南大学学报》29卷B11期中发表文章“基于马尔可夫随机场的遥感图像分割和描述”)。但是由于遥感图像的特殊性：①遥感图像尺寸较大(随尺寸增长、计算复杂度呈指数上升)；②遥感图像中的地物类型多样、形态结构复杂；③遥感图像中表达的现象或过程中往往具有多尺度的特性；④遥感图像是在非均匀光照条件下成像的，受到多种成像因素(如大气条件、地形因素)影响，同类地物的光谱差异较大。由于遥感图像的这些特性，简单应用上述的图像分割算法于遥感影像中，在有些情况下，其效果并不令人满意。自第一个面向对象的遥感信息提取软件eCognition面世以来，遥感影像分割方法由于加入了更多的地学特性才取得了长足的发展(2000年，BAATZ等在《Angewandte Geographische Informations-Verarbeitung》第7期，发表文章“Multiresolution segmentation-an optimization approach for high qualitymulti-scale image segmentation”；2001年，Blaschke等在《International Archives ofPhotogrammetry and Remote Sensing》第34卷第4期发表文章“Object-orientedimage analysis and scale-space：theory and methods for modeling and evaluatingmultiscale landscape structures”；2004年，陈秋晓等在《遥感科学》第5卷第3期发表文章“基于多特征的遥感影像分类方法”；2003年，郦苏丹等在《遥感学报》第7卷第2期，发表文章“基于相似性准则的SAR图像分割方法”；2009年，沈占峰等在《武汉大学学报(信息科学版)》第35卷第3期发表文章“高分辨率遥感影像多尺度均值漂移分割算法研究”)。

纵观前文提到的五类最主要的遥感图像分割方法，每一类都有自身独特的优势，但也都存在较为明显的不足。