[发明专利]一种基于Gram-Schmidt融合和LEGION的高分辨率遥感影像分割方法

说明书

技术领域

本发明涉及一种高分辨率遥感影像分割方法，特别是涉及一种基于Gram-Schmidt方法进行多波段遥感影像数据融合，在此基础上使用LEGION(Locally Excitatory Globally Inhibitory Oscillator Networks，局部兴奋全局抑制振荡网络)方法进行高分辨率遥感影像分割的方法。

背景技术

遥感技术已经被广泛地应用于土地利用调查、资源勘探、生态环境监测等诸多领域，对社会和经济发展发挥着重要的作用。随着航空、航天及传感器技术日新月异的发展，遥感影像的空间分辨率、时间分辨率和光谱分辨率不断提高。高空间分辨率遥感影像由于能够充分体现地物细节信息而备受关注。遥感影像分割是指将遥感影像中具有特殊涵义的不同区域区分开来，这些区域互不相交，每一个区域都满足特定区域的一致性，它是高分辨率遥感影像应用中非常重要的环节，涉及了图像处理、模式识别和人工智能等诸多技术领域。

数字图像处理、计算机图形学、模式识别、人工智能等学科的发展使得新的图像分割方法不断涌现，如聚类法、阈值法、边缘检测法、区域生长法、水平集方法、分水岭变换法、多尺度分割、神经网络分割等。上述分割方法各有优缺点，在实际应用中很难达到非常理想的效果。聚类法将图像内的像素划分到指定数目的类别之中，在此基础上将同一类别且相互联通的像素分割到同一个区域，但是类别数目的确定一般都是通过人工指定来实现的，此外由于没有考虑空间上的边缘信息和邻接信息，该方法经常会得出不符合人的视觉习惯的分割结果；边缘检测法在图像中存在噪声时，得到的边缘常常是孤立的或者分小段连续的，即使采用边缘闭合的方法进行处理，也很难得到精确边缘；区域增长法中合并和停止合并规则的制定会严重影响分割结果，往往会产生欠分割和过分割现象。其它分割方法在实际应用总也往往存在着各种问题，因此研究人员在改进现有技术的同时一直在探索新的分割方法。影像分割方法往往都是首先在普通的数字图像分割中得到广泛应用，然后引入到遥感影像分割中来。由于遥感影像数据量大、信息丰富等特征，新的分割方法应用到遥感影像分割中往往会出现很多难以解决的技术问题。

随着人类对视觉机理研究的不断深入，基于生物视觉仿真和人工神经网络的图像分割方法也越来越成熟。局部兴奋全局抑制振荡网络(Locally Excitatory GloballyInhibitory Oscillator Networks，简称LEGION)方法是一种基于生物视觉仿真的神经网络方法，它的基本原理是：来自同一物体的刺激会引起检测这一物体的那些神经元发生同步神经振荡。在图像分割中，将一个像素视作一个神经元，首先选出一批振荡发起点，随后在它的邻域内，将和它具有相同属性的像素也发起振荡，直到这一片区域的振荡达到协同，则协同振荡的这些像素就被划为同一块区域，而与发起点不相似的像素则被划在不同的区域内。这种思路逐步被模型化，1995年，DavidTerman，DeLiang Wang在期刊《Physica D：Nonlinear Phenomena》第81卷发表“Global competition and local cooperation in a network of neural oscillators”一文提出了全局竞争局部合作的神经元网络(Global competition and local cooperationin a network of neural oscillators)模型；随后，两人在前面工作的基础上，提出了改进过后的“局部兴奋全局抑制振荡网络(Locally Excitatory Globally InhibitoryOscillator Networks，LEGION)”模型。

目前，LEGION方法只能应用于单波段灰度图像的分割，而遥感影像往往具有多个波段的信息，因此LEGION方法尚不能充分利用遥感影像所提供的信息来进行分割。鲁东旭在《基于LEGION的图像目标提取方法研究及其对彩色图像的实现》一文中给出了基于LEGION方法的彩色图像目标提取的方法，对彩色图像分别在RGB空间和HSV空间进行了分割，并对目标提取结果进行了比较，实验表明提取的目标区域更符合人眼视觉习惯，效果较好。但是文中的方法对彩色图像各个波段分别进行LEGION分割，再将三个波段的运算结果进行综合显示，最后输出目标图像，这种方式没有真正解决综合使用多波段影像信息的问题，分割效果与单波段相比提升有限。

发明内容

1.发明要解决的技术问题