[发明专利]一种基于超图模型的遥感图像语义相似性度量方法及装置

说明书

技术领域

本发明涉及遥感图像语义相似性度量方法及装置，特别涉及基于超图模型的遥感图像语义相似性度量方法及装置，属于遥感图像处理技术领域。

背景技术

多时相遥感图像语义相似性度量是多时相遥感图像变化检测技术的核心。现有的多时相遥感图像语义相似性度量方法往往采用局部语义相似性对比方法，缺乏对图像全局语义表征能力，无法适应复杂场景下语义相关性的表征需求。图模型(Graph Model)是图像处理领域最常用的建模方法之一。利用图模型可以方便地实现图像中每个像素与之邻域中像素之间关系的表述，从而将空间语义上下文相关性应用于图像语义相似性度量，降低由于遥感图像配准误差、光照变化、季节差异等因素导致的虚假变化差异度量，提升多时相遥感图像语义相似性度量的准确性。然而，图模型仅仅能表征局部点对相关性，缺乏对大范围高阶语义相关性的表征，从而降低了图像语义相关性的表述能力。近年来，随着遥感图像分辨率的进一步提高，遥感图像的空间分辨率得到提升，但是图像的语义歧义性也随着复杂化，简单的局部点对语义相关性不再能满足复杂场景下语义相关性的表征需求。

超图模型(Hypergraph Model)(Berge,C.1989."Hypergraphs",North-Holland,Amsterdam.)是一种广义的图模型，超图模型与一般图模型的主要区别在于超边能连接两个以上的顶点。超图模型的相关定义如下：给定超图模型H＝(V,E,W)，其中，V＝{v₁,v₂,...,v_n}是n个顶点的有限集合，V的某一子集被称为e_i，若则称E＝{e₁,e₂,...,e_m}为超边集，W为超边的权重向量集合，对于每个超边e_i都有一个权重w(e_i)表示超节点之间的一致性。与传统的图模型相比，超图模型具备高阶邻域相关性，能够在一个较大的邻域范围内考虑图像语义之间的一致性约束关系。因此，目前迫切需要一套行之有效的将多时相遥感图像语义相似性度量问题转化为基于超图模型的相似性度量方法，从而解决复杂场景下语义相关性的表征需求。

发明内容

本发明的目的是为解决上述的将多时相遥感图像语义相似性度量问题转化为多个超图模型的相似性度量的问题，提供了一种基于超图模型的遥感图像语义相似性度量方法，通过利用多个超图模型中相同位置上顶点的相似性与顶点对应超边相似性的加权和计算，实现多时相遥感图像语义的相似性度量，以降低多时相遥感图像，特别是高分辨率遥感图像，之间由于配准误差、光照变化、季节差异等因素导致的噪声干扰，提高多时相遥感图像语义相似性度量的准确率，为遥感图像变化检测等相关应用提供技术支撑。

本发明的思想是利用超图模型对每个时相遥感图像进行建模，通过利用超图模型中顶点和超边实现遥感图像中每个像素点的语义表征，并结合超图匹配思想实现语义相似性度量，将多时相遥感图像语义相似性计算表示为多个超图模型中相同位置上顶点的相似性与顶点对应超边相似性的加权和。本质上，本发明利用了超图模型的高阶邻域表征能力，实现了基于高阶上下文相关性对比的图像语义相似性度量。

本发明的目的是通过以下技术方案实现的：

一种基于超图模型的遥感图像语义相似性度量方法，包括以下步骤：

步骤一、以每个时相遥感图像中像素为单位，逐个像素为中心提取相关特征，并以之构造每个像素的特征向量；

步骤二、分别在每个时相遥感图像上构建超图模型，其中，超图模型中每个顶点代表遥感图像的一个像素，超图模型中每条超边代表遥感图像中具有特定相似关系的像素集合，超图模型中顶点之间的权重系数代表遥感图像中像素之间的相似性；

步骤三、计算多个超图模型中对应位置上顶点之间的相似性；

步骤四、计算多个超图模型中每个顶点对应的超边之间的相似性；

步骤五、将多时相遥感图像语义相似性计算表示为多个超图模型中匹配顶点的相似性与顶点对应超边相似性的加权和。

一种基于超图模型的遥感图像语义相似性度量装置，包括图像特征提取模块、图像超图模型构建模块和超图相似性计算模块；图像特征提取模块和图像超图模型构建模块分别与超图相似性计算模块相连接；

所述图像特征提取模块用于提取遥感图像特征；

所述图像超图模型构建模块用于在每个时相遥感图像上构建超图模型；

所述超图相似性计算模块用于计算不同时相遥感图像上构建的超图模型之间的语义相似性。