[发明专利]一种全色遥感图像分割方法

说明书

本发明提供一种全色遥感图像分割方法，包括对像素点建立高斯分布概率密度函数；从当前的欧氏空间映射到黎曼空间构建数据子流形；在参数子流形上随机选取与地物类别数相同数量的点，表征初始的图像分割结果；将当前计算的数据子流形上的点划分到测地线距离的最小值对应的参数子流形上的点所属的地物类别；计算各像素点的光谱测度的均值和方差；构建表征地物类别的高斯分布概率密度函数表征新的图像分割结果中的某地物类别；图像分割结果不再改变时当前参数子流形上的点表征最优图像分割结果。本发明在欧氏空间建模，映射到黎曼空间，结合测地线距离描述数据与类别的非相似性测度，有效克服欧氏空间影像分割引入过多约束条件的问题。

技术领域

本发明属于图像处理领域，具体涉及一种全色遥感图像分割方法。

背景技术

影像分割是遥感影像处理的关键技术，随着传感器技术的发展，遥感影像空间分辨率越来越高。较高的空间分辨率(以下简称高分辨率)使遥感影像能够提供更加丰富的地物细节信息，有利于用户深入了解被观测地物的光谱、纹理、分布、空间关系等特征，同时在更加精细的尺度上描述地物的边缘信息。但更高的空间分辨率导致同质区域内光谱测度变化更加明显。同时受图像表达能力限制，异质区域光谱测度相似性增强。传统分割方法大多利用影像同质区域内统计分布建模影像特征，虽然能够在一定程度上削弱噪声和异常值的影响，但应用于高分辨率遥感影像时，异质区域的相似性导致不同类别的光谱测度概率密度函数不易区分。因此，需引入更多、更强的约束条件保障分割结果的准确性。模型的不确定性、较多的约束条件，严重影响计算稳定性，同时增加方法的计算量，导致运行速度较慢。此外，传统欧氏空间分割方法通常需要初始化参数或人为给定阈值，不合理的参数或阈值易导致方法陷入局部最优，进而无法获得全局最优分割结果。

发明内容

针对现有技术存在的不足，本发明提供一种全色遥感图像分割方法。

本发明的技术方案如下：

一种全色遥感图像分割方法，包括：

步骤1、读取待分割全色遥感图像；

步骤2、对待分割全色遥感图像的像素点建立高斯分布概率密度函数；

步骤3、将高斯分布概率密度函数从当前的欧氏空间映射到黎曼空间，构建数据子流形；

步骤4、设参数子流形上每一点表征待分割全色遥感图像中的一个地物类别，每个图像分割结果对应参数子流形上的若干点，所有可能的图像分割结果构成黎曼空间的参数子流形；在参数子流形上随机选取与地物类别数相同数量的点，表征初始的图像分割结果；

步骤5、计算数据子流形上的点距参数子流形上各点的测地线距离，将当前计算的数据子流形上的点划分到测地线距离的最小值对应的参数子流形上的点所属的地物类别，即获得图像分割结果；

步骤6、根据当前各地物类别所包含的数据子流形上的点，计算地物类别中各像素点的光谱测度的均值和方差；

步骤7、根据计算出的均值和方差构建表征地物类别的高斯分布概率密度函数，并代替当前参数子流形上的点表征新的图像分割结果中的某一地物类别；

步骤8、若图像分割结果不再改变，则当前参数子流形上的点表征数据子流形上点的最优图像分割结果，即得到图像分割结果，否则返回步骤5。

所述步骤2的具体步骤如下：

步骤2.1：计算像素i的8-邻域内所有像素光谱测度的均值和方差；

步骤2.2：根据均值和方差构建欧氏空间内每个像素光谱测度的高斯分布概率密度函数；

步骤2.3：用每个像素8-邻域内像素光谱测度的高斯分布概率密度函数表征该像素点的特征。

有益效果：