[发明专利]一种面向高分辨率遥感图像的分割方法

说明书

本发明提供一种面向高分辨率遥感图像的分割方法，包含以下步骤：输入原始高分辨率遥感图像、提取图像的诸多特征并形成综合特征向量、利用支持向量数据描述方法对综合特征向量进行处理、形成图像分割结果；本发明主要解决了现有遥感图像分割技术中多特征、高分辨率产生的时间冗长、精度不高的问题。

技术领域

本发明涉及智能信息处理领域，尤其是涉及一种面向高分辨率遥感图像的分割方法。

背景技术

高分辨率遥感图像由于包含更加丰富的空间信息，近年来成为遥感技术研究的热点之一，但其所包含的丰富信息也同时对于处理技术提出了更高的要求；由于不能充分利用其所富含的信息，传统的单独基于光谱的分割技术往往会出现异物同谱和同物异谱的现象，此外，传统的分割方法在处理大规模增长的像素时往往会导致更长的训练时间和更差的分割效果；目前，如何充分利用高分辨率遥感图像的各种信息来达到满意的分割效果，仍是一个具有挑战性的研究课题。

发明内容

为了解决上述问题，本发明提供一种面向高分辨率遥感图像的分割方法，本发明集成了纹理、几何和光谱空间信息中具有代表性的多种统计量，能够更加全面的表征高分辨率遥感图像所富含的信息，从而保证了图像分割的精度更高。

本发明所采用的技术方案：一种面向高分辨率遥感图像的分割方法，包含以下步骤，

S11：根据待处理遥感图像的像素大小、纹理特征复杂度、几何特征复杂度和光谱特征复杂度，将原始图像划分成M×N个正方形子图{P_e|e＝1,2,...,M×N}，记集合A＝{1,2,...,M×N}；此处本领域技术人员划分子图的原则是，如果像素大小、纹理特征复杂度、几何特征复杂度和光谱特征复杂度这四个参数的值越大，需要划分出的子图个数越多，具体划分的个数应以本领域技术人员根据四个参数的值进行选定；

S12：提取每个子图P_e的典型纹理特征，包括灰度熵对比度角度二阶矩其中，m×m指的是子图P_e的像素大小，p(i,j)指的是子图P_e中像素对(i,j)和(i+a,j+b)出现在子图P_e中的概率，本领域技术人员在选取像素差分值a,b时，可以根据图像纹理细腻程度的高低而取不同的常数；

S13：提取每个子图P_e的典型几何特征，包括线段平均长度其中H指的是子图P_e中检测到的线段数量,(x_ks,y_ks),(x_ke,y_ke)指的是第k条线段起止点位置的坐标；线段长度熵其中H₁是子图P_e线段长度直方图中区间的个数，N_LEN(l)是在子图P_e线段长度直方图中位于第l个区间内的线段个数；梯度幅值均值其中G_x(i,j)和G_y(i,j)分别是子图P_e中像素对(i,j)和(i+a,j+b)对应向量的水平梯度和垂直梯度；

S14：提取每个子图P_e的典型光谱特征，包括，像素值均值其中X_ij指的是像素(i,j)的值；标准偏差

像素值的协方差