[发明专利]MPS模拟的非平稳训练图像处理方法

说明书

技术领域

本发明涉及图像处理技术，特别是涉及一种MPS模拟的非平稳训练图像处理方法的技术。

背景技术

空间数据是指包含空间特征的数据集合。现实生活中的空间数据，既有来自科学试验的，也有来自生产实践的，其格式与特征是包罗万象。如通过卫星遥感技术获得的某区域森林植被覆盖率变化的数据，油气储层的渗透率数据，观测获得的气象数据等。在我国，空间数据的应用领域不断扩大，如环境科学、农田水利、气象、林业、海洋等众多领域。

目前估计预测大范围真实有效的空间数据存在一定的难度，出现这种情况的主要原因是科学实验和勘探开发的费用都非常高。数据插值成为估计预测空间数据的一个有效手段。本质上而言，数据插值就是一个数据再生的过程，即由原始数据再生出具有更高分辨率的数据。插值过程就是确定某个函数在两个采样点之间的数值时采用的运算过程，通过离散地输入采样点建立一个连续函数，用这个函数求出任意位置处的函数值。不过在实际应用中，参与插值的数据点个数一般不是很多，而且由于各种主客观因素的影响，实际能采集到的数据点也非常少。

可见，数据插值就是利用所研究的数据中的散乱采样信息，对未采样点处的属性值以一定的物理、数学等有效合理的法则进行估计，以期形成一个完整的属性连续分布的空间数据模型。插值方法大体可分为“确定”性插值方法和“不确定”性插值方法。“确定”性插值方法的插值形式、插值函数参数以及插值结果基本都是确定的，该方法主要包括：距离反比加权法、多项式趋势面法、基函数法、Thin Plate Spline法以及基于三角网格的方法。不确定性插值方法的不确定性一方面表现在选用的插值形式的随机性上，另一方面表现在插值参数的选取和确定需要依赖于概率统计原则。

目前的不确定性插值方法主要采用MPS方法(多点地质统计法，Multiple-Point Statistics)。MPS方法通常通过数据模板把先验模型从训练图像明确而定量地引入到建模当中。先验模型包含了被研究的真实物质中确信存在的样式，而训练图像则是该样式的定量化表达，可以说训练图像中的概率信息决定了最终的模拟结果。通过再现高阶统计量，MPS方法能够从训练图像中捕捉复杂的(非线性)特征样式并把它们复制到插值图像中，从而获得最终模拟结果。但是MPS方法往往会有训练图像不平稳的问题。因此，如何克服MPS方法中训练图像不平稳的缺陷，给空间数据估计预测带来了挑战。

在MPS方法实施模拟或重构时，要求训练图像平稳，即训练图像内目标体的几何构型及目标形态在估计区域基本不变，不存在明显趋势或局部的明显变异性。但是这种平稳性要求很严格，在实际工作中很难满足。例如，图1是一幅河流冲积扇的训练图，其中的黑色区域为河道区域，白色区域为非河道区域，可以看出图1中的河流流向具有一定方向性，而且左上角河道宽度远大于右下角河道宽度，因此这是一幅非平稳的训练图像。图2是采用MPS方法对图1实施随机模拟的训练结果图，通过图1与图2的对比可以看出两图之间的形态差异很大，模拟效果很差。可见采用MPS方法对于非平稳的训练图像的模拟效果较差。

发明内容

针对上述现有技术中存在的缺陷，本发明所要解决的技术问题是提供一种能提高非平稳训练图像模拟效果的MPS模拟的非平稳训练图像处理方法。

为了解决上述技术问题，本发明所提供的1、一种MPS模拟的非平稳训练图像处理方法，其特征在于，具体步骤如下：

1)设定m个高斯窗振荡方向，及n个Gabor窗波长，并根据所设定的m个高斯窗振荡方向及n个Gabor窗波长，按照Gabor滤波方式将非平稳训练图像划分为m×n个平稳训练子区域，并得到每个平稳训练子区域的Gabor滤波器；

2)对于每个平稳训练子区域的Gabor滤波器，将该Gabor滤波器与非平稳训练图像在傅立叶域进行卷积变换，再将卷积结果进行非线性变换，再将变换结果通过高斯平滑，得到该Gabor滤波器的滤波器能量分布图；

3)将各个Gabor滤波器的滤波器能量分布作为输入，采用k-means聚类方法得到最终的区域划分结果；

4)对步骤3)所划分的每个区域，采用MPS方法对该区域独立地提取结构特征进行重构。

本发明提供的MPS模拟的非平稳训练图像处理方法，采用Gabor滤波器对非平稳性训练图像进行处理，自动实现区域划分，能消除训练图像非平稳性对MPS随机模拟造成的影响，能提高非平稳训练图像模拟效果。

附图说明

图1是河流冲积扇的训练图；

图2是采用MPS方法对图1实施随机模拟的训练结果图；