[发明专利]一种基于光谱曲线频谱距离的高光谱遥感图像分割的方法

说明书

本发明公开了一种基于光谱曲线频谱距离的高光谱遥感图像分割的方法，首先构建目标像元的邻域光谱曲线频谱距离模型；利用希尔伯特变换通过卷积运算获得奇偶滤波结果，并利用奇偶滤波结果的平方和的平方根作为局部能量构建边缘特征增强模型；将两者结合得到基于邻域光谱特征的边缘特征增强模型，用于得到边缘特征增强结果；将边缘特征增强结果作为梯度数据输入分水岭分割算法，并对分水岭分割算法进行优化，实现遥感图像的高精度分割，可以有效地抑制高光谱遥感图像的过分割现象，解决高光谱遥感图像中弱边缘以及伪边缘特征影响遥感图像分割结果的技术问题。

技术领域

本发明属于图像分割技术领域，具体涉及一种基于光谱曲线频谱距离的高光谱遥感图像分割的方法。

背景技术

高光谱数据提供了数百个窄的光谱波段，可以形成一条完整而连续的光谱响应曲线来记录目标地物的光谱信息。相对于多光谱数据，高光谱遥感图像提供的地物光谱信息更加丰富，光谱特征更加明显，因此能够从光谱空间中对地物覆盖类型进行精细分类和直接识别。图像分割是遥感信息获取和地物识别的关键技术，为高光谱图像的信息提取提供了新的思路，其核心就在于实现高光谱遥感图像的分割。

分水岭算法是一种有效的图像分割方法，被广泛地应用于图像分割领域。该方法分割效果取决于图像边缘响应梯度。传统的边缘增强算法，如Canny、Sobel、Prewitt方法都对图像梯度过于依赖。遥感图像中地物类型复杂，边缘梯度图中的噪声以及伪边缘现象较多，将分水岭算法和传统的边缘增强算法结合进行图像分割时，前述原因将影响遥感图像分割效果。因此，在减少边缘检测模型的梯度依赖性同时，减少噪声和伪边缘现象是一个遥感图像分割领域亟需解决的问题。

发明内容

为解决上述问题，本发明提出一种基于光谱曲线频谱距离的高光谱遥感图像分割的方法，实现遥感图像的高精度分割，可以有效地抑制高光谱遥感图像的过分割现象，解决高光谱遥感图像中弱边缘以及伪边缘特征影响遥感图像分割结果的技术问题。

本发明采用如下技术方案，一种基于光谱曲线频谱距离的高光谱遥感图像分割的方法，具体步骤如下：

1)构建目标像元的邻域光谱曲线频谱距离模型；

2)构建边缘特征增强模型；

3)将目标像元的邻域光谱曲线频谱距离模型和边缘特征增强模型相乘得到基于邻域光谱特征的边缘特征增强模型，用于得到边缘特征增强结果；

4)将边缘特征增强结果作为梯度数据输入分水岭分割算法，实现遥感图像分割。

优选地，在所述步骤1)之前还包括：获得高光谱遥感数据，进行数据预处理，所述预处理包括数据融合与配准以及删除掉噪音超过预设值的波段，最终确定n个波段高光谱遥感数据作为高光谱遥感图像分割的输入数据。

优选地，所述步骤1)构建目标像元的邻域光谱曲线频谱距离模型的具体方法为：

光谱曲线f＝[f(1),f(2),f(3)…f(n)]^T，f(1),f(2),f(3)和f(n)分别表示光谱曲线f上第1个、第2个、第3个和第n个波段处的光谱响应值，光谱曲线f的离散傅里叶变换DFT为F(k)，对应的频谱为|F(k)|，计算公式如下，

其中R(k)和I(k)分别为F(k)的实部和虚部；

目标像元及其邻域像元的光谱曲线所对应的频谱分别为F₁和F₂，两像元间的光谱曲线频谱距离Dist(F₁,F₂)为：

其中n为光谱曲线的长度，即波段数目，F₁(k)和F₂(k)分别为频谱F₁和F₂在频率k的频谱响应值；