[发明专利]一种基于区域自适应光谱角阈值的图像合并分割方法

说明书

本发明提供了一种基于区域自适应光谱角阈值的图像合并分割方法，能够避免过分割与欠分割现象，实现有效的图像分割。本发明一种面向目标的图像分割算法，以具有直观物理意义的区域间的平均光谱角作为合并与否和合并顺序的判断依据。采用光谱角作为全局梯度计算、过分割产生、全局地物相似性初始判断以及产生区域自适应的光谱角阈值的重要且唯一输入参数，充分考虑了遥感领域彩色、多光谱以至高光谱图像的光谱相关性。采用合并区域、待合并区域以及两者边界的空间统计量——区域同质性，自适应的产生适合每一个区域的光谱角阈值。既充分考虑了图像的空间相关性，又避免由于空间分割几何形状不规则带来的空间关系的不确定性。

技术领域

本发明属于图像处理技术领域，尤其涉及一种基于区域自适应光谱角阈值的图像合并分割方法。

背景技术

传统的图像分割方法，主要分为基于区域的方法和基于边界的方法。基于区域和基于边界的主要差别在于利用光谱上的相似性或者差异性产生不同的相邻分块。由于传统方法解释、划分图像是以像素为研究单位，处理面向目标的分割问题时，过分割或者欠分割现象始终难以避免。为了克服传统方法的以上缺陷，科学家们提出了一种先产生过分割图像再合并其中相似块的处理框架。

产生过分割的常见方法有基于支持向量机、基于分水岭、基于超像素的以及基于子区域增长的等等。产生合并的方法，按照参数确定方法，可以分为全局类方法和区域类方法。全局类方法通常设置一到多个全局参数，来处理具有某一类或者某几类特征的图像，它对算法使用者的从业经验有一定要求，典型的应用有成熟化的商业软件eCognition，ENVI软件的特征提取功能以及开源软件system of Automated Geoscientific Analyses(SAGA)等。区域类方法着重强调根据图像不同空间区域的光谱信息差异，而这些差异也受到空间拓扑信息的影响(包括图像块的紧凑程度以及图像块的周长等等)，因此在不同的区域使用不同的区域合并参数。其中，最具代表性的方法是多尺度分割策略。然而，上述的研究，实质上仍是采用一个或多个离散尺度分割图像，并未解决面向对象图像分割中分割尺度不连续的问题，也无法从根本上避免过分割和欠分割的问题。2017年，Yang,Jian等人提出了基于光谱角阈值的先分割再合并的算法框架，但是此方法在单次合并中只考虑了每一个区域本身的性质，忽略了当前研究区域和临近区域之间的联系，仍会导致过分割与欠分割现象的出现。

发明内容

有鉴于此，本发明提供了一种基于区域自适应光谱角阈值的图像合并分割方法，能够避免过分割与欠分割现象，实现有效的图像分割。

为实现上述目的，本发明提供了一种基于区域自适应光谱角阈值的图像合并分割方法，包括以下步骤：

步骤1，设置一个滑窗，计算滑窗中心像素点与其相邻像素点的光谱角距离，以最大光谱角距离作为该中心像素点的梯度值；移动滑窗，得到待处理图像各个像素点的梯度值，基于各个梯度值生成待处理图像的梯度图；基于待处理图像的梯度图，通过分水岭法或基于边缘的分割算法产生原始的过分割图像；

步骤2，生成表示原始过分割图像的空间相邻关系的区域临接图；

步骤3，针对区域临接图中的各区域，计算该区域与其相邻区域的平均光谱角，将平均光谱角互为最小的两个区域作为一对待合并区域，放入待判断合并与否序列；

步骤4，计算待判断合并与否序列中的每一对待合并区域的自适应光谱角阈值；

所述自适应光谱角阈值获取方式为：

获得待合并区域对中两个区域的同质性松弛因子，利用待处理图像的光谱阈值与该同质性松弛因子的比值，得到该对待合并区域的自适应的光谱角阈值；其中，所述同质性松弛因子由待合并区域对中两个区域的内部相对同质性、边界相对同质性和待处理图像的全局区域平均同质性决定；