[发明专利]基于同质区域分割的双边滤波算法

说明书

本发明提供的基于同质区域分割的双边滤波算法，首先利用高光谱图像内各像素的物理特征在空间上的连续性，将高光谱图像分割成若干个光谱相似的同质区域，然后对每一个同质区域内的各像素依次进行双边滤波，最终得到输出图像。因此极大的降低了像素对应的双边滤波模板内非结构相似像素的数量，双边滤波模板内各像素结构相似度较高，从而极大减少了非结构相似像素的权重分配，减少了非结构相似像素对双边滤波输出值负面影响较大的问题，输出图像内的边界较为明显，对比度好。

技术领域

本发明涉及高光谱图像处理领域，尤其是涉及基于同质区域分割的双边滤波算法。

背景技术

随着科学技术的发展，高光谱遥感技术得到了巨大的发展。高光谱数据可表示为高光谱数据立方体，是三维数据结构。高光谱数据可视为三维图像，在普通二维图像之外又多了一维光谱信息。其空间图像描述地表的二维空间特征，其光谱维揭示了图像每一像元的光谱曲线特征，由此实现了遥感数据空间维与光谱维信息的有机融合。高光谱遥感图像含有丰富的光谱信息，可以提供空间域信息和光谱域信息，具有“图谱合一”的特点，可以实现对地物精确的辨别与细节提取，对于认识客观世界提供了有利条件。由于高光谱图像独有的特点，高光谱遥感技术已经广泛的应用在不同的领域。在民用领域，高光谱遥感影像已经被用于城市环境监测、地表土壤监测、地质勘探、灾害评估、农业产量估计、农作物分析等方面。高光谱遥感技术已经广泛的应用于人们的日常生活中。因此，设计实用高效的高光谱图像分类方法，已经成为现代社会必不可少的科技需求。

双边滤波算法是一种非线性滤波器，它可以达到保持边缘、降噪平滑的效果。和其他滤波原理一样，双边滤波算法也是采用加权平均的方法，用周边像素亮度值的加权平均代表某个像素的强度，所用的加权平均基于高斯分布。双边滤波算法的具体公式如下：

其中，

ω_s，t表示模板N_s内像素t的权重，N_s表示窗口大小为(2δ_α+1)×(2δ_α+1)的模板，s表示模板N_s中心像素位置，t表示模板N_s任意像素的位置，I_s和I_t分别表示位置s和t的像素值，δ_α和δ_γ分别表示高斯滤波标准差和高斯滤波模糊度，是空间距离函数，是像素值之差函数，这两个函数使用高斯递减函数来定义：

综上，双边滤波算法是结合图像的空间近邻度和像素值相似度的一种折衷处理，相对基于扩散的滤波来说，具有简单、非迭代、局部的特点，双边滤波算法通过空间距离和像素值之差加权限制非结构相似像素的影响，所以在边缘附近，离得较远的像素不会太多影响到边缘上的像素值，然而，这样会存在以下问题：

1、滤波模板内非结构相似像素与中心像素的空间距离越小，则该非结构相似像素对中心像素滤波输出值影响越大，也就是说，中心像素的滤波输出值所包含该非结构相似像素的特征越多；

2、滤波模板内所有的非结构相似像素都被进行权重分配，随着滤波模板内的非结构相似像素数量变多，中心像素的滤波输出值会收到更大的影响。

发明内容

本发明提供了基于同质区域分割的双边滤波算法，用于解决现有双边滤波算法滤波模板内中心像素包含过多非相似结构像素特征的问题。

实现本发明所用的技术特征为：

基于同质区域分割的双边滤波算法，包括如下步骤：

(1)输入图像；

(2)对输入图像进行分割得到A个同质区域，其中，A为正整数；