[发明专利]基于超像素与拓扑特征的航拍图像单株树冠分割算法

权利要求书

1.基于超像素与拓扑特征的航拍图像单株树冠分割算法，其特征在于：包括以下步骤：

(1)对原始航拍图像进行SLIC超像素分割，同时利用HED网络获取图像的树冠边界；

(2)计算出相邻两个超像素之间的三个相似性测量指标，即相邻两个超像素的RGB平均值的差值、相邻两个超像素区域的相交像素个数以及从HED网络中得到的边界像素的个数，并用它们构造相邻两个超像素区域之间的相似度权重；

(3)基于每个超像素的中心点构造超像素邻域连通图，从超像素邻域连通图中提取最小生成树来生成航拍图像的连通树，并根据计算得到的相似度权重将超像素进行合并，实现单株树冠的分割；

所述的步骤(2)包括：

基于每个超像素的中心点构造超像素邻域连通图G＝(V,B)，结点v_i∈V对应于一个超像素区域,b(v_i,v_j)∈B是连接两个相邻的超像素的通路，w_b(v_i,v_j)的权重表示由通路b(v_i,v_j)连接的两个相邻超像素区域v_i和v_j之间相似度权重，相似度权重表达式为：

其中α,β,γ是权重系数，分别是相邻超像素之间的三个相似性度量指标；

其中表示两个相邻超像素v_i和v_j的RGB平均值的差值的相似性测量，每个超像素区域的颜色平均值记作对应超像素的颜色值，超像素区域v_i的颜色值记为超像素区域v_j的颜色值记为的计算公式如下：

其中表示两个相邻的超像素区域v_i和v_j的相交像素个数的相似度测量，的计算公式如下：

其中表示在两个相邻的超像素v_i和v_j的相交区域中，由HED网络生成的树冠边缘的相似度测量，的计算公式如下：

其中Edge(v_i,v_j)表示两个相邻超像素区域v_i和v_j的相交边界，E_I表示由HED网络定义的两个相邻超像素区域在其相交区域内的边界像素个数。

2.根据权利要求1所述的基于超像素与拓扑特征的航拍图像单株树冠分割算法，其特征在于：所述步骤(1)还包括：

采用CCD相机和光学相机对研究区域进行航拍图像采集。

3.根据权利要求1所述的基于超像素与拓扑特征的航拍图像单株树冠分割算法，其特征在于：所述的步骤(3)包括：

将局部最小生成树的最大加权通路定义为最小生成树单个超像素区域最大权重，表达式为：

其中MST(V,B)表示由单个超像素区域内的通路集合所组成的最小生成树；

将两个相邻的超像素区域v_i,v_j之间的类内差异定义为：

当两个相邻的超像素区域v_i,v_j的差值Dif(v_i,v_j)小于MInt(v_i,v_j)，则合并两个超像素，否则不合并超像素，即：

其中MInt(v_i,v_j)＝min{Int(v_i)+τ(v_i),Int(v_j)+τ(v_j)}是类内差异的最小值；τ(v_i)是阈值函数，表达式为m是恒定参数。