[发明专利]快速高效的可见光遥感影像海陆精确分割方法

权利要求书

1.快速高效的可见光遥感影像海陆精确分割方法，其特征在于，基于脉冲耦合优化神经网络对可见光遥感影像进行海陆分割，首先，对输入的初始遥感影像进行影像灰度化处理，然后进行可见光遥感影像预处理，可见光遥感影像预处理包括可见光遥感影像去噪和可见光遥感影像增强，将可见光遥感影像预处理后的遥感影像输入到脉冲耦合优化神经网络模型中，并对脉冲耦合优化神经网络模型参数进行设置，脉冲耦合优化神经网络模型神经元在接受优化处理的遥感影像刺激后开始运行，通过制定一个结束判定标准终止脉冲耦合优化神经网络模型的运行，最后，对脉冲耦合优化神经网络模型输出的二值化影像做形态学图像处理，得到可见光遥感影像海陆精确分割结果；

脉冲耦合优化神经网络模型由不同的积分衰减器组成，积分衰减器依靠一阶递归数字滤波器实现，设积分衰减器的脉冲响应为C(a)，数学表达式为：

式1中，d表示一个积分衰减器，U_d是放大系数，b_d是积分衰减器的延迟时间常数，对于确定的U_d和b_d，C(a)是以a为自变量的指数函数；

同样如果脉冲耦合优化神经网络模型中某一个神经元的坐标用(m,n)表示，它周围的神经元坐标则用(g,h)表示，神经元的内部活动项是馈入输入和连接输入非线性相乘的方式组成，神经元通过馈入突触接受输入信号，每个神经元与它的邻域神经元相互连接，该神经元的输出信号通过连接突触调节其邻域神经元的活动，脉冲耦合优化神经网络模型的内部活动项V_mn[i]是由积分衰减器、连接输入和馈入输入组成，数学表达式表示如下：

式2中，B_mn是一个刺激输入，A_mngh是连接输入的突触加权系数矩阵，b_V是内部活动项的时间常数，i是当前迭代次数,突触加权系数存储在耦合矩阵A中,Y[i-1]是上一次迭代的脉冲，如果模型是发出脉冲，则神经元与邻域神经元耦合，即打火，否则它们之间不建立耦合联系，即不打火；

上一次脉冲耦合优化神经网络模型运行迭代产生的脉冲可反过来调节积分衰减器的临界值，通过增大放大系数U_G的值和减小时间常数b_G的值提高积分衰减器的临界值，动态门限G_mn[i]是由积分衰减器和脉冲耦合优化神经网络模型上一次运行迭代的动态门限G_mn[i-1]组成，其数学表达式为：

在模型迭代过程中，当神经元的内部活动项V_mn[i]的值超过动态门限G_mn[i]的值时，输出Y_mn[i]产生一个脉冲，即动作电位或电子脉冲，神经元输出描述为：

2.根据权利要求1所述的快速高效的可见光遥感影像海陆精确分割方法，其特征在于，可见光遥感影像去噪处理的可见光遥感海陆影像的主要来源为高斯噪声和脉冲噪声，脉冲噪声是可见光遥感影像预处理阶段优先解决的问题，本发明综合遥感影像分辨率与目标在影像中的尺寸，采用6×6的中值滤波器进行可见光遥感影像去噪。

3.根据权利要求1所述的快速高效的可见光遥感影像海陆精确分割方法，其特征在于，可见光遥感影像增强采用双向直方图均衡法，增强遥感影像海陆对比度，双向直方图均衡法主要分两步：

步骤一，对可见光遥感影像进行直方图均衡化处理；

步骤二，在步骤一取得的结果上等距离的排列灰度等级；

双向直方图均衡处理是在直方图的灰度密度和灰度间距两个方向同时进行均衡化处理，遥感影像在整个显示范围内分布均匀。