[发明专利]一种遥感图像分割方法在审

专利信息
申请号: 202310205664.0 申请日: 2023-03-06
公开(公告)号: CN116152276A 公开(公告)日: 2023-05-23
发明(设计)人: 刘洺睿 申请(专利权)人: 长安大学
主分类号: G06T7/12 分类号: G06T7/12;G06T5/00;G06V10/25
代理公司: 哈尔滨市松花江专利商标事务所 23109 代理人: 刘强
地址: 710064*** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 遥感 图像 分割 方法
【说明书】:

一种遥感图像分割方法,涉及图像处理技术领域,针对现有技术中由于不能准确判断边缘信息,进而导致感图像分割准确率低的问题,本发明的有益效果是:本申请的技术方案具有良好的抗干扰和抗噪能力,本申请的技术方案边缘增强后的图像与原图相比,增强后的图像边缘特征更加显著,可以准确判断边缘信息,进而提高图像分割的准确率。并且本申请在增强边缘的同时,保留物体本身的特征信息。

技术领域

本发明涉及图像处理技术领域,具体为一种遥感图像分割方法。

背景技术

遥感图像分割是将遥感图像分成若干个特定的、具有独特性质的区域的技术和过程。目前,工程实践中更多采用U-Net、PSPNet、DeepLab等深度神经网络学习技术。用基于深度学习神经网络的方法分割遥感图像是利用神经网络提取遥感图像特征,经过训练网络来预测每一个像素的类别,从而最终得到具有类别标签的分割图。但针对带噪声的遥感图像的分割,由于噪声图像中的噪声会破坏分割算法对一般边缘信息的判断,因此,现有的算法不能很好的解决这个问题。进而导致了遥感图像分割的准确率低。

发明内容

本发明的目的是:针对现有技术中由于不能准确判断边缘信息,进而导致感图像分割准确率低的问题,提出一种遥感图像分割方法。

本发明为了解决上述技术问题采取的技术方案是:

一种遥感图像分割方法,包括以下步骤:

步骤一:获取感兴趣区域的遥感图像;

步骤二:对获取到的遥感图像进行边缘增强处理,根据边缘增强后的图像构建遥感图像数据集;

步骤三:利用遥感图像数据集训练分割模型,确定所述分割模型的参数;

步骤四:获取原始遥感图像的LBP特征,并将原始图像和LBP特征叠加后输入到确定参数的分割模型中,对遥感图像感兴趣区域进行分割。

进一步的,所述边缘增强具体包括以下步骤:

步骤1:将遥感图像进行预处理后转换成三个相同的图像矩阵AHE1(x,y)、AHE2(x,y)和AHE3(x,y);

步骤2:将图像矩阵AHE1(x,y)通过傅里叶变换转换为频谱图像,并通过高斯高通滤波器对频谱图像进行滤波,得到图像矩阵H(u,v),然后将图像矩阵H(u,v)通过傅里叶逆变换转换回空间域,得到图像矩阵I(x,y);

步骤3:将图像矩阵AHE2(x,y)和AHE3(x,y)通过两个不同的滤波器进行滤波,得到图像矩阵S(x,y)和图像矩阵G(x,y);

步骤4:将图像矩阵I(x,y)、S(x,y)和G(x,y)进行归一化后得到I′(x,y)、S′(x,y)、G′(x,y),然后将I′(x,y)、S′(x,y)和G′(x,y)分别乘以目标权重后相加,得到单通道图像矩阵,即边缘增强后的图像。

进一步的,所述预处理的具体步骤为:首先对遥感图像进行中值滤波处理,然后,对中值滤波后的图像进行自适应直方图均衡化处理。

进一步的,所述步骤2具体为:

首先将预处理后得到的图像矩阵AHE1(x,y)通过二维离散快速傅里叶变换转换为频谱图像,并将频谱图像进行中心化后得到频谱图F(u,v),然后采用高斯高通滤波对频谱图F(u,v)进行滤波处理得到图像H(u,v),最后将得到的图像H(u,v)通过傅里叶逆变换转换回空间域,得到图像矩阵I(x,y)。

进一步的,所述图像H(u,v)表示为:

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于长安大学,未经长安大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310205664.0/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top