[发明专利]一种基于多显著特征融合的遥感图像感兴趣区域检测方法

摘要

本发明公开一种基于多显著特征融合的遥感图像感兴趣区域检测方法，属于遥感图像处理及图像识别技术领域。实施过程包括1)获取一组输入遥感图像的颜色通道并计算各通道颜色直方图；2)由这些直方图计算各颜色通道标准化显著权重；3)计算信息量显著特征图；4)将一组输入遥感图像从RGB颜色空间转换至CIE Lab颜色空间；5)利用聚类算法获得簇；6)计算各簇显著值，得到共有显著特征图；7)融合信息量显著特征图与共有显著特征图获得最终显著图；8)通过最大类间方差法进行阈值分割提取感兴趣区域。与传统方法相比，本发明在无需先验知识库的前提下，实现了对遥感图像感兴趣区域的准确检测，可广泛用于环境监测、土地利用与农业调查等领域。

主权项

一种基于多显著特征融合的遥感图像感兴趣区域检测方法，本方法针对一组遥感图像进行处理，首先利用遥感图像的颜色信息，通过构建不同颜色通道的颜色直方图并进行加权计算，得到信息量显著特征图，其次利用k‑means聚类算法将一组遥感图像在CIE Lab颜色空间上进行聚类并计算显著值，从而获得CIE Lab颜色空间的一组共有显著特征图，然后融合信息量显著特征图和对应的共有显著特征图得到最终显著图，最后通过最大类间方差法进行阈值分割提取感兴趣区域，其特征在于，包括以下步骤：步骤一：计算颜色直方图，即输入一组尺寸为M×N的遥感图像，分别提取每幅图像的每一个颜色通道，用fc(x，y)表示在颜色通道c中(x，y)位置的颜色强度，构建每幅遥感图像在不同颜色通道的强度直方图Hc(i)，其中M表示图像的长，N表示图像的宽，x、y分别表示图像的横、纵坐标，x＝1、2……M，y＝1、2……N，c表示颜色通道，c＝1、2、3，i表示像素强度值，i＝0、1……255；步骤二：计算颜色通道c的标准化显著权重，即根据颜色通道c的颜色直方图Hc(i)，计算该颜色通道中每一个像素强度值i的信息量Inc(i)，并将该信息量赋给与该像素强度值相等的像素点，完成全部计算与赋值后，得到颜色通道c的信息量图LOGc(x，y)，利用该信息量图，得到颜色通道c的显著度hc，再利用各颜色通道的显著度，计算得到每幅图像的各颜色通道标准化显著权重wc；步骤三：计算信息量显著特征图，即利用各颜色通道的标准化显著权重wc，加权计算得到每幅图像初步的信息量显著特征图，对初步获得的信息量显著特征图进行高斯平滑滤波，滤除噪声后得到每幅图像的最终的信息量显著特征图；步骤四：将一组遥感图像从RGB颜色空间转换至CIE Lab颜色空间，即分别提取每幅图像每个像素的R、G、B三个颜色通道值，将它们转换至CIE Lab颜色空间，获取L、a、b三个分量，RGB颜色空间中，R表示red红色，G表示green绿色，B表示blue蓝色，CIE Lab颜色空间中，L表示亮度，L＝0代表黑色，L＝100代表白色，a表示颜色在红/绿之间的位置，a为负值代表绿色，a为正值代表红色，b表示颜色在蓝/黄之间的位置，b为负值代表蓝色，b为正值代表黄色；步骤五：利用k‑means聚类算法完成CIE Lab颜色空间的像素聚类，即通过k‑means聚类算法，将这组原始遥感图像映射到CIE Lab颜色空间上的所有像素点的值进行聚类，得到k个簇；步骤六：计算共有显著特征图，即将第j个簇中含有的像素数与图像总像素数相除，相除的结果定义为第j个簇的权重，其中j＝1、2……k，得到所有k个簇的权重后，利用簇的权重与簇之间的距离计算簇的显著值，把簇的显著值赋给每一个属于该簇的像素点，由此获得一组共有显著特征图；步骤七：计算最终显著图，即利用各颜色通道直方图信息所获得的信息量显著特征图，与在CIE Lab颜色空间中通过k‑means聚类获得的共有显著特征图相乘，从而获得多显著特征融合后的最终显著图；步骤八：感兴趣区域提取，即通过最大类间方差法得到最终显著图的分割阈值，利用该阈值将最终显著图分割为一幅二值图像模板，用“1”代表感兴趣区域，用“0”代表非感兴趣区，最后将二值图像模板与原始图像相乘得到最终的感兴趣区提取结果。