[发明专利]一种基于区域的多特征融合高分辨率遥感影像分割方法

摘要

本发明公开了一种基于区域的多特征融合高分辨率遥感影像分割方法，首先对对初始的高分辨影像进行初始分割，再计算初分割区域中任一邻域的纹理特征距离、光谱特征距离和形状特征距离，最后基于RAG和NNG进行区域合并；本发明综合采用光谱、纹理、形状等特征来构建合并规则，相对于单独采用某一种特征构建的规则更加符合对象的语义描述，从而使得分割精度更高；本发明联合采用RAG和NNG两种数据结构来维护区域的邻接关系，使得本算法可以获得更高的执行效率，相对于现有技术可以更加快速的得到分割结果。

主权项

一种基于区域的多特征融合遥感影像分割方法，其特征在于，具体包括以下步骤：步骤一：对遥感影像进行主成分分析，得到基影像，对基影像进行NSCT变换后，提取基影像中每个点的纹理特征向量，然后对所有点的纹理特征向量进行模糊C均值聚类，获得聚类集合；步骤二：采用分水岭变换对影像进行初始分割，得到初分割区域；步骤三：计算每个初分割区域的纹理均值，根据每个初分割区域的纹理均值和步骤一所得的聚类集合确定每个初分割区域所属的类；具体步骤包括：对于任一初分割区域Rs，定义其纹理均值：Us=1|Rs|Σ(i,j)∈RsFij]]>其中|Rs|表示区域Rs的面积，对于初分割区域中的任意两邻域Rs和Rt，其纹理均值距离为dtxt1＝||Us‑Ut||，其中Ut代表Rt的纹理均值；根据纹理均值判断区域Rs所属的类：Cs＝argminw∈CC‖Us‑CCw‖其中，CCw表示某一聚类中心；步骤四：计算每两个相邻的初分割区域Rs和Rt的纹理特征距离：dtxt=dtxt1+||CCs-CCt||,Cs≠Ctdtxt1+min(||CCs-CCv||)/3,Cs=Ct---(5)]]>其中Cs和Ct分别表示Rs和Rt所属的类，CCs和CCt分别表示Rs和Rt所属类的聚类中心，CCv表示除CCs外的其它聚类中心；步骤五：利用步骤四得到的纹理特征距离，计算每两个相邻的初分割区域的相似性度量值；dsim＝dtxt步骤六：以步骤五得到的相似性度量值作为区域邻接图的权重，基于区域邻接图和最近邻图进行区域合并，直至满足合并终止条件。