[发明专利]一种基于迭代聚类的多幅遥感影像共性显著目标检测方法

摘要

本发明公开一种基于迭代聚类的多幅遥感影像共性显著目标检测方法，属于遥感影像处理领域。实施过程包括：1)计算多幅遥感影像的灰度共生矩阵，获得灰度共生矩阵的对比度、能量、熵、相关性四个参数，结合遥感影像的长度与宽度，计算超像素数目；2)根据超像素数目对遥感影像完成超像素分割并对分割结果进行K‑means聚类，计算类间显著性，得到影像的初始显著图；3)对所有初始显著图进行目标分割，将分割结果再次进行基于超像素的K‑means聚类并计算类间显著性，得到影像的最终显著图；4)利用阈值分割获得多幅遥感影像的共性显著目标。本发明在有效抑制背景干扰的同时可准确检测多幅遥感影像的共性显著目标，可用于环境监测、土地规划等多个领域。

主权项

1.一种基于迭代聚类的多幅遥感影像共性显著目标检测方法，在该方法中，首先，对多幅遥感影像中的每幅影像分别计算灰度共生矩阵，根据灰度共生矩阵的对比度、能量、熵、相关性四个参数并结合影像的长度与宽度，计算出每幅遥感影像所需的超像素数目，其次，根据得到的超像素数目对多幅遥感影像中的每幅影像进行超像素分割，并对超像素分割结果进行K‑means聚类，得到不同地物信息所对应的类，计算类间显著性，得到多幅遥感影像中每一幅影像的初始显著图，再次，对所有初始显著图进行目标分割，并将目标分割结果再一次进行基于超像素的K‑means聚类，计算类间显著性，得到多幅遥感影像的最终显著图，最后,利用阈值分割完成多幅遥感影像共性显著目标的自动检测，其特征在于，包括以下步骤：步骤一：对多幅遥感影像中的每幅影像计算灰度共生矩阵，获得灰度共生矩阵的对比度Con、能量Asm、熵Ent、相关性Corr四个参数值，利用公式w＝(Asm×Corr)/(Con×Ent)计算得到纹理特征权重w，将遥感影像长度M、宽度N与纹理特征权重w代入公式进行计算，从而得到超像素数目K；步骤二：根据步骤一得到的超像素数目对多幅遥感影像中的每幅影像进行超像素分割，得到超像素分割后的多幅遥感影像；步骤三：计算超像素分割后每幅遥感影像中每个超像素的颜色平均值，将其作为该超像素的颜色均值，基于超像素的颜色均值对超像素分割后的所有遥感影像进行K‑means聚类；步骤四：利用K‑means聚类结果统计每一类的颜色直方图，然后根据颜色直方图计算类间颜色距离，基于类间颜色距离与空间加权信息计算类间显著性，最终得到多幅遥感影像中每幅影像的初始显著图；步骤五：对每幅遥感影像的初始显著图使用最大类间方差法进行阈值分割，从而将这些初始显著图分割为目标区域与背景区域两类，最终得到多幅遥感影像中每幅影像的初始目标分割影像；步骤六：将超像素数目K减半，然后对每幅遥感影像的初始目标分割影像进行超像素分割，再次利用K‑means算法对超像素分割后的所有初始目标分割影像进行聚类，统计聚类结果中每一类的颜色直方图，然后根据颜色直方图计算类间颜色距离，再次基于类间颜色距离与空间加权信息计算类间显著性，得到多幅遥感影像中每幅影像的最终显著图；步骤七：对每幅影像的最终显著图使用最大类间方差方法进行阈值分割，从而提取出多幅遥感影像的共性显著目标。