專利名稱：一種面向遙感影像分割的影像對象合并方法
技術領域：
本發(fā)明涉及一種面向遙感影像分割的基于對象合并指數(shù)(Object Merge Index,OMI)進行對象基元合并的方法，屬于遙感影像處理與分析技術領域。
背景技術：
影像分割是實現(xiàn)面向對象的高分辨率遙感影像信息提取的一個重要步驟。在圖像工程與計算機視覺領域，有大量的圖像分割算法，但是大多數(shù)的分割算法在多光譜遙感影像分析中使用效果欠佳。在遙感影像分析領域較為常用的分割算法主要有均值漂移分割算法、分水嶺分割算法、eCognition多分辨率分割算法等。遙感影像分割是提取地物目標基元的首要步驟，影像分割的最佳狀態(tài)是將想要提取的真實地物目標用影像對象的形式表達 出來，分割出的地物空間邊界與目視解譯的邊界類似，與地物真實界線符合度較高。最佳的 分割結果就是得到有地理意義的影像對象(基元)，使得針對此基元所計算得到的形狀、紋理和空間關系等特征能夠有效用于分類。在傳統(tǒng)的遙感圖像分割方法中(如均值漂移分割算法或多分辨率分割算法)，往往都需要針對所分析的影像設定一個表達影像分割詳細程度的尺度參數(shù)，此尺度參數(shù)在分割中的象元合并或基元合并過程起到控制作用，尺度參數(shù)與分割基元的面積有直接或者間接的聯(lián)系。然而，由于地理現(xiàn)象的區(qū)域性特征與復雜性，同一幅影像中不同的區(qū)域地物類型可能不同，其復雜程度不一樣，而傳統(tǒng)分割算法對同一幅影像分割所采用的尺度參數(shù)卻是一樣的，其對不同復雜程度的影像區(qū)域缺乏自適應性。所以，使用傳統(tǒng)分割方法時，當選擇的尺度參數(shù)適合于分割高復雜度區(qū)域的影像時，對于低復雜度區(qū)域則會過分割，而如果采用較大的尺度參數(shù)分割，則對復雜區(qū)域地物欠分割。特別在對大區(qū)域范圍的影像進行自動分析時，傳統(tǒng)方法對于欠分割和過分割的矛盾難以調和，無法從分割結果上提取有地理代表意義的影像基元，這就直接導致了與地物目標相關的形狀、紋理、空間關系等特征難以有效利用，限制了面向對象分類的精度與有效性。本發(fā)明提出了一種面向遙感影像分割的基于對象合并指數(shù)(OMI)進行對象基元合并的方法。經文獻和專利檢索發(fā)現(xiàn)，與本發(fā)明提出的基于邊緣特征構建合并指數(shù)的對象合并方法類似的方法未見報道。

發(fā)明內容
本發(fā)明提出一種面向遙感影像分割的對象基元合并方法，該方法以傳統(tǒng)通用的分割方法小尺度預分割結果為基礎，設計一種新的對象合并指數(shù)(Object Merge Index, OMI)作為判別指標進行對象基元合并，實現(xiàn)對圖像分割基元的優(yōu)化。對象合并的判別規(guī)則主要依據當前對象與其鄰域對象鄰接處邊界的邊緣特征是否明顯來判別。基于該合并方法的遙感影像二次分割具有較強的尺度自適應能力，能夠較好地平衡過分割和欠分割的矛盾。本發(fā)明提出的面向遙感影像分割的對象基元合并方法，包括以下實施步驟(I)選取待分析的遙感影像，計算其邊緣量化影像CL ；
(2)對待分析的遙感影像進行預分割，采用通用的分割方法(如均值漂移分割或者多分辨率分割算法)，使用較小的分割尺度，得到小尺度分割結果；(3)遍歷分割結果的所有對象，對象集合中取當前處理對象O ;(4)取當前處理對象的鄰域對象集合V ；(5)對當前處理對象O和所有領域對象V進行對象合并操作，更新對象集合；(6)取對象集合中下一個對象為當前處理對象，重復步驟(4)，(5)，直到所有對象都被處理完。上述對象合并方法中所述步驟(I)，計算邊緣量化影像CL，實現(xiàn)方法如下(I)選取待分析的遙感影像；·
(2)選擇對典型地物邊界敏感的波段Li，采用canny算法計算量化影像CLi ；(3)融合所有的邊緣量化影像，結果為CZ = IiCZ,
η上述對象合并方法中所述步驟(5)，當前對象與其所有鄰域對象V的合并操作，實現(xiàn)方法包括(I)獲取當前中心處理對象O,計算其鄰域對象集合V ；(2)順序獲取鄰域對象集合中的對象，記當前領域對象為V ；(3)計算中心對象ο與鄰域對象V的對象合并指數(shù)OMI ；(4)如果OMI值小于設定的閾值0MI_Trsh，則合并對象ο與V，否則標記該鄰域對象V為不能合并；(5)判定當前鄰域對象集合V中元素是否被取完；(6)步驟(5)判定結果為否，則取下一鄰域對象，重復執(zhí)行步驟(3)和(4)；(7)步驟(5)判定結果為真，更新合并后的中心對象O，獲取其新的鄰域對象集合V ；(8)判定是否其所有鄰域對象均被標記為不可合并，結果為否則重復執(zhí)行步驟(2)至(7)，結果為真則結束對象合并步驟。上述將當前對象與其所有鄰域對象的合并操作的所述步驟(3)，計算中心對象與鄰域對象的對象合并指數(shù)OMI，實現(xiàn)方法包括(I)獲取當前中心對象O，獲取待合并鄰域對象V ；(2)獲取中心對象O的與V相鄰的邊界象元集合B (O，V)；(3)獲取鄰域對象V的與O相鄰的邊界象元集合B (V，O)；(4)臨時變量賦值，temp_num = O, total_num = O ；(5)順序取集合B(v，o)中的象元，記當前象元為b(v，ο)；(6)判定當前象元b(v，ο)的canny邊緣量化影像值CL值是否大于設定的閾值Thresh,結果為真則將temp num值加1，并跳到步驟(9)，否則繼續(xù)下一步；(7)獲取邊界象元b(v,o)的鄰域內屬于中心對象O的象元b (O, V)；(8)判定象元b(o,v)的canny邊緣量化影像值CL值是否大于設定的閾值Thresh,結果為真則將temp_num值加1，否則直接跳到步驟(9)(9) total_num 值增加 I ；
(10)判定是否將集合B (V，ο)中的象元全部取完，如果沒有取完，則回到步驟(5)，繼續(xù)執(zhí)行步驟(6)至步驟(9);如果全部象元被取完，則執(zhí)行步驟(11)；(11)計算中心對象ο與鄰域對象V的對象合并指數(shù)OMI = temp_num/total_num ；本發(fā)明所提出的基于對象合并指數(shù)(OMI)進行對象基元合并方法，其優(yōu)點是能夠改進傳統(tǒng)遙感影像分割方法中對尺度參數(shù)的依賴，對不同復雜程度的影像的處理時具有較強的尺度適應能力，能夠較好的平衡過分割和欠分割的矛盾，能夠更好的抽取出地物目標的真實邊界和其他空間特征。


圖I :本發(fā)明方法中基于對象合并的遙感影像二次分割流程框2 =Canny邊緣量化影像計算流程框圖
圖3 :當前對象、鄰域對象與邊界對象示意4 :當前對象與其所有領域對象合并計算流程框5 :對象合并指數(shù)OMI計算流程框6 SP0T5多光譜遙感影像圖7 :實驗影像小尺度(10)預分割結果圖8 :本方法對象合并后的分割結果
具體的實施方式本發(fā)明提出的面向遙感影像分割的基于對象合并指數(shù)(OMI)的影像對象基元合并方法，其實現(xiàn)基本流程如圖I所示。首先選取待分析的遙感影像，計算其邊緣量化影像CL，然后對遙感影像進行預分割，采用通用的分割方法(如均值漂移分割或者多分辨率分割算法)，使用較小的分割尺度，得到小尺度分割結果，取預分割結果對象集合中的一個對象為當前處理對象O，計算當前對象與鄰域對象的合并指數(shù)0ΜΙ，如果OMI值滿足閾值條件，則合并當前對象與其領域對象，如果當前對象的所有領域對象均不滿足合并條件，則當前對象合并處理完成，取預分割結果中的下一對象作為當前對象，循環(huán)執(zhí)行鄰域對象合并操作，直到預分割結果集合中所有元素遍歷完。上述方法中計算邊緣量化影像的實施步驟如圖2所示，首先分析原始影像，根據所提取的目標，選取對目標邊界敏感的波段，采用canny邊緣提取算法，計算邊緣量化影像(canny邊緣量化算法使用普遍，此處不再贅述)，如果選擇了多個波段，則將邊緣量化值的均值作為最后邊緣量化影像。上述方法中將當前對象與其所有鄰域對象合并的計算步驟如圖4所示，計算步驟中涉及的當前對象、鄰域對象和邊界對象的示意圖見圖3。首先獲取當前中心處理對象O，計算其鄰域對象集合V ;順序取鄰域對象集合中的元素V，計算當前中心對象與鄰域對象的對象合并指數(shù)0ΜΙ，如果閾值符合要求，則合并，否則標記當前鄰域對象為不能合并；遍歷當前鄰域對象集合V中所有元素，做上述合并處理；如果當前鄰域對象集合中所有元素處理完，則更新合并后的中心對象ο及其鄰域對象集合V，計算未被標記的鄰域對象的對象合并指數(shù)，繼續(xù)合并知道所有鄰域對象均被標記為無法合并。上述方法中對象合并指數(shù)OMI的計算步驟如圖5所示，計算步驟中涉及的當前對象、鄰域對象和邊界對象的示意圖見圖3。首先獲取當前中心對象ο和待合并的鄰域對象V，計算獲取分屬中心對象和鄰域對象的相鄰的邊界象元集合B (O, V)和Β(ν, ο);順序取鄰域邊界象元集合的象元b (V, O),如果當前象元的canny邊緣量化值大于閾值,或者b (ν, O)的鄰域象元b (ο, V)的canny邊緣量化值大于閾值,則計數(shù)器temp_num加I,否則下一步；取鄰域邊界象元集合中的下一象元，重復上述步驟，直到所有元素被取完；統(tǒng)計Β(ν，ο)中元素的總數(shù)total_num,則可以計算當前對象與其鄰域對象的對象合并指數(shù)OMI。以下為本發(fā)明的一個實施例子現(xiàn)有空間分辨率為IOm的SP0T5多光譜遙感影像(圖6)，所處區(qū)域為海岸帶地區(qū)。由于本幅影像以水體和植被為主要地物類型，因此我們可以選取近紅外波段(NIR，bandl)來計算邊緣影像。采用傳統(tǒng)分割方法以較小尺度參數(shù)(10)對實驗影像進行預分割，得到結果如圖7?？梢钥吹?，在大面積水域部分出現(xiàn)了嚴重的過分害I]，植被區(qū)域過分割也較為嚴重，在養(yǎng)殖區(qū)域分割斑塊對養(yǎng)殖池塘的劃分基本合理。從預分割結果集合中取當前處理對象O，按照本發(fā)明方法中的對象合并步驟，完成當前對象與其鄰域對象的合并操作。合并過程有兩層主要的循環(huán)，分別稱為內層循環(huán)和外層循環(huán)。當前處理對象的鄰域對象有多個，每個鄰域對象均需要計算合并指數(shù)，考慮合并操·作，此為內層循環(huán)。另外，當前對象有合并操作后，其鄰域對象集合會發(fā)生改變，所以，合并操作后，需要重新獲取鄰域對象集合，并進行合并計算，直到無法再合并為止，此為外層循環(huán)。具體實施方法如下(I)獲取當前中心處理對象O,計算其鄰域對象集合V ；(2)順序獲取鄰域對象集合中的對象，記當前領域對象為V ；(3)計算中心對象ο與鄰域對象V的合并指數(shù)OMI ；(4)如果OMI值小于設定的閾值0MI_Trsh，則合并對象ο與V，否則標記該鄰域對象V為不能合并；(5)判定當前鄰域對象集合V中元素是否被取完；(6)步驟(5)判定結果為否，則取下一鄰域對象，重復執(zhí)行步驟(3)和(4)；(7)步驟(5)判定結果為真，更新合并后的中心對象O，獲取其新的鄰域對象集合V ；(8)判定是否其所有鄰域對象均被標記為不可合并，結果為否則重復執(zhí)行步驟
(2)至(7)，結果為真則結束對象合并步驟。針對每一個鄰域對象，均需要計算其與當前處理對象之間的對象合并指數(shù)，對象合并指數(shù)OMI的計算方法是本發(fā)明的關鍵步驟，具體實施方法為(I)獲取當前中心對象O，獲取待合并鄰域對象V ；(2)獲取I心對象ο的與V相鄰的邊界象元集合B (O，V);(3)獲取鄰域對象V的與ο相鄰的邊界象元集合B (V, O)；(4)臨時變量賦值，temp_num = O, total_num = O ；(5)順序取集合B (V，O)中的象元，記當前象元為b (V，O)；(6)判定當前象元b(v，ο)的canny邊緣量化影像值CL值是否大于設定的閾值Thresh,結果為真則將temp_num值加I,并跳到步驟(9),否則繼續(xù)下一步；(7)獲取邊界象元b(v,o)的四鄰域內屬于中心對象O的象元b (O, V)；(8)判定象元b(o,v)的canny邊緣量化影像值CL值是否大于設定的閾值Thresh,結果為真則將temp_num值加1，否則直接跳到步驟(9)(9) total_num 值增加 I ;(10)判定是否將集合B (V，O)中的象元全部取完，如果沒有取完，則回到步驟(5)，繼續(xù)執(zhí)行步驟(6)至步驟(9);如果全部象元被取完，則執(zhí)行步驟(11)；(11)計算中心對象ο與鄰域對象V的合并指數(shù)OMI = temp_num/total_num ；按照以上步驟對實驗區(qū)影像預分割結果進行對象合并，得到的最終分割結果如圖8所示。結果中將過分割的區(qū)域進行了有效合并，大面積水體邊界劃分與目視結果十分接近，植被區(qū)域過分割現(xiàn)象也得到一定的抑制，復雜度高的養(yǎng)殖區(qū)域的精細分割結果得到保持。經過本發(fā)明方法對影像分割得到的結果，得到的影像對象與真實地物更為接近，基于此結果提取的對象空間特征將使面向對象影像分析更為有效。以上是本發(fā)明的實施步驟的詳細解說。對于本研究領域的一般技術人員，在不背 離本發(fā)明所述精神和權力要求范圍的情況下對它進行各種顯而易見的改變均在本發(fā)明的保護范圍之內。
權利要求
1.本發(fā)明提出的面向遙感影像分割的對象基元合并方法，包括以下實施步驟 (1)選取待分析的遙感影像，計算其邊緣量化影像CL; (2)對遙感影像進行預分割，采用通用的分割方法(如均值漂移分割或者多分辨率分割算法)，使用較小的分割尺度，得到小尺度分割結果； (3)遍歷分割結果的所有對象，對象集合中取當前處理對象ο; (4)取當前處理對象的鄰域對象集合V； (5)對當前處理對象ο和所有領域對象V進行對象合并操作，更新對象集合； (6)取對象集合中下一個對象為當前處理對象，重復步驟(4)，(5)，直到所有對象都被處理完。
2.根據權力要求I所述步驟(I)，計算邊緣量化影像CL，實現(xiàn)方法如下 (1)選取待分析的遙感影像； (2)選擇對典型地物邊界敏感的波段Li，采用canny算法計算量化影像CLi； (3)融合所有的邊緣量化影像，結果為
3.根據權力要求I所述步驟(5)，當前對象與其所有鄰域對象V的合并操作，實現(xiàn)方法如下 (1)獲取當前中心處理對象ο,計算其鄰域對象集合V； (2)順序獲取鄰域對象集合中的對象，記當前領域對象為V； (3)計算中心對象ο與鄰域對象V的對象合并指數(shù)OMI； (4)如果OMI值小于設定的閾值0MI_Trsh，則合并對象ο與V，否則標記該鄰域對象ν為不能合并； (5)判定當前鄰域對象集合V中元素是否被取完； (6)步驟(5)判定結果為否，則取下一鄰域對象，重復執(zhí)行步驟(3)和(4)； (7)步驟(5)判定結果為真，更新合并后的中心對象O，獲取其新的鄰域對象集合V; (8)判定是否其所有鄰域對象均被標記為不可合并，結果為否則重復執(zhí)行步驟(2)至(7)，結果為真則結束對象合并步驟。
4.根據權力要求3所述步驟(3)，計算中心對象與鄰域對象的對象合并指數(shù)0ΜΙ，實現(xiàn)方法如下 (1)獲取當前中心對象O，獲取待合并鄰域對象ν;獲取中心對象ο的與ν相鄰的邊界象元集合B (O, V);獲取鄰域對象ν的與ο相鄰的邊界象元集合B (ν, O)； (2)臨時變量賦值，temp_num= O, total_num = O ； (3)順序取集合B(ν, ο)中的象元,記當前象元為b (ν, ο)； (4)判定當前象元b(v,o)的canny邊緣量化影像值CL值是否大于設定的閾值Thresh,結果為真則將temp_num值加1，并跳到步驟(5)，否則獲取邊界象元b (ν，ο)的鄰域內屬于中心對象ο的象元b (ο, V),判定象元b (ο, V)的canny邊緣量化影像值CL值是否大于設定的閾值Thresh,結果為真則將temp_num值加I ;(5)total_num 值增加 I ； (6)判定是否將集合Β(ν，ο)中的象元全部取完，如果沒有取完，則回到步驟(3)，繼續(xù)執(zhí)行步驟(4)至步驟(5);如果全部象元被取完，則執(zhí)行步驟(7)；(7)計·算中心對象ο與鄰域對象ν的對象合并指數(shù)OMI = temp—num/total—num。
全文摘要
本發(fā)明涉及一種面向遙感影像分割的基于對象合并指數(shù)(Object Merge Index，OMI)進行對象(基元)合并的方法，屬于遙感影像處理與分析技術領域。首先根據原始影像計算邊緣量化影像，并對原始影像采用常規(guī)分割算法的小尺度預分割，根據邊緣量化影像計算得到預分割對象的對象合并指數(shù)OMI，基于OMI值的大小進行對象合并，得到最終分割的結果。本方法能夠改進傳統(tǒng)遙感影像分割方法中對尺度參數(shù)的依賴，對不同復雜程度的影像的處理時具有較強的尺度適應能力，能夠較好的平衡過分割和欠分割的矛盾。
文檔編號G06T7/00GK102915531SQ20111022314
公開日2013年2月6日 申請日期2011年8月5日 優(yōu)先權日2011年8月5日
發(fā)明者張濤, 楊曉梅, 周成虎 申請人:中國科學院地理科學與資源研究所