基于MeanShift的高分辨率遙感影像分割距離度量優化方法
【專利摘要】基于Meanshift的高分辨率遙感圖像分割中合并區域過程的距離度量優化方法，充分考慮遙感圖像數據的特點，利用光譜匹配距離度量代替傳統的歐式距離，具體有光譜角度匹配度量，光譜相似性度量和核映射光譜匹配度量，使分割結果更加精確。
【專利說明】基于MeanShift的高分辨率遙感影像分割距離度量優化方法

【技術領域】
[0001]本發明是在高分辨率遙感影像處理領域中，針對基于MeanShift算法的遙感圖像分割技術，對其中區域合并過程所涉及到的距離度量計算進行優化，從而進一步得到精度更高的圖像分割效果。

【背景技術】
[0002]隨著遙感技術的發展，高分辨率遙感影像逐漸在許多領域中得到廣泛的應用。由于高分辨率遙感影像擁有更豐富的光譜波段、更詳細的地形結構等數據信息，所以遙感圖像處理技術的要求也隨之不斷提高，影像分割技術是面向對象的高分辨率遙感圖像信息提取和分析的重要步驟之一，其分割質量直接決定了后續影像處理的精度，因此遙感圖像分割具有重大的研究意義。
[0003]MeanShift均值漂移算法是一種無參的統計迭代方法，利用核密度估計求取一定范圍內的梯度最大點，由于其簡單的形式、較快的收斂速度以及較高的穩定性、抗噪性等，在計算機模式識別、聚類分析、圖像跟蹤和圖像分割等方面有廣泛的應用。
[0004]在基于MeanShift的遙感影像分割過程中，區域合并是其重要的步驟之一，它是在圖像進行濾波聚類得到眾多細分的同質區域小塊之后，再進一步根據一定準則得到圖像的最終分割結果，因此合并準則的精確對分割結果有重要的影響，而距離度量作為合并準則的重要環節，其具體的策略需要根據遙感圖像數據的特點來進行設置。本發明據此提出了一種針對區域合并時的距離度量優化策略，使高分辨率遙感影像的分割在理論上得到更高精度的效果。


【發明內容】

[0005]本發明要克服現有技術分割圖像時精度低的缺點，提供基于MeanShift的高分辨率遙感圖像分割距離度量優化方法。
[0006]本發明為了在基于MeanShift的遙感圖像分割中得到精度更高的分割效果，在區域合并過程中對距離度量的計算采用光譜匹配技術代替傳統的歐式距離的計算，充分考慮遙感圖像的數據特征，使區域之間的相似度量的計算更加精準，從而得到更精確的分割圖像。
[0007]基于MeanShift的高分辨率遙感圖像分割距離度量優化方法，包括以下步驟:
[0008]I)、高分辨率遙感圖像輸入，轉換成柵格數據進行處理；
[0009]2)、利用MeanShift算法對遙感圖像進行濾波處理，得到以模點為中心的大量同質區域；
[0010]3)、對濾波之后的大量同質區域進行區域合并，計算區域之間的相似性，將傳統的歐式距離度量計算方法由光譜匹配度量計算方法或核光譜映射度量計算方法代替；
[0011]4)、設置恰當閾值來評判兩區域的相似性度量，初步形成分割結果，在進一步的尺度區域合并過程中，通過區域之間相似度的比較，融入新的區域來達到規定的尺度。最終得到精度較高的分割結果。
[0012]進一步，步驟2)中的MeanShift算法是無參的核密度估計，完全依靠訓練數據樣本，其具體的原理主要依賴以下公式:
[0013]設樣本集{xj，i = l,..., 11，為Rd維空間中的任意點，求其中χ點的密度函數估計，以κ(χ)為核函數，h為窗寬，利用單位矩陣，得:
[。。14]

【權利要求】
1.基于MeanShift的高分辨率遙感圖像分割距離度量優化方法，包括以下步驟: 1)、高分辨率遙感圖像輸入，轉換成柵格數據進行處理； 2)、利用MeanShift算法對遙感圖像進行濾波處理，得到以模點為中心的大量同質區域； 3)、對濾波之后的大量同質區域進行區域合并，計算區域之間的相似性，將傳統的歐式距離度量計算方法由光譜匹配度量計算方法或核光譜映射度量計算方法代替； 4)、設置閾值來評判兩區域的相似性度量，初步形成分割結果，在進一步的尺度區域合并過程中，通過區域之間相似度的比較，融入新的區域來達到規定的尺度；最終得到精度較高的分割結果。
2.如權利要求1所述的基于MeanShift的高分辨率遙感圖像分割距離度量優化方法，其特征在于:步驟2)中的MeanShift算法是無參的核密度估計，完全依靠訓練數據樣本，其具體的算法如下: 設樣本集{xj，i = I,...,11，為Rd維空間中的任意點，求其中X點的密度函數估計，以K(X)為核函數，h為窗寬，利用單位矩陣，得:
求概率密度最大點，對上式求導并引用核函數G(X)，以及標準化系數ck，d，整理化簡可得:
將等式右邊最后面的部分作為MeanShift向量，具體如下:
從核概率密度式子推導得出MeanShift向量mh,e(X)，可知其總是指向概率密度增加最大的方向，利用此性質，可以通過對圖像像素點的迭代處理，經過濾波過程，得到以模點值為中心的大量同質區域。
3.如權利要求1所述的基于MeanShift的高分辨率遙感圖像分割距離度量優化方法，其特征在于:步驟3)中所涉及到的區域相似度的具體計算方式，傳統的歐式距離的計算具體為以下式子:
其中，X，y為遙感圖像中任意像素點，i = 1，...，n，其中n為波段值，因此兩變量可看作是η維向量，此距離度量計算簡單，幾乎適用于任意情況下的距離度量計算，但在η值較大的高分辨率影像中，如此計算的距離度量沒有充分考慮光譜值信息，因此合并效果并不能達到令人滿意的效果。 光譜匹配是高光譜影像中像元光譜在每一個波段的變化量與方向的分析，能夠突出特征譜段，提取光譜維信息，充分考慮到遙感圖像數據的特點，從而能夠較精確的定量表示像元間的相似性或者差異性。利用常見的幾種光譜匹配技術代替歐式距離計算方法，具體公式如下: 光譜角度匹配:
x，y為η維光譜矢量，Θ為兩矢量余弦夾角，計算兩者的余弦角度與兩矢量的長度無關，因此不受增益因素影響。 光譜相似度:
上式中，μ、O分別為均值和標準差，rxy為皮爾遜系數。光譜相似度綜合考慮了光譜間的形狀和距離關系，通常值越小，兩矢量間的光譜相似性越大。 核映射光譜匹配度量:
d, H(x, y) = arccos exp (_ λ d2 (x, y)) 上式中λ為大于O的自定義參數，d(x，y)為光譜相似度量，此度量方式是光譜相似度結合核函數的作用，在樣本計算過程中增加權重因素來計算區域相似度。 具體執行中將遙感圖像不同方式下的距離度量值求出，根據具體數值可分析不同距離度量的精度效果。
【文檔編號】G06T7/00GK104200458SQ201410367705
【公開日】2014年12月10日 申請日期:2014年7月30日 優先權日:2014年7月30日
【發明者】王衛紅, 徐文濤, 夏列鋼 申請人:浙江工業大學