具体实施方式
以下结合附图对本发明进行详细说明。
如下表1所示,本发明首先对如下参数进行设置:
表1
T |
第一阈值 |
像素区域对象合并的阈值 |
Sstart |
合并开始尺度 |
达到该尺度时开始输出中间合并结果 |
Sstop |
合并终止尺度 |
达到该尺度时合并过程结束,分割过程终止 |
α |
第二阈值(松弛因子) |
层次输出尺度控制,默认值为1.2 |
wshape |
形状异质性权重 |
默认值为0.1,即光谱异质性权重为0.9 |
wcompact |
紧凑度异质性权重 |
默认值为0.5,即光滑度权重也为0.5 |
如图1所示,本发明高分辨率遥感影像多层次分割方法实施例包括以下步骤:
步骤102,依次扫描遥感影像的像素,为每个像素创建对应的像素区域对象,计算相邻像素所属的像素区域对象之间的第一异质性值;当第一异质性值小于等于预设的第一阈值时,将相邻像素所属的像素区域对象进行合并,得到初始区域对象;当第一异质性值大于预设的第一阈值时,不进行相邻像素所属像素区域对象的合并;步骤104,计算相邻初始区域对象之间的第二异质性值;自底向上合并第二异质性值最小的相邻初始区域对象。
以下分别对上述两个步骤进行具体描述。
如图2所示,上述步骤102的具体实现流程包括:
步骤202,初始化第一阈值T的值;
步骤204,从第1行第1列的开始,创建像素区域对象Ri,并存储到临时区域对象数组TR中,标记像素(1,1)所属的像素区域对象为Ri,即tag[1][1]=IDi;
步骤206,扫描第1行的下一个像素(1,n),n>1,创建像素区域对象Ri,获得二维数组tag[1][n-1]的值,即像素(1,n)左侧像素所属的区域对象标号IDleft,根据区域对象标号从临时区域对象数组TR查找像素区域对象Rleft,判断是将Ri合并至Rleft中还是作为一个新的区域对象存储到临时区域对象数组TR中:
●当H1(Ri,Rleft)≤T时,将该像素区域对象Ri合并至其左侧像素所属的像素区域对象Rleft,标记像素(1,n)所属的区域对象为Rleft,即tag[1][1]=IDleft;
●当H1(Ri,Rleft)>T时,将区域对象Ri作为一个新的区域对象存储到临时区域对象数组TR中,标记像素(1,n)所属的区域对象为Ri,即tag[1][1]=IDi;
步骤208,重复步骤206,直到第1行所有像素扫描完;
步骤210,扫描下一行第1个像素(m,1)开始,m>1,创建像素区域对象Ri,获得二维数组tag[m-1][1]的值,即像素(m,1)上方像素所属的区域对象标号IDup,根据区域对象标号从临时区域对象数组TR查找区域对象Rup,判断是将Ri合并至Rup中还是作为一个新的区域对象存储到临时区域对象数组TR中:
●当H1(Ri,Rup)≤T时,将Ri合并至Rup中,标记像素(m,1)所属的区域对象为Rup,即tag[1][1]=IDup;
●当H1(Ri,Rup)>T时,将区域对象Ri作为一个新的区域对象存储到临时区域对象数组TR中,标记像素(m,1)所属的区域对象为Ri,即tag[m][1]=IDi;
步骤212,扫描当前行的下一个像素(m,n),创建像素级区域对象Ri,获得二维数组tag[m-1][n]的值,即像素(m,n)上方像素所属的区域对象标号IDup,根据区域对象标号从临时区域对象数组TR查找区域对象Rup;获得二维数组tag[m][n-1]的值,即像素(m,n)左侧像素所属的区域对象标号IDleft,根据区域对象标号从临时区域对象数组TR查找像素区域对象Rleft;判断是将Ri合并至Rleft或Rup中还是作为一个新的区域对象存储到临时区域对象数组TR中:
●IDup=IDleft,即Rup和Rleft为同一个区域对象:
①当H1(Ri,Rup)≤T时,将Ri合并至Rup中;标记像素(m,n)所属的区域对象为Rup,即tag[m][n]=IDup;
②当H1(Ri,Rup)>T时,将Ri作为一个新的区域对象存储到临时区域对象数组TR中,标记像素(m,n)所属的区域对象为Ri,即tag[m][n]=IDi;
●同时满足H1(Ri,Rleft)≤T和H1(Ri,Rup)≤T:
①当H1(Ri,Rup)<H1(Ri,Rleft)时,将Ri合并至Rup中,标记像素(m,n)所属的区域对象为Rup,即tag[m][n]=IDup;
②当H1(Ri,Rup)>H1(Ri,Rleft)时,将区域对象Ri合并至区域对象Rleft中,标记像素(m,n)所属的区域对象为Rleft,即tag[m][n]=IDleft;
③当H1(Ri,Rup)=H1(Ri,Rleft)时,将Ri合并至Rleft或Rup之一,标记像素(m,n)所属的区域对象为相应区域对象,即tag[m][n]=IDleft或IDup;
更优地,可以进一步计算该像素区域对象左侧像素所属的像素区域对象Rleft与上方像素所属的像素区域对象Rup之间的第一异质性值H1(Rleft,Rup);当H1(Rleft,Rup)≤T时,将该像素区域对象左侧像素所属的像素区域对象Rleft合并至该像素区域对象上方像素所属的像素区域对象Rup,从临时区域对象数组TR中删除区域对象Rleft,将二维数组tag中区域对象Rleft所有像素的区域对象标号均替换为区域对象Rup的标号;
●当H1(Ri,Rleft)≤T且H1(Ri,Rup)>T时,将区域对象Ri合并至区域对象Rup中,标记像素(m,n)所属的区域对象为Rup,即tag[1][1]=IDup;
●当H1(Ri,Rleft)>T且H1(Ri,Rup)≤T时,将区域对象Ri合并至区域对象Rleft中,标记像素(m,n)所属的区域对象为Rleft,即tag[1][1]=IDleft;
●当H1(Ri,Rleft)>T且H1(Ri,Rup)>T时,将区域对象Ri作为一个新的区域对象存储到临时区域对象数组TR中。标记像素(m,n)所属的区域对象为Ri,即tag[m][n]=IDi;
步骤214,重复步骤210-212,直到整幅影像的所有像素扫描完。
本发明中,可以将上述步骤102合并后最终得到的初始区域对象采用区域邻接图的方式来表示。
区域邻接图的定义为:G=(V,E),其中V={V1,V2,…,Vn}为顶点集,E={E1,E2,…,Em}为边集,或弧段集。相邻两节点间生成一条弧段,弧段带有权值。因此,区域邻接图通常为无向加权图。区域邻接图是事物之间关系的一种数学表示,在实际应用中常给弧段赋一数值,如果顶点表示某种事物,则弧段可表示事物间的连接,弧段上的权值大小可表示事物连接的紧密程度。
如图3所示,将临时区域对象数组TR中所有区域对象采用区域邻接图RAG表达。令R表示整个图像区域,对R的分割可以看作将R分成若干个子区域的集合,即R={R1,R2,…,Rn}。那么,采用区域邻接图表达上述步骤102的影像分割结构,节点Vi表示初始区域对象Ri;节点Vi和Vj之间的弧段Eij表示区域Ri和Rj之间的连接,即相邻关系;弧段Eij的权值为相邻区域Ri和Rj之间的异质性值,用于表示相邻区域Ri和Rj之间相似性程度,值越小表示区域Ri和Rj之间越相似,反之,则差异越大。
如图4所示,上述步骤104的具体实现流程包括:
步骤402,遍历区域邻接图RAG,获得权值最小的弧段的权值,记为Wmin;
步骤404,再次遍历区域邻接图RAG中的所有弧段,如果其权值W小于等于Wmin,在RAG中查找该权值最小弧段连接的相邻区域对象,记为R1和R2;
步骤406,将R1和R2进行区域合并,生成新的区域对象Ri,新区域对象的唯一标号可以选择R1和R2中的任一个标号,如选择R1的标号;
步骤408,将R2从区域邻接图中删除,同时删除与R2相连的所有弧段,再将与R2相连而不与R1相连的区域对象与R1相连,并生成新的弧段;
步骤410,重新计算与R1相连的所有弧段的权重;
步骤412,如果满足合并终止条件,则合并结束;否则返回步骤402。
具体地,计算相邻初始区域对象之间的第二异质性值,即弧段权值的方法如下:
H2(Ri,Rj)=(1-wshape)hspectral(Ri,Rj)+wshapehshape(Ri,Rj),
其中,Ri和Rj为相邻初始区域对象,hspectral(Ri,Rj)为Ri和Rj之间的光谱异质性值,hshape(Ri,Rj)为Ri和Rj之间的形状异质性值,wshape为形状异质性值的权重,1-wshape为光谱异质性值的权重;
其中,ni和nj分别为Ri和Rj中包含的像素个数,σib、σjb和σijb分别为Ri、Rj及合并后得到的区域对象第b波段的光谱信息标准差,B为遥感影像的波段个数;
hshape(Ri,Rj)=wcompacthcompact(Ri,Rj)+(1-wcompact)hsmooth(Ri,Rj),
其中,hcompact(Ri,Rj)为Ri和Rj的紧致度,hsmooth(Ri,Rj)为Ri和Rj的光滑度,wcompact为紧致度的权重,1-wcompact为光滑度的权重;
li、lj、lij分别为Ri、Rj及合并后得到的区域对象的轮廓边界的最小有向矩形框的长,hi、hj、hij分别为Ri、Rj及合并后得到的区域对象的轮廓边界的最小有向矩形框的宽;
其中,pi、pj、pij分别为Ri、Rj及合并后得到的区域对象的轮廓边界周长,qi、qj、qij分别为Ri、Rj及合并后得到的区域对象的轮廓边界最小外接有向矩形框的周长。
更优地,步骤104中,在每次合并过程中,根据每次合并时相邻初始区域对象之间的第二异质性值判断是否执行本次合并。即,以区域邻接图中所有相邻区域间异质性值的平均值作为尺度参数的基数,引入第二阈值(松弛因子)来调节层次输出时的尺度参数大小,以控制多层次分割结果集中层次的数量。
本发明定义分割尺度为S,建立S与区域邻接图中所有弧段权重的平均值的关系。使分割尺度参数符合遥感影像分割尺度与对象大小乘成正比关系,即尺度越大,区域对象个数越少,对象区域越大。
S为为本次合并所有相邻初始区域对象之间的第二异质性值平均值的平方根,即
其中i≠j,N表示区域邻接图中的弧段个数,W
ij为弧段权值,即顶点V
i和V
j所对应的相邻区域对象R
i和R
j间的异质性值。使用平方根对平均值进行开平方,主要是为了增加尺度控制的敏感度,使其更加容易控制。
令Scur表示当前分割尺度,Sprev表示上一次分割尺度,K表示Scur与的Sprev比值。令α表示第二阈值(松弛因子),该值为常数,其范围为(1.0,∞)。当K>α,即Scur>αSprev时,执行本次合并。
在步骤104的合并过程中,每次合并都计算当前合并状态的尺度值Scur,然后与前一次合并时的尺度值Sprev进行比较,如果其比值大于预设松弛因子,即Scur>αSprev,则输出当前尺度的分割结果,并将Scur赋给Sprev,即Scur=Sprev,重复上述过程,直到满足合并终止条件,多层次分割过程结束。
在步骤104的合并过程中,还将当前分割尺度Scur与预设的合并开始尺度Sstart及合并终止尺度Sstop进行比较,当Scur≥Sstart且Scur<Sstop时,执行本次合并;当Scur<Sstart或Scur≥Sstop时,停止合并。
如图5所示,本发明高分辨率遥感影像多层次分割方法具体实现方法如下:
步骤502,输入原始遥感影像,设置分割参数,主要包括表1参数列表项;
步骤504,对原始遥感影像进行初始分割,具体流程如图2所示;
步骤506,将步骤504的分割结果区域构建为区域邻接图,包括构建区域邻接拓扑关系和计算弧段权值,此时采用包含光谱和形状两种异质性测度的整体区域合并异质性测度计算区域间异质性值作为弧段权值,并对异质性值进行精度控制,不保留小数位;
步骤508,统计、计算区域邻接图中区域间最小异质性值和平均异质性值;根据平均异质性值计算初始状态的尺度,并赋给Sprev,同时将层次输出开始尺度赋给当前合并状态尺度,即Scur=Sstart;
步骤510,如果满足当前层次输出尺度条件,即Scur>αSprev,跳转至步骤514,否则执行步骤512;
步骤512,基于异质性最小区域合并算法在区域邻接图基础上进行区域合并,在调整由于合并引起的区域间邻接拓扑关系,重新计算新弧段权值时,采用整体区域合并异质性测度计算新弧段的权值,并对异质性值进行精度控制,不保留小数位;回到步骤508;
步骤514,输出当前尺度的分割结果;
步骤516,如果当前尺度不满足合并终止的尺度,即Scur≠Sstop,执行步骤518,否则跳转至步骤520;
步骤518,将当前分割尺度作为前一层次输出尺度,即Scur=Sprev,计算下一个层次输出的尺度,并赋给Scur,如果Scur大于分割终止尺度,将分割终止尺度赋给Scur,即Scur=Sstop;返回步骤508;
步骤520,合并停止,分割过程结束,得到不同尺度的多层次分割结果。
如图6所示,单个分割结果称为区域对象层,一个区域对象层是由多个区域对象组成,多个区域对象层形成区域对象层组。在区域对象层组中,通过对同一区域对象层中区域对象间构建拓扑邻接关系,上下区域对象层中区域对象间构建层次继承关系,形成区域对象的多层次网络结构。在区域对象的多层次网络结构中,每一层区域对象层对应一个分割尺度,多层次分割的目标既是生成对一幅遥感影像的不同尺度的多层次网络结构表达。
多层次网络结构表达中同层的区域对象之间具有邻接拓扑关系,上下层的区域对象之间具有隶属关系。这种区域对象的多层次表达可以很好的反映地物的上下文信息,相比单一分割结果的表达具有非常明显的优势,是充分地挖掘高分辨率遥感影像应用潜力的一种有效途径。多层次分割技术提供的多尺度区域对象数据层为同一研究区域中多种地物类别提供多尺度的影像数据成为可能,据此,不同类别的信息提取可以在相应尺度的区域对象层中进行。
基于同一发明构思,如图7所示,本发明高分辨率遥感影像多层次分割系统实施例包括:
扫描装置71,依次扫描遥感影像的像素,为每个像素创建对应的像素区域对象;第一计算装置72,计算相邻像素所属的像素区域对象之间的第一异质性值;第一合并装置73,当第一异质性值小于等于预设的第一阈值时,将相邻像素区域对象合并,得到两个或两个以上的初始区域对象;第二计算装置74,计算相邻初始区域对象之间的第二异质性值;第二合并装置75,自底向上合并第二异质性值最小的相邻初始区域对象。
优选地,该系统还包括:合并控制装置76,用于根据每次合并时相邻初始区域对象之间的第二异质性值判断是否控制第二合并装置75执行本次合并。
本发明的高分辨率遥感影像多层次分割方法及系统,通过根据区域对象之间的异质性值进行不同层次区域对象的合并,从而实现只需一次输入少量参数,就可以实现对遥感影像不同层次区域对象的分割,提高了遥感影像分割的效率、准确度及稳定度,减少了人工干预程度及其产生的人为因素影响,实现自动化的影像分割。
应说明的是:以上实施例仅用以说明本发明而非限制,本发明也并不仅限于上述举例,一切不脱离本发明的精神和范围的技术方案及其改进,其均应涵盖在本发明的权利要求范围中。