发明内容
有鉴于此,本发明实施例的主要目的在于提供一种PolSAR图像的处理方法及装置,能够从PolSAR图像中精确提取出山体滑坡区域。
为达到上述目的,本发明实施例的技术方案是这样实现的:
一种PolSAR图像的处理方法,所述方法包括:
对原始PolSAR图像进行分解以及颜色空间转换,而得到S通道图像、H通道图像以及I通道图像;
对所述S通道图像进行滤波以及K均值聚类,以从所述S通道图像中提取第一区域;
基于所述第一区域,对所述H通道图像进行滤波以及K均值聚类,以从所述H通道图像中提取第二区域;
基于所述第二区域,对所述I通道图像进行滤波以及K均值聚类,并对K均值聚类后的I通道图像进行形态学滤波;
根据区域属性参数从形态学滤波后的所述I通道图像中确定出第三区域。
优选地,所述对原始PolSAR图像进行分解以及颜色空间转换,包括:
采用泡利(Pauli)基矩阵对所述原始PolSAR图像进行分解;
将分解后的所述原始PolSAR图像从红绿蓝(RGB,Red Green Blue)颜色空间转换到色调饱和度强度(HSI,Hue Saturation Intensity)颜色空间。
优选地,所述对所述S通道图像进行滤波以及K均值聚类,以从所述S通道图像中提取第一区域,包括:
对所述HSI颜色空间中的所述S通道图像进行增强Lee滤波以及K均值聚类,以从所述S通道图像中提取第一区域;所述第一区域用于表征阴影区域以及叠掩区域。
优选地,所述基于所述第一区域,对所述H通道图像进行滤波以及K均值聚类,以从所述H通道图像中提取第二区域,包括:
将所述HSI颜色空间中的所述H通道图像中的所述第一区域的颜色信息置零;
对置零后的所述H通道图像进行增强Lee滤波以及K均值聚类,以从所述H通道图像中提取第二区域;所述第二区域用于表征潜在山体滑坡区域。
优选地,所述基于所述第二区域,对所述I通道图像进行滤波以及K均值聚类,并对K均值聚类后的I通道图像进行形态学滤波;根据区域属性参数从形态学滤波后的所述I通道图像中确定出第三区域,包括:
从所述HSI颜色空间中的所述I通道图像中分割出所述第二区域;
对所述第二区域的所述I通道图像进行增强Lee滤波以及K均值聚类;
对K均值聚类后的所述I通道图像进行形态学滤波;
根据区域属性参数从形态学滤波后的所述I通道图像中确定出第三区域;所述第三区域用于表征精确山体滑坡区域。
一种PolSAR图像的处理装置,所述装置包括:预处理单元、第一提取单元、第二提取单元、第三提取单元;其中,
所述预处理单元,用于对原始PolSAR图像进行分解以及颜色空间转换,而得到S通道图像、H通道图像以及I通道图像;
所述第一提取单元,用于对所述S通道图像进行滤波以及K均值聚类,以从所述S通道图像中提取第一区域;
所述第二提取单元,用于基于所述第一区域,对所述H通道图像进行滤波以及K均值聚类,以从所述H通道图像中提取第二区域;
所述第三提取单元,用于基于所述第二区域,对所述I通道图像进行滤波以及K均值聚类,并对K均值聚类后的I通道图像进行形态学滤波;根据区域属性参数从形态学滤波后的所述I通道图像中确定出第三区域。
优选地,所述预处理单元包括:分解子单元、颜色空间转换子单元;其中,
所述分解子单元,用于采用Pauli基矩阵对所述原始PolSAR图像进行分解;
所述颜色空间转换子单元,用于将分解后的所述原始PolSAR图像从RGB颜色空间转换到HSI颜色空间。
优选地,所述第一提取单元包括:第一滤波子单元、第一聚类子单元;其中,
所述第一滤波子单元,用于对所述HSI颜色空间中的所述S通道图像进行增强Lee滤波;
所述第一聚类子单元,用于对滤波后的所述S通道图像进行K均值聚类,以从所述S通道图像中提取第一区域;所述第一区域用于表征阴影区域以及叠掩区域。
优选地,所述第二提取单元包括:设置子单元、第二滤波子单元、第二聚类子单元;其中,
所述设置子单元,用于将所述HSI颜色空间中的所述H通道图像中的所述第一区域的颜色信息置零;
所述第二滤波子单元,用于对置零后的所述H通道图像进行增强Lee滤波;
所述第二聚类子单元,用于对滤波后的所述H通道图像进行K均值聚类,以从所述H通道图像中提取第二区域;所述第二区域用于表征潜在山体滑坡区域。
优选地,所述第三提取单元包括:分割子单元、第三滤波子单元、第三聚类子单元、第四滤波子单元、确定子单元;其中,
所述分割子单元,用于从所述HSI颜色空间中的所述I通道图像中分割出所述第二区域;
所述第三滤波子单元,用于对所述第二区域的所述I通道图像进行增强Lee滤波;
所述第三聚类子单元,用于对所述第三滤波子单元滤波后的所述I通道图像进行K均值聚类;
所述第四滤波子单元,用于对K均值聚类后的所述I通道图像进行形态学滤波;
所述确定子单元,用于根据区域属性参数从形态学滤波后的所述I通道图像中确定出第三区域;所述第三区域用于表征精确山体滑坡区域。
本发明实施例的技术方案中,通过对原始PolSAR图像进行分解以及颜色空间转换,而得到S通道图像、H通道图像以及I通道图像;对所述S通道图像进行滤波以及K均值聚类,以从所述S通道图像中提取第一区域;基于所述第一区域,对所述H通道图像进行滤波以及K均值聚类,以从所述H通道图像中提取第二区域;基于所述第二区域,对所述I通道图像进行滤波以及K均值聚类,并对K均值聚类后的I通道图像进行形态学滤波;根据区域属性参数从形态学滤波后的所述I通道图像中确定出第三区域。如此,充分利用了原始PolSAR图像的颜色信息,进而快速检测并精确提取出山体滑坡区域,也即所述第三区域。
具体实施方式
为了能够更加详尽地了解本发明的特点与技术内容,下面结合附图对本发明的实现进行详细阐述,所附附图仅供参考说明之用,并非用来限定本发明。
图1为本发明实施例的PolSAR图像的处理方法流程示意图,本示例中的PolSAR图像的处理方法应用于PolSAR图像的处理装置中;如图1所示,所述PolSAR图像的处理方法包括以下步骤:
步骤101:对原始PolSAR图像进行分解以及颜色空间转换,而得到S通道图像、H通道图像以及I通道图像。
优选地,所述对原始PolSAR图像进行分解以及颜色空间转换,包括:
采用Pauli基矩阵对所述原始PolSAR图像进行分解;
将分解后的所述原始PolSAR图像从RGB颜色空间转换到HSI颜色空间。
具体地,采用Pauli基矩阵对所述原始PolSAR图像进行分解的主要原理是将表征目标特征的矩阵表示为几个独立项之和,并将每一独立项与相关的散射机理联系起来,从而实现散射数据的分解。本实施例采用经典的Pauli基矩阵对原始PolSAR图像进行分解,具体地,将原始PolSAR图像中的每个像素对应的散射矩阵展开成四个Pauli基矩阵加权和的形式,如公式(1):
其中,S为像素的极化散射矩阵,SXY表示Y极化发射、X极化接收时的目标后向散射系数,a,b,c,d均为复数,分别为:
采用Pauli基矩阵对原始PolSAR图像进行分解的优点在于计算量小,且Pauli基是完备正交基,具有一定的抗噪性,即使是在有噪声或去极化效应的情况下,仍能用Pauli基矩阵对原始PolSAR图像进行分解。优选地,在单基互易情况下,有SHV=SVH成立,即d=0,为了增强图像的目视判断效果,可以对a,b,c这三个系数进行伪彩色合成,其中,蓝色代表系数为|a|2,红色代表系数为|b|2,绿色代表系数为|c|2。
具体地,将分解后的所述原始PolSAR图像从RGB颜色空间转换到HSI颜色空间,可通过公式(3)得到:
其中,H表示HSI颜色空间中的H通道图像,S表示HSI颜色空间中的S通道图像,I表示HSI颜色空间中的I通道图像,R表示RGB颜色空间中的R通道图像,G表示RGB颜色空间中的G通道图像,B表示RGB颜色空间中的B通道图像,min表示取最小值,θ的表示式如公式(4):
上述方案中,HSI颜色空间中的不同通道对PolSAR图像中不同的地物类型敏感度不同,H通道图像对山体滑坡区域和噪声较为敏感,S通道图像对阴影和叠掩较为敏感,I通道图像对地表的后向散射系数强度较为敏感。
步骤102:对所述S通道图像进行滤波以及K均值聚类,以从所述S通道图像中提取第一区域。
优选地,所述对所述S通道图像进行滤波以及K均值聚类,以从所述S通道图像中提取第一区域,包括:
对所述HSI颜色空间中的所述S通道图像进行增强Lee滤波以及K均值聚类,以从所述S通道图像中提取第一区域;所述第一区域用于表征阴影区域以及叠掩区域。
具体地,由于S通道图像对于阴影和叠掩较为敏感,因此,对HSI颜色空间中的所述S通道图像进行增强Lee滤波以及K均值聚类,以提取出阴影和叠掩区域,然后将阴影和叠掩区域信息传递给H通道图像,以执行步骤103。
步骤103:基于所述第一区域,对所述H通道图像进行滤波以及K均值聚类,以从所述H通道图像中提取第二区域。
优选地,所述基于所述第一区域,对所述H通道图像进行滤波以及K均值聚类,以从所述H通道图像中提取第二区域,包括:
将所述HSI颜色空间中的所述H通道图像中的所述第一区域的颜色信息置零;
对置零后的所述H通道图像进行增强Lee滤波以及K均值聚类,以从所述H通道图像中提取第二区域;所述第二区域用于表征潜在山体滑坡区域。
具体地,H通道图像收到S通道图像传递的第一区域信息后,首先将上述提取出的阴影和叠掩区域在HSI颜色空间中的H通道中置零,然后,由于H通道图像对山体滑坡区域和噪声较为敏感,因此,对H通道图像进行增强Lee滤波及K均值聚类,以提取出潜在的山体滑坡区域,并将潜在的山体滑坡区域信息传递给I通道图像。
步骤104:基于所述第二区域,对所述I通道图像进行滤波以及K均值聚类,并对K均值聚类后的I通道图像进行形态学滤波;根据区域属性参数从形态学滤波后的所述I通道图像中确定出第三区域。
优选地,述基于所述第二区域,对所述I通道图像进行滤波以及K均值聚类,并对K均值聚类后的I通道图像进行形态学滤波;根据区域属性参数从形态学滤波后的所述I通道图像中确定出第三区域,包括:
从所述HSI颜色空间中的所述I通道图像中分割出所述第二区域;
对所述第二区域的所述I通道图像进行增强Lee滤波以及K均值聚类;
对K均值聚类后的所述I通道图像进行形态学滤波;
根据区域属性参数从形态学滤波后的所述I通道图像中确定出第三区域;所述第三区域用于表征精确山体滑坡区域。
具体地,I通道图像收到H通道图像传递的潜在的山体滑坡区域信息传后,首先分割出与上述提取出的潜在山体滑坡区域所对应的I通道图像部分,由于I通道图像对地表的后向散射系数强度较为敏感,因此,对分割后的I通道图像进行增强Lee滤波和K均值聚类,再对K均值聚类后的结果进行形态学滤波处理,以去除随机噪声及相干斑噪声,最后结合区域属性参数精确提取出精确的山体滑坡区域,从而完成山体滑坡的检测工作。
图2为Pauli基矩阵对原始PolSAR图像进行分解的结果示意图,该区域位于四川省北川县老县城周边,由国产高分辨率全PolSAR采集得到,采集时间为2008年5月26日,PolSAR图像的两维几何分辨均为0.5米。如图2所示,该观测区域存在两个大规模的山体滑坡,分别为滑坡1和滑坡2,其中,滑坡1淹没了一个村庄并且堵塞了河道,造成了严重的人员伤亡及次生灾害。
图3为PolSAR图像在HSI颜色空间的三个通道图像的示意图,其中,(a)图为H通道图像,(b)图为S通道图像,(c)图为I通道图像,如图3所示,H通道图像对山体滑坡区域和噪声较为敏感,S通道图像对于阴影和叠掩较为敏感,I通道图像对地表的后向散射系数强度较为敏感,因此,采用HSI颜色空间提取目标区域的精确度高。
图4为PolSAR图像在HSI颜色空间的山体滑坡区域示意图,其中,(a)图为S通道图像滤波以及K均值聚类后的结果示意图,图中示出了阴影区域和叠掩区域,可见,本发明实施例的技术方案能有效的提取出叠掩和阴影区域。(b)图为对阴影和叠掩区域置零后的H通道图像滤波以及K均值聚类后的结果示意图,图中示出了示出了阴影和叠掩区域以及潜在滑坡区域,可见,本发明实施例的技术方案能有效的提取出潜在滑坡区域。(c)图为对潜在山体滑坡区域所对应的I通道图像部分进行滤波和K均值聚类,并对K均值聚类后的结果进行形态学滤波处理的结果示意图,可见,本发明实施例的技术方案可以对随机噪声及相干斑噪声进行抑制,滑坡区域边缘更加清晰。(d)图为结合区域属性参数精确提取出大面积的山体滑坡区域的结果示意图,具体地,首先提取出(c)图中的潜在山体滑坡区域,然后设定一个区域面积阈值,选择区域面积大于阈值的连通区域作为最终检测到的山体滑坡区域。(e)图为(d)图与原始PolSAR图像的对比图。
图5为本发明实施例的PolSAR图像的处理装置的结构组成示意图,如图5所示,所述装置包括:预处理单元51、第一提取单元52、第二提取单元53、第三提取单元54;其中,
所述预处理单元51,用于对原始PolSAR图像进行分解以及颜色空间转换,而得到S通道图像、H通道图像以及I通道图像;
所述第一提取单元52,用于对所述S通道图像进行滤波以及K均值聚类,以从所述S通道图像中提取第一区域;
所述第二提取单元53,用于基于所述第一区域,对所述H通道图像进行滤波以及K均值聚类,以从所述H通道图像中提取第二区域;
所述第三提取单元54,用于基于所述第二区域,对所述I通道图像进行滤波以及K均值聚类,并对K均值聚类后的I通道图像进行形态学滤波;根据区域属性参数从形态学滤波后的所述I通道图像中确定出第三区域。
优选地,所述预处理单元51包括:分解子单元511、颜色空间转换子单元512;其中,
所述分解子单元511,用于采用Pauli基矩阵对所述原始PolSAR图像进行分解;
所述颜色空间转换子单元512,用于将分解后的所述原始PolSAR图像从RGB颜色空间转换到HSI颜色空间。
优选地,所述第一提取单元52包括:第一滤波子单元521、第一聚类子单元522;其中,
所述第一滤波子单元521,用于对所述HSI颜色空间中的所述S通道图像进行增强Lee滤波;
所述第一聚类子单元522,用于对滤波后的所述S通道图像进行K均值聚类,以从所述S通道图像中提取第一区域;所述第一区域用于表征阴影区域以及叠掩区域。
优选地,所述第二提取单元53包括:设置子单元531、第二滤波子单元532、第二聚类子单元533;其中,
所述设置子单元531,用于将所述HSI颜色空间中的所述H通道图像中的所述第一区域的颜色信息置零;
所述第二滤波子单元532,用于对置零后的所述H通道图像进行增强Lee滤波;
所述第二聚类子单元533,用于对滤波后的所述H通道图像进行K均值聚类,以从所述H通道图像中提取第二区域;所述第二区域用于表征潜在山体滑坡区域。
优选地,所述第三提取单元54包括:分割子单元541、第三滤波子单元542、第三聚类子单元543、第四滤波子单元544、确定子单元545;其中,
所述分割子单元541,用于从所述HSI颜色空间中的所述I通道图像中分割出所述第二区域;
所述第三滤波子单元542,用于对所述第二区域的所述I通道图像进行增强Lee滤波;
所述第三聚类子单元543,用于对所述第三滤波子单元542滤波后的所述I通道图像进行K均值聚类;
所述第四滤波子单元544,用于对K均值聚类后的所述I通道图像进行形态学滤波;
所述确定子单元545,用于根据区域属性参数从形态学滤波后的所述I通道图像中确定出第三区域;所述第三区域用于表征精确山体滑坡区域。
本领域技术人员应当理解,图5所示的PolSAR图像的处理装中的各单元及其子单元的实现功能可参照前述PolSAR图像的处理方法的相关描述而理解。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其他的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个系统,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性的、机械的或其他形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元,即可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于一计算机可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。
以上所述,仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。