CN105701819A - 光谱角约束的高光谱遥感影像分割活动轮廓方法 - Google Patents
光谱角约束的高光谱遥感影像分割活动轮廓方法 Download PDFInfo
- Publication number
- CN105701819A CN105701819A CN201610022727.9A CN201610022727A CN105701819A CN 105701819 A CN105701819 A CN 105701819A CN 201610022727 A CN201610022727 A CN 201610022727A CN 105701819 A CN105701819 A CN 105701819A
- Authority
- CN
- China
- Prior art keywords
- wave band
- target
- image
- segmentation
- spectral
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明公开一种基于光谱角约束的高光谱遥感影像分割活动轮廓方法,采用光谱角作为测度指标度量像元间的光谱相似性,并根据类别可分性原则选出适应分割的最优波段,进而设计了一种基于光谱角约束函数的高光谱遥感影像分割活动轮廓模型,将原本应用于二维影像的分割方法扩展应用到多维高光谱遥感影像。本发明可以使得模型在分割过程中综合利用高光谱遥感影像的空间信息和光谱信息,减少了因空间分辨率不足、目标边缘模糊、异质区域等对分割结果造成的影响。
Description
技术领域
本发明涉及图像处理领域,尤其是一种光谱角约束的高光谱遥感影像的分割活动轮廓方法。
背景技术
近年来,遥感影像分割作为遥感影像分析理解、感兴趣区域探测、地物识别等的关键问题而受到重视,先后出现了许多有效的遥感影像分割方法,如主成分分析及直方图、高斯混合模型、快速独立成分分析、基于核方法的光谱角制图模型等。此外,支持向量机、马尔科夫链和神经网络等一些传统的影像分割模型也在遥感影像分割中取得了好的分割效果。
有别于传统遥感影像,高光谱遥感影像除了包含一般数字影像所具有的二维空间信息外还增加了一维光谱信息,很多适应于普通遥感影像的分割算法在高光谱遥感影像分割中未必成立。此外,高光谱遥感影像在提供更为丰富的地物细节信息的同时,也使其数据处理量随着波段和尺寸的增加而急剧膨胀,且存在地物类型复杂多样、不同区域间边界模糊、影像对比度低等问题,给分割工作带来了挑战。因此,需要设计一种适合高光谱遥感影像特点的分割算法,使之既能有效利用光谱信息又能高效地实现高维数据的处理。
基于偏微分方程的影像处理技术因其理论体系完备、灵活性强、易于向高维数据扩展等优点使其在高光谱遥感影像处理问题中有很大的应用潜力。其中,活动轮廓模型作为偏微分方程图像分割算法的研究热点,其原理是在影像感兴趣区域内初始化一条演化曲线,并赋予该曲线能量函数,通过计算能量函数的最小值,即可得到图像分割的结果。C-V模型普遍认为是目前活动轮廓模型发展的最新阶段,也是其中最为有效和经典的模型之一。但是,迄今为止,还没有关于在C-V模型的基础上结合高光谱遥感影像本身特点设计的改进方法相关报道。
发明内容
本发明是为了解决现有技术所存在的上述技术问题,提供一种光谱角约束的高光谱遥感影像的分割活动轮廓方法。
本发明的技术解决方案是:一种光谱角约束的高光谱遥感影像分割活动轮廓方法,其特征在于按如下步骤进行:
步骤1.对高光谱图像进行大气、辐射和几何校正,去除噪声过大的波段,提高高光谱图像信息的整体可靠性;
步骤2.在高光谱遥感影像的目标区域内选择一个像元作为目标地物的参考点,其它像元则视为背景地物;
步骤3.计算目标地物和背景地物在所有波段上的光谱角:
其中,X表示背景地物像元在某一波段下的反射率,Y为目标地物像元在某一波段下的反射率;
步骤4.对目标地物和背景地物在各个波段下的平均光谱角进行排序,将最大光谱角所对应的波段作为分割的最优波段;
步骤5.选择初始轮廓位置对水平集进行初始化;
步骤6.建立能量泛函:
(1)
其中,为用来控制分割区域和边缘平滑度的正值参数,和为[0,1]上的正值参数,分别为曲线内部、外部区域的平均灰度值,为梯度算子,为光谱角函数,为Heaviside函数,用来控制水平集的演化,其具体定义为:
(2)
为狄克拉测量,其定义为:
(3)
步骤7.固定和,使用Euler-Lagrange方程求解公式(1)取最小值时对应的水平集,其梯度下降流形式如下:
(4)
其中,为散度算子,的定义为:
(5)。
本发明首先采用光谱角作为测度指标度量像元间的光谱相似性,依据光谱的相似性构建光谱角约束函数,并根据类别可分性原则选出适应分割的最优波段,在此基础上,构造基于光谱角约束函数的活动轮廓模型。与现有技术相比,本发明具有以下优点:第一,本发明基于区域活动轮廓模型的分割,考虑的是影像的全局灰度信息,有效解决了空间分辨率不足、目标边缘模糊、部分噪声对分割结果造成的影响;第二,对高光谱遥感影像具有很好的区域分割能力并对复杂场景具有一定适应性;第三,与传统C-V模型相比,分割精度更高,运行速度更快,分割精度有所提高且运行时间明显减少。
附图说明
图1是对济南高新园区的WorldView多光谱数据进行分割的结果对比。
图2是在复杂场景下的分割结果对比。
具体实施方式
一种光谱角约束的高光谱遥感影像分割活动轮廓方法,按如下步骤进行:
步骤1.对高光谱图像进行大气、辐射和几何校正,去除噪声过大的波段,提高高光谱图像信息的整体可靠性;
步骤2.在高光谱遥感影像的目标区域内选择一个像元作为目标地物的参考点,其它像元则视为背景地物;
步骤3.计算目标地物和背景地物在所有波段上的光谱角:
其中,X表示背景地物像元在某一波段下的反射率,Y为目标地物像元在某一波段下的反射率;
步骤4.对目标地物和背景地物在各个波段下的平均光谱角进行排序,将最大光谱角所对应的波段作为分割的最优波段;
步骤5.选择初始轮廓位置对水平集进行初始化;
步骤6.建立能量泛函:
(1)
其中,为用来控制分割区域和边缘平滑度的正值参数,和为[0,1]上的正值参数,分别为曲线内部、外部区域的平均灰度值,为梯度算子,为光谱角函数,为Heaviside函数,用来控制水平集的演化,其具体定义为:
(2)
为狄克拉测量,其定义为:
(3)
步骤7.固定和,使用Euler-Lagrange方程求解公式(1)取最小值时对应的水平集,其梯度下降流形式如下:
(4)
其中,为散度算子,的定义为:
(5)。
将本发明实施例与传统C-V方法的图像分割效果进行对比,结果如图1-2所示,可以看出,本发明方法的运行速度更快,且分割精度高于传统C-V方法。
Claims (1)
1.一种光谱角约束的高光谱遥感影像分割活动轮廓方法,其特征在于按如下步骤进行:
步骤1.对高光谱图像进行大气、辐射和几何校正,去除噪声过大的波段,提高高光谱图像信息的整体可靠性;
步骤2.在高光谱遥感影像的目标区域内选择一个像元作为目标地物的参考点,其它像元则视为背景地物;
步骤3.计算目标地物和背景地物在所有波段上的光谱角:
其中,X表示背景地物像元在某一波段下的反射率,Y为目标地物像元在某一波段下的反射率;
步骤4.对目标地物和背景地物在各个波段下的平均光谱角进行排序,将最大光谱角所对应的波段作为分割的最优波段;
步骤5.选择初始轮廓位置对水平集进行初始化;
步骤6.建立能量泛函:
(1)
其中,为用来控制分割区域和边缘平滑度的正值参数,和为[0,1]上的正值参数,分别为曲线内部、外部区域的平均灰度值,为梯度算子,为光谱角函数,为Heaviside函数,用来控制水平集的演化,其具体定义为:
(2)
为狄克拉测量,其定义为:
(3)
步骤7.固定和,使用Euler-Lagrange方程求解公式(1)取最小值时对应的水平集,其梯度下降流形式如下:
(4)
其中,为散度算子,的定义为:
(5)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610022727.9A CN105701819B (zh) | 2016-01-14 | 2016-01-14 | 光谱角约束的高光谱遥感影像分割活动轮廓方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610022727.9A CN105701819B (zh) | 2016-01-14 | 2016-01-14 | 光谱角约束的高光谱遥感影像分割活动轮廓方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105701819A true CN105701819A (zh) | 2016-06-22 |
CN105701819B CN105701819B (zh) | 2018-11-06 |
Family
ID=56227295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610022727.9A Expired - Fee Related CN105701819B (zh) | 2016-01-14 | 2016-01-14 | 光谱角约束的高光谱遥感影像分割活动轮廓方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105701819B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108021887A (zh) * | 2017-12-05 | 2018-05-11 | 中国科学院遥感与数字地球研究所 | 基于空间光谱差比参量的遥感影像分析方法及应用 |
CN112784777A (zh) * | 2021-01-28 | 2021-05-11 | 西安电子科技大学 | 基于对抗学习的无监督高光谱图像变化检测方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050100220A1 (en) * | 2002-11-06 | 2005-05-12 | Keaton Patricia A. | Method and apparatus for automatically extracting geospatial features from multispectral imagery suitable for fast and robust extraction of landmarks |
CN103854281A (zh) * | 2013-12-26 | 2014-06-11 | 辽宁师范大学 | 基于波段选择的高光谱遥感影像矢量c-v模型分割方法 |
-
2016
- 2016-01-14 CN CN201610022727.9A patent/CN105701819B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050100220A1 (en) * | 2002-11-06 | 2005-05-12 | Keaton Patricia A. | Method and apparatus for automatically extracting geospatial features from multispectral imagery suitable for fast and robust extraction of landmarks |
CN103854281A (zh) * | 2013-12-26 | 2014-06-11 | 辽宁师范大学 | 基于波段选择的高光谱遥感影像矢量c-v模型分割方法 |
Non-Patent Citations (2)
Title |
---|
JOHN E.BALL ET AL: "Level Set Hyperspectral Image Classification Using Best Band Analysis", 《IEEE TRANSACTIONS ON GEOSCIENCE & REMOTE SENSING》 * |
王相海 等: "高光谱海岸带区域分割的活动轮廓模型", 《中国图象图形学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108021887A (zh) * | 2017-12-05 | 2018-05-11 | 中国科学院遥感与数字地球研究所 | 基于空间光谱差比参量的遥感影像分析方法及应用 |
CN108021887B (zh) * | 2017-12-05 | 2019-10-01 | 中国科学院遥感与数字地球研究所 | 基于空间光谱差比参量的遥感影像分析方法及应用 |
CN112784777A (zh) * | 2021-01-28 | 2021-05-11 | 西安电子科技大学 | 基于对抗学习的无监督高光谱图像变化检测方法 |
CN112784777B (zh) * | 2021-01-28 | 2023-06-02 | 西安电子科技大学 | 基于对抗学习的无监督高光谱图像变化检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105701819B (zh) | 2018-11-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8472718B2 (en) | Superpixel segmentation methods and systems | |
US9317784B2 (en) | Image processing apparatus, image processing method, and program | |
CN103337072B (zh) | 一种基于纹理与几何属性联合模型的室内对象解析方法 | |
US8594434B2 (en) | Device, method, and computer-readable storage medium for segmentation of an image | |
WO2015043363A1 (zh) | 飞行器地面运动目标红外图像识别装置 | |
CN103745468B (zh) | 一种基于图结构和边界先验的显著性物体检测方法 | |
Fytsilis et al. | A methodology for near real-time change detection between Unmanned Aerial Vehicle and wide area satellite images | |
CN105405138A (zh) | 基于显著性检测的水面目标跟踪方法 | |
Yogeswaran et al. | 3d surface analysis for automated detection of deformations on automotive body panels | |
US8891879B2 (en) | Image processing apparatus, image processing method, and program | |
CN105701819A (zh) | 光谱角约束的高光谱遥感影像分割活动轮廓方法 | |
CN101430789B (zh) | 基于Fast Slant Stack变换的图像边缘检测方法 | |
Sayed et al. | Image object extraction based on curvelet transform | |
WO2020209046A1 (ja) | 物体検出装置 | |
US9323999B2 (en) | Image recoginition device, image recognition method, and image recognition program | |
Gupta | A survey of techniques and applications for real time image processing | |
CN110110665B (zh) | 一种驾驶环境下手部区域的检测方法 | |
CN106355576A (zh) | 基于mrf图像分割算法的sar图像配准方法 | |
Demirkesen et al. | Hyperspectral images and lidar based DEM fusion: A multi-modal landuse classification strategy | |
Rajeswari et al. | Automatic road extraction based on normalized cuts and level set methods | |
CN113781389A (zh) | 一种基于深度图的多视角货物掩膜方法 | |
Csillik | Superpixels: The end of pixels in obia. A comparison of stat-of-the-art superpixel methods for remote sensing data | |
JP2011170554A (ja) | 物体認識装置、物体認識方法及び物体認識プログラム | |
RU2440609C1 (ru) | Способ сегментации растровых изображений на основе выращивания и слияния областей | |
Wang et al. | Spectral-spatial hyperspectral image classification using extended multi attribute profiles and guided bilateral filter |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20181106 Termination date: 20200114 |
|
CF01 | Termination of patent right due to non-payment of annual fee |