CN107392208B - 基于光谱空间映射与纯化的对象光谱特征提取方法 - Google Patents
基于光谱空间映射与纯化的对象光谱特征提取方法 Download PDFInfo
- Publication number
- CN107392208B CN107392208B CN201710372190.3A CN201710372190A CN107392208B CN 107392208 B CN107392208 B CN 107392208B CN 201710372190 A CN201710372190 A CN 201710372190A CN 107392208 B CN107392208 B CN 107392208B
- Authority
- CN
- China
- Prior art keywords
- image
- multispectral
- pixel
- resolution
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明是一种基于光谱空间映射与纯化的对象光谱特征提取方法。首先根据全色与多光谱图像像元之间的空间关系映射得到全色图像初始光谱特征空间S;其次基于全色图像分割结果O定义多光谱像元对象纯度,得到多光谱像元对象纯度图;最后设定对象纯度阈值和与全色图像同大小的标记图像B,对象纯度高于阈值对应B的位置记为1,低于阈值对应B的位置记为0,结合S、B和O统计对象内标记为1的像元初始映射光谱特征的均值得到对象的光谱特征。本发明适用于高分辨率遥感图像单一数据源全色与多光谱图像之间或者多种分辨率数据源间面向对象分析过程中对象的光谱特征提取,可广泛应用于面向对象的专题目标识别、土地覆盖分类与变化检测等领域。
Description
技术领域
本发明是一种基于光谱空间映射与纯化的对象光谱特征提取方法,适用于高分辨率遥感图像单一数据源全色与多光谱图像之间或者多种不同分辨率数据源间面向对象分析过程中对象的光谱特征提取。本发明可广泛应用于面向对象的专题目标识别、土地覆盖分类与变化检测等领域。
背景技术
随着对地观测技术的快速发展,一系列高分辨率遥感卫星的陆续升空,使得高分辨率对地观测数据的获取能力大幅提升,人类进入到多源高分辨率对地观测数据获取的新时代。传统的遥感图像信息提取都是基于最原始的像元级光谱特征进行的。面向对象的图像处理与分析技术的出现,使得图像处理的基本单元由像元过渡到对象,使得特征空间由单一像元光谱特征扩展到对象的光谱特征。面向对象的对象光谱特征提取是对遥感图像分割对象的光谱特征进行统计,得到各个对象的光谱特征向量,进而构成面向对象专题目标识别和分类等应用的光谱特征空间。面对多源的高分辨率遥感数据,如何实现高分辨率遥感图像空间特征与低分辨率遥感图像光谱特征的有机融合,准确提取分割对象的光谱特征,是高分辨率遥感图像综合应用的热点与难点。
不同遥感卫星传感器的波段数目和对应的波谱覆盖范围也不一样。对于中低分辨率遥感数据(例如Landsat-5有7个波段、Landsat-8有11个波段等)具有中等数量的光谱波段数;对于高分辨率光学遥感图像一般包括一个高分辨率全色波段和四个相对低分辨率多光谱波段,光谱测量仅在蓝、绿、红、近红外等范围(例如GF-1、GF-2、SPOT-5等)。高分辨率光学遥感图像提供了更多的空间结构和纹理等细节信息,而较低分辨率的遥感图像则较好地体现了地物的光谱特征,如何实现高分辨率遥感图像空间信息与相对较低分辨率遥感图像光谱信息的有机融合是多源遥感图像面向对象分析与信息提取的关键。常用的处理方法是首先将相对较低分辨率的多光谱图像与较高分辨率的全色图像进行图像融合,然后再基于融合后的高分辨率多光谱图像进行图像分割对象的光谱特征提取。然而,在图像融合的过程中往往会发生光谱信息的失真和丢失,没有最大程度的保留图像的原始光谱特征,图像融合结果的好坏直接决定了特征提取的效果和最终特征应用的精度。同时,基于图像融合的特征提取方法适用于两个数据源图像之间的融合与对象光谱特征提取,对三个及以上不同分辨率数据源的对象光谱特征提取存在一定的局限性。
对象的光谱特征是面向对象遥感图像处理与分析的特征基础,研究高效的多源遥感图像分割对象光谱特征提取方法,对于提高多源遥感图像的光谱信息利用效率,促进多源遥感图像综合应用具有十分重要的应用价值。因此,本发明从高分辨率与低分辨率遥感图像像元间的空间对应关系出发,提出了基于光谱空间映射与纯化的对象光谱特征提取方法,将高分辨率遥感全色图像与低分辨率遥感多光谱图像像元之间的空间对应关系,扩展到高分辨率全色图像分割结果中对象与低分辨率多光谱图像中像元之间的空间对应关系,基于光谱空间映射和纯化策略,实现高分辨率全色图像空间信息与低分辨率多光谱图像光谱信息的有机融合,减少了图像融合的过程中的光谱丢失和失真,最大程度的保留了地物对象的原始光谱特征,为后续面向对象分析与应用提供更优的光谱特征空间。
发明内容
本发明是一种实用的面向对象的光谱特征提取方法,将高分辨率全色遥感图像与低分辨率多光谱遥感图像像元间的空间对应关系扩展到高分辨率全色图像分割结果中对象与低分辨率多光谱遥感图像中像元之间的空间对应关系,采用光谱空间映射与纯化的策略,实现多源高分辨率遥感图像空间特征与低分辨率遥感图像光谱特征的有机融合,获得面向对象分析的光谱特征空间。
方法具体的步骤为:
第一步:生成高分辨率遥感全色图像的初始光谱特征空间S
根据高分辨率遥感全色图像与低分辨率遥感多光谱图像之间的分辨率比,建立图像像元之间的空间映射关系。以分辨率比为1:4的遥感数据为例,多光谱图像上的一个像元对应全色图像上一个4×4的图像块,是一种一对多的空间映射关系,因此,给定全色图像上的一个像元坐标就能求得对应的多光谱图像上的像元坐标,这样全色与多光谱图像对的像元之间就建立了空间映射关系,对应的坐标位置用下述公式计算:
x′i=Int((xi-1)/4)+1
y′i=Int((yi-1)/4)+1
上述两个公式中,Int()函数表示向下取整,(xi’,yi’)表示多光谱图像中像元的行列位置,(xi,yi)表示全色图像中像元的行列位置。同理,给定一个多光谱像元的坐标位置,能够求得对应的全色图像中像元组的位置。根据高分辨率全色遥感图像与低分辨率多光谱遥感图像像元之间的空间对应关系,可以将低分辨率多光谱图像像元的光谱信息直接映射赋值到全色图像的每个像元上,形成全色图像的初始光谱特征空间S。
第二步:基于高分辨率全色图像的分割结果O,定义低分辨率图像多光谱像元的对象纯度
低分辨率多光谱图像上的1个像元对应高分辨率全色图像上的16个像元(以全色图像与多光谱图像的空间分辨率比1:4为例),全色图像上的16个像元可能会隶属于不同的分割对象。如果一个多光谱像素对应的全色图像子块完整的落在同一个分割对象内,那么相应的位置上全色图像像元应该被赋予相同的光谱向量数值,但是,如果一个多光谱像元落在两个甚至多个对象上,那么该多光谱像元认为可能是由多种地物混合而成,直接映射赋值方式会产生光谱的不确定性,因此,为了消除这种地物混合多光谱像元的影响,定义多光谱图像中像元的对象纯度来度量多光谱像元是属于一个对象还是多个对象,计算公式如下:
公式中P表示多光谱图像中像元的对象纯度;NMax表示一个低分辨率多光谱像元对应的高分辨率全色图像块的像素个数,由高分辨率全色与低分辨率多光谱图像分辨率的比值确定,以分辨率比1:4为例,则NMax为16;NMaxObject表示多光谱像元对应的全色图像块中,面积最大对象对应的像素数。如果多光谱像元的对象纯度P为1,说明多光谱像元对应全色图像块中所有的像元均在同一个区域内且具有相同的光谱信息;如果多光谱像元的对象纯度P小于1,则说明该多光谱像元会落在两个或者两个以上的分割对象中,可能是多种地物混合的光谱信息。通过对所有的多光谱像元计算,得到多光谱图像的对象纯度图Mp。
第三步:基于全色图像的初始光谱特征空间S和多光谱像元的对象纯度图Mp,计算对象的光谱特征
在通过光谱空间映射机制得到全色图像的像元光谱特征的过程中,人为设定一个多光谱像元对象纯度阈值Tp和一个与全色图像相同大小的标记图像B,对于Mp中对象纯度大于等于阈值的多光谱像元对应的标记图像像元位置标记为1,对于Mp中小于对象纯度阈值的多光谱像元对应的标记图像像元位置标记为0。最后结合初始光谱特征空间S、标记图像B和全色图像分割结果O,统计对象内部标记值为1的像元初始映射光谱特征的均值来表示该对象的光谱特征。通过这种光谱空间映射与纯化的方式,可以剔除处于两个及以上对象边界处混合多光谱像元的影响,从而更加准确的提取对象的光谱信息。
依次对分割结果O上的每个对象,按照第一至三步的方法进行对象的光谱特征提取就得到整个分割图像面向对象的光谱特征空间。
对于多种不同分辨率数据源的情况,只需将最高分辨率全色图像依次与多源的多光谱图像分别组成图像对,采用上述方法步骤分别进行对象特征提取,最终组成了对象的多源光谱特征空间。
附图说明
附图1为本发明所设计的对象光谱特征提取流程图。
附图2为实验采用的遥感图像。
附图3为全色图像像元的初始映射光谱特征。
附图4为多光谱像元的对象纯度图。
附图5为全色图像映射空间的标记图。
具体实施方式
1、附图2为对象光谱特征提取采用的SPOT-5高分辨率遥感图像,子图像a为全色图像,1个波段,图像大小为1200×1200像元;子图像b为全色图像分割后的图像,图像大小为1200×1200像元;子图像c为全色图像对应的多光谱图像的第1个波段,图像大小为300×300像元。
2、高分辨率全色图像与多光谱图像之间的分辨率比为1:4,则依据像元之间的空间对应关系,将多光谱像元的光谱特征直接映射到全色图像的每个像元上,形成全色图像的多光谱初始映射结果S,附图3展示的为全色图像的像元初始映射多光谱特征空间,子图像a展示的全色图像从多光谱图像第1波段映射到的初始结果;子图像b展示的全色图像从多光谱图像第2波段映射到的初始结果;子图像c展示的全色图像从多光谱图像第3波段映射到的初始结果;子图像d展示的全色图像从多光谱图像第4波段映射到的初始结果。
4、设定多光谱像元的对象纯度阈值Tp为1,生成全色图像的标记图像B,对象纯度大于等于Tp的多光谱像元对应的全色标记图像的像素位置标记为1,对象纯度小于Tp的多光谱像元对应的全色标记图像像素的位置标记为0,附图5展示的是全色图像的标记图像B。
5、结合全色图像的像元多光谱初始映射结果S、标记图像B和全色图像分割结果O,统计每个对象内部标记值为1的像元的映射光谱特征的均值,最终得到了基于光谱空间映射与纯化方法提取的对象光谱特征空间。
Claims (1)
1.基于光谱空间映射与纯化的对象光谱特征提取方法,其步骤为:
第一步:生成高分辨率遥感全色图像的初始光谱特征空间S
根据高分辨率遥感全色图像与低分辨率遥感多光谱图像之间的分辨率比,建立图像像元之间的空间映射关系,所述分辨率比的值为1:4,多光谱图像上的一个像元对应全色图像上一个4×4的图像块,是一种一对多的空间映射关系,给定全色图像上的一个像元坐标就能求得对应的多光谱图像上的像元坐标,对应的坐标位置计算公式如下:
x′i=Int((xi-1)/4)+1
y′i=Int((yi-1)/4)+1
上述两个公式中,Int()函数表示向下取整,(xi’,yi’)表示多光谱像元的行列位置,(xi,yi)表示全色图像中像元的行列位置,根据高分辨率全色遥感图像与低分辨率多光谱遥感图像像元之间的空间对应关系,可以将低分辨率多光谱图像像元的光谱信息直接映射赋值到全色图像的每个像元上,形成全色图像的初始光谱特征空间S;
第二步:基于高分辨率全色图像分割结果O,定义低分辨率多光谱图像像元的对象纯度
所述分辨率比的值为1:4,低分辨率多光谱图像上的1个像元对应高分辨率全色图像上的16个像元,全色图像上的16个像元可能会隶属于不同的分割对象,如果一个多光谱像素对应的全色图像子块完整的落在同一个分割对象内,那么相应的位置上全色图像像元应该被赋予相同的光谱向量数值,但是,如果一个多光谱像元落在两个甚至多个对象上,那么该多光谱像元认为可能是由多种地物混合而成,直接映射赋值方式会产生光谱的不确定性,因此,为了消除这种地物混合多光谱像元的影响,定义多光谱图像中像元的对象纯度来度量多光谱像元是属于一个对象还是多个对象,计算公式如下:
公式中P表示多光谱图像中像元的对象纯度,NMax表示一个低分辨率多光谱像元对应的高分辨率全色图像块的像素个数,由高分辨率全色与低分辨率多光谱图像分辨率的比值确定,所述分辨率比的值为1:4,NMax则为16,NMaxObject表示多光谱像元对应的全色图像块中面积最大对象对应的像素数,通过对所有的多光谱像元计算,得到多光谱图像的对象纯度图Mp;
第三步:基于全色图像的初始光谱特征空间S和多光谱像元的对象纯度图MP,计算对象的光谱特征
在通过光谱空间映射机制得到全色图像的像元光谱特征的过程中,人为设定一个多光谱像元对象纯度阈值Tp和一个与全色图像相同大小的标记图像B,对于Mp中对象纯度大于等于阈值的多光谱像元对应的标记图像像元位置标记为1,对于Mp中小于对象纯度阈值的多光谱像元对应的标记图像像元位置标记为0,最后结合初始光谱特征空间S和标记图像B,统计对象内部标记值为1的像元初始映射光谱特征的均值来表示该对象的光谱特征;
依次对分割结果O上的每个对象,按照第一至三步的方法进行对象的光谱特征提取就得到整个分割图像面向对象的光谱特征空间;
对于多种不同分辨率数据源的情况,需要将最高分辨率全色图像依次与多源的多光谱图像分别组成图像对,采用上述方法步骤分别进行对象特征提取,最终组成了对象的多源光谱特征空间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710372190.3A CN107392208B (zh) | 2017-05-23 | 2017-05-23 | 基于光谱空间映射与纯化的对象光谱特征提取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710372190.3A CN107392208B (zh) | 2017-05-23 | 2017-05-23 | 基于光谱空间映射与纯化的对象光谱特征提取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107392208A CN107392208A (zh) | 2017-11-24 |
CN107392208B true CN107392208B (zh) | 2020-05-22 |
Family
ID=60338996
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710372190.3A Active CN107392208B (zh) | 2017-05-23 | 2017-05-23 | 基于光谱空间映射与纯化的对象光谱特征提取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107392208B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110853062B (zh) * | 2019-11-20 | 2023-05-26 | 中国科学院遥感与数字地球研究所 | 一种多光谱光学遥感图像的快速分割方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682441A (zh) * | 2012-03-01 | 2012-09-19 | 清华大学 | 基于亚像元映射的高光谱图像超分辨重建方法 |
CN103914817A (zh) * | 2014-03-04 | 2014-07-09 | 西安电子科技大学 | 一种基于区域划分和插值的多光谱和全色图像融合方法 |
CN104933690A (zh) * | 2015-06-04 | 2015-09-23 | 中国科学院遥感与数字地球研究所 | 基于混合亚像元解混的遥感多光谱与全色图像融合方法 |
CN105261000A (zh) * | 2015-09-17 | 2016-01-20 | 哈尔滨工程大学 | 一种基于端元提取与光谱解混的高光谱图像融合方法 |
CN105335965A (zh) * | 2015-09-29 | 2016-02-17 | 中国科学院遥感与数字地球研究所 | 一种高分辨率遥感图像多尺度自适应决策融合分割方法 |
WO2016041079A1 (en) * | 2014-09-16 | 2016-03-24 | University Of New Brunswick | Optical sensor systems and image processing methods for remote sensing |
CN106204450A (zh) * | 2016-07-08 | 2016-12-07 | 咸阳师范学院 | 基于深度稀疏自编码的多尺度几何遥感图像融合方法 |
CN106548450A (zh) * | 2016-09-30 | 2017-03-29 | 西安电子科技大学 | 一种高光谱图像超分辨方法、装置及计算机可读介质 |
-
2017
- 2017-05-23 CN CN201710372190.3A patent/CN107392208B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102682441A (zh) * | 2012-03-01 | 2012-09-19 | 清华大学 | 基于亚像元映射的高光谱图像超分辨重建方法 |
CN103914817A (zh) * | 2014-03-04 | 2014-07-09 | 西安电子科技大学 | 一种基于区域划分和插值的多光谱和全色图像融合方法 |
WO2016041079A1 (en) * | 2014-09-16 | 2016-03-24 | University Of New Brunswick | Optical sensor systems and image processing methods for remote sensing |
CN104933690A (zh) * | 2015-06-04 | 2015-09-23 | 中国科学院遥感与数字地球研究所 | 基于混合亚像元解混的遥感多光谱与全色图像融合方法 |
CN105261000A (zh) * | 2015-09-17 | 2016-01-20 | 哈尔滨工程大学 | 一种基于端元提取与光谱解混的高光谱图像融合方法 |
CN105335965A (zh) * | 2015-09-29 | 2016-02-17 | 中国科学院遥感与数字地球研究所 | 一种高分辨率遥感图像多尺度自适应决策融合分割方法 |
CN106204450A (zh) * | 2016-07-08 | 2016-12-07 | 咸阳师范学院 | 基于深度稀疏自编码的多尺度几何遥感图像融合方法 |
CN106548450A (zh) * | 2016-09-30 | 2017-03-29 | 西安电子科技大学 | 一种高光谱图像超分辨方法、装置及计算机可读介质 |
Non-Patent Citations (5)
Title |
---|
Applying fused multispectral and panchromatic data of Landsat ETM+ to object oriented classification;Lewinski S 等;《New Developments and Challenges in Remote Sensing》;20060602;第1-7页 * |
Change detection from remotely sensed images: From pixel-based to object-based approaches;MasroorHussain 等;《ISPRS Journal of Photogrammetry and Remote Sensing》;20130630;第89卷;第91-106页 * |
OBJECT-BASED LAND COVER CLASSIFICATION FOR ALOS IMAGE COMBINING TM SPECTRAL INFORMATION;Wang, Guizhou 等;《International Archives of the Photogrammetry Remote Sensing and Spatial Information Sciences》;20131117;第263-266页 * |
多光谱图像与全色图像的像素级融合研究;刘哲 等;《数据采集与处理》;20030930;第18卷(第3期);第296-301页 * |
多端元光谱混合分析综述;戚文超 等;《遥感信息》;20161031;第31卷(第5期);第11-18页 * |
Also Published As
Publication number | Publication date |
---|---|
CN107392208A (zh) | 2017-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11823363B2 (en) | Infrared and visible light fusion method | |
CN103927741B (zh) | 增强目标特征的sar图像合成方法 | |
WO2018076138A1 (zh) | 基于大尺度高分辨率高光谱图像的目标探测方法及装置 | |
CN107688777B (zh) | 一种协同多源遥感影像的城市绿地提取方法 | |
CN103503027A (zh) | 摄像装置所用的颜色校准方法 | |
CN106355607B (zh) | 一种宽基线彩色图像模板匹配方法 | |
CN110263716B (zh) | 一种基于街景图像的遥感影像超分辨率土地覆被制图方法 | |
CN106097252B (zh) | 基于图Graph模型的高光谱图像超像素分割方法 | |
CN110598564A (zh) | 基于OpenStreetMap的高空间分辨率遥感影像迁移学习分类方法 | |
CN113570536B (zh) | 基于cpu和gpu协同处理的全色和多光谱影像实时融合方法 | |
CN112016478A (zh) | 一种基于多光谱图像融合的复杂场景识别方法及系统 | |
CN109741337B (zh) | 基于Lab色彩空间的区域合并分水岭彩色遥感影像分割方法 | |
CN113642463B (zh) | 一种视频监控和遥感图像的天地多视图对齐方法 | |
CN107392208B (zh) | 基于光谱空间映射与纯化的对象光谱特征提取方法 | |
CN105631849B (zh) | 多边形目标的变化检测方法及装置 | |
CN112164055A (zh) | 一种基于颜色分割的光伏电池色差分类方法 | |
CN104766068A (zh) | 一种多规则融合的随机游走舌像提取方法 | |
CN105184736B (zh) | 一种窄重叠双视场高光谱成像仪的图像配准的方法 | |
CN107220615B (zh) | 一种融合兴趣点大数据的城市不透水面信息提取方法 | |
Yan et al. | Render-and-compare: Cross-view 6-DoF localization from noisy prior | |
Du et al. | Computation method of phenotypic parameters based on distribution map of kernels for corn ears | |
CN109359583B (zh) | 一种遥感影像中显著性面状特定目标提取方法 | |
CN108846361B (zh) | 一种基于谱带特异性学习的高光谱图像分类方法 | |
Dayal et al. | Diagnostic utilisation of ground based imaging and non-imaging sensors for digital documentation of heritage sites | |
Luo et al. | A shadow detection method from urban high resolution remote sensing image based on color features of shadow |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |