CN107742277A - 基于分块策略的mps模拟方法 - Google Patents

Abstract

一种基于分块策略的MPS模拟方法，涉及图像处理技术领域，所解决的是非平稳图像模拟的技术问题。该方法先将一个非平稳的训练图像划分为多个平稳的训练分块，再从各个训练分块中选取一个训练分块作为基准分块，参照基准分块内的目标对象，对其它的训练分块采用旋转、缩放的方式分别进行几何变换；然后再遍历各个训练分块的图像，将各个训练分块的图像的概率信息组成一个概率信息库；然后再利用MPS模拟方法及概率信息库，对非平稳的目标图像实施模拟或重构。本发明提供的方法，可广泛应用于天气预报、环境预测、农林和海洋资源勘探等领域。

Description

基于分块策略的MPS模拟方法

技术领域

本发明涉及图像处理技术，特别是涉及一种基于分块策略的MPS模拟方法的技术。

背景技术

空间数据是指包含空间特征的数据集合。现实生活中的空间数据，既有来自科学试验的，也有来自生产实践的，其格式与特征是包罗万象。如通过卫星遥感技术获得的某区域森林植被覆盖率变化的数据，油气储层的渗透率数据，观测获得的气象数据等。在我国，空间数据的应用领域不断扩大，如环境科学、农田水利、气象、林业、海洋等众多领域。

目前估计预测大范围真实有效的空间数据存在一定的难度，出现这种情况的主要原因是科学实验和勘探开发的费用都非常高。数据插值成为估计预测空间数据的一个有效手段。本质上而言，数据插值就是一个数据再生的过程，即由原始数据再生出具有更高分辨率的数据。插值过程就是确定某个函数在两个采样点之间的数值时采用的运算过程，通过离散地输入采样点建立一个连续函数，用这个函数求出任意位置处的函数值。不过在实际应用中，参与插值的数据点个数一般不是很多，而且由于各种主客观因素的影响，实际能采集到的数据点也非常少。

可见，数据插值就是利用所研究的数据中的散乱采样信息，对未采样点处的属性值以一定的物理、数学等有效合理的法则进行估计，以期形成一个完整的属性连续分布的空间数据模型。插值方法大体可分为“确定”性插值方法和“不确定”性插值方法。“确定”性插值方法的插值形式、插值函数参数以及插值结果基本都是确定的，该方法主要包括：距离反比加权法、多项式趋势面法、基函数法、Thin Plate Spline法以及基于三角网格的方法。不确定性插值方法的不确定性一方面表现在选用的插值形式的随机性上，另一方面表现在插值参数的选取和确定需要依赖于概率统计原则。

目前的不确定性插值方法主要采用MPS模拟方法（多点地质统计法，Multiple-Point Statistics）。MPS模拟方法通常通过数据模板把先验模型从训练图像明确而定量地引入到建模当中。先验模型包含了被研究的真实物质中确信存在的样式，而训练图像则是该样式的定量化表达，可以说训练图像中的概率信息决定了最终的模拟结果。通过再现高阶统计量，MPS模拟方法能够从训练图像中捕捉复杂的（非线性）特征样式并把它们复制到插值图像中，从而获得最终模拟结果。但是MPS模拟方法往往会有训练图像不平稳的问题。因此，如何克服MPS模拟方法中训练图像不平稳的缺陷，给空间数据估计预测带来了挑战。

在MPS模拟方法实施模拟或重构时，要求训练图像平稳，即训练图像内目标体的几何构型及目标形态在估计区域基本不变，不存在明显趋势或局部的明显变异性。但是这种平稳性要求很严格，在实际工作中很难满足。例如，图1（a）是一幅河流冲积扇的训练图，其中的黑色区域为河道区域，白色区域为非河道区域，可以看出图1中的河流流向具有一定方向性，而且左上角河道宽度远大于右下角河道宽度，因此这是一幅非平稳的训练图像；图1（b）是采用MPS模拟方法对图1（a）进行模拟期望得到的目标模拟结果图（这是一幅平衡的结果图像），但是实际模拟结果如图1（c）所示，通过图1（c）与图1（b）的对比可以看出两图之间的形态差异很大，模拟效果很差。可见采用MPS模拟方法对于非平稳的训练图像的模拟效果较差。

发明内容

针对上述现有技术中存在的缺陷，本发明所要解决的技术问题是提供一种能提高非平稳图像模拟效果的基于分块策略的MPS模拟方法。

为了解决上述技术问题，本发明所提供的一种基于分块策略的MPS模拟方法，其特征在于：

1）获取一个非平稳的训练图像，并将训练图像划分为多个平稳的训练分块，使得每个训练分块内的目标对象的宽度平均误差、走向平均误差都小于15%；

2）从各个训练分块中选取一个训练分块作为基准分块，并对其它的训练分块采用旋转、缩放的方式分别进行几何变换；

将每一个训练分块缩放至，该训练分块内的目标对象与基准分块内的目标对象的宽度平均误差小于15%；

将每一个训练分块旋转至，该训练分块内的目标对象与基准分块内的目标对象的走向平均误差小于15%；

3）遍历各个训练分块的图像，从而获得各个训练分块的图像的概率信息，并将各个训练分块的图像的概率信息组成一个概率信息库；

4）利用MPS模拟方法，及步骤3）所构建的概率信息库中的概率信息，对非平稳的目标图像实施模拟或重构。

本发明提供的基于分块策略的MPS模拟方法，采用分块策略及几何变换方式，利用非平稳的训练图像构建概率信息库，利用概率信息库为MPS模拟提供图像的概率信息，能提高非平稳图像模拟效果。

附图说明

图1是采用MPS模拟方法对河流冲积扇的非平稳训练图进行模拟的示意图；

图2是本发明实施例的基于分块策略的MPS模拟方法中的训练图像划分示意图；

图3是采用本发明实施例的基于分块策略的MPS模拟方法对图1（a）进行重构所获得的重构图。

具体实施方式

以下结合附图说明对本发明的实施例作进一步详细描述，但本实施例并不用于限制本发明，凡是采用本发明的相似结构及其相似变化，均应列入本发明的保护范围，本发明中的顿号均表示和的关系。

本发明实施例所提供的一种基于分块策略的MPS模拟方法，其特征在于：

1）获取一个非平稳的训练图像，并将训练图像划分为多个平稳的训练分块，使得每个训练分块内的目标对象的宽度平均误差、走向平均误差都小于15%，使得每个训练分块内目标体的几何构型及目标形态在估计区域基本不变，不存在明显趋势或局部的明显变异性；

比如将图2（b）所示的河流冲积扇的非平稳训练图按照图2（a）的方式划分成A1、A2、A3、A4、A5、A6、A7,共7个训练分块；

2）从各个训练分块中选取一个训练分块作为基准分块，并对其它的训练分块采用旋转、缩放的方式分别进行几何变换；

将每一个训练分块缩放至，该训练分块内的目标对象与基准分块内的目标对象的宽度平均误差小于15%；

将每一个训练分块旋转至，该训练分块内的目标对象与基准分块内的目标对象的走向平均误差小于15%；

以图2为例，如果选择训练分块A4为基准分块，则训练分块A4不需要旋转、缩放；

将训练分块A1与训练分块A4进行对比可以看出，训练分块A1需要逆时针旋转45度并缩小到原先的0.5倍才能达到与训练分块A4相似的河道走向及河道宽度，走向平均误差及宽度平均误差控制在15%以内；

将训练分块A2与训练分块A4进行对比可以看出，训练分块A2不需要缩放，但需要逆时针旋转45度才能达到与训练分块A4相似的河道走向，走向平均误差控制在15%以内；

同理，训练分块A3需要逆时针旋转45度并放大到原先的2倍，训练分块A5不需要旋转，但要放大到原先的2倍，训练分块A6不需要缩放，但要逆时针旋转90度，训练分块A7需要逆时针旋转90度并放大到原先的2倍；

3）各个训练分块进行旋转、缩放后，各个训练分块的图像的范围、形态发生了变化，因此在采用MPS模拟方法实施模拟或重构时，需要分别遍历各个训练分块的图像，从而获得各个训练分块的图像的概率信息，并将各个训练分块的图像的概率信息组成一个概率信息库；

4）利用MPS模拟方法，及步骤3）所构建的概率信息库中的概率信息，对非平稳的目标图像实施模拟或重构，所述目标图像与训练图像应当属于同一技术领域，比如目标图像、训练图像都属于河流冲积扇图像。

采用本发明实施例的方法对图1（a）所示的河流冲积扇的训练图进行MPS重构，重构后所得到的图像如图3所示，将图3与图1（b）所示的模拟期望得到的目标模拟结果图进行对比，可以看出图3与图1（b）具有相似的结构特征，即河道特征很接近，并且河道具有不规则的长连通性，说明MPS重构效果较好。

Claims (1)

1.一种基于分块策略的MPS模拟方法，其特征在于：

1）获取一个非平稳的训练图像，并将训练图像划分为多个平稳的训练分块，使得每个训练分块内的目标对象的宽度平均误差、走向平均误差都小于15%；

2）从各个训练分块中选取一个训练分块作为基准分块，并对其它的训练分块采用旋转、缩放的方式分别进行几何变换；

将每一个训练分块缩放至，该训练分块内的目标对象与基准分块内的目标对象的宽度平均误差小于15%；

将每一个训练分块旋转至，该训练分块内的目标对象与基准分块内的目标对象的走向平均误差小于15%；

3）遍历各个训练分块的图像，从而获得各个训练分块的图像的概率信息，并将各个训练分块的图像的概率信息组成一个概率信息库；

4）利用MPS模拟方法，及步骤3）所构建的概率信息库中的概率信息，对非平稳的目标图像实施模拟或重构。