一种视觉感知启发的高分辨率遥感图像分割方法
【技术领域】
[0001] 本发明属于图像处理技术领域，更进一步涉及高分辨率遥感图像分割技术领域中 的一种模拟视觉感知机制的分割方法。本发明主要用于高分辨率的卫星遥感图像、航空遥 感图像的分割，以达到图像中地物信息提取的目的。
【背景技术】
[0002] 高分辨率遥感图像能够提供丰富的地面物体细节，但也增加了同质区域的内部光 谱差异并呈现出多样的纹理特性，此外，传感器在成像过程中会引入噪声，这些都增加了遥 感图像准确分割的难度。近年来，高分辨率遥感图像主要基于面向地理对象的图像分析 (GE0BIA)方法，首先将图像分割为互不重叠的区域，称为对象，对象边界的准确性决定了后 续特征提取和分类的质量。为了产生对象，需要借助于图像分割方法，当前在GE0BIA中多采 用多分辨率分割算法，其本质上是一种综合考虑对象形状和光谱信息的区域生长方法，这 种方法的缺点是尺度相关，需要多种尺度参数综合选优，并且分割过程没有考虑纹理因素， 难以得到准确的对象边界描述，容易产生过分割和欠分割现象。
[0003] 对视觉感知机制的研究表明，视觉信息处理的早期过程主要将零散、单一的视觉 信息组织成大单位、有意义的对象及它们的相互关系的过程。这里对象指具备一致视觉信 息(光谱强度、纹理等）的区域，根据视觉掩盖效应，当图像区域中存在复杂纹理时，HVS对该 区域内的视觉信号失真不敏感，也即将该区域视为一个"整体"。当前图像分割的发展趋势 是模拟人类视觉系统(HVS)对图像的解译过程，综合考虑各种视觉信息，如边缘、光谱强度、 纹理和空间关系属性等，将图像分割为与现实物体相对应的不重叠子区域，如何在算法层 面更好地模拟HVS系统对图像信息的处理，是一个亟待研究的问题。
[0004] 为了改善高分辨率遥感图像分割过程只考虑光谱信息的不足，一些研究尝试将更 多的视觉信息引入到分割过程，如加入边缘信息来改善区域合并效果，利用边缘信息进行 分水岭标记和分割，在分割时考虑纹理信息，提取纹理特征、融合光谱信息的混合特征表示 和区域生长合并等方面展开研究。但这些方法主要采用竞争机制来确定图像的梯度信息， 边界确定过程中只采用一类信息，与自然图像中同时存在纹理梯度和光谱强度梯度矛盾， 与HVS分析图像过程不符，高分辨率的遥感图像中相邻物体间既有光谱强度差异产生的边 界也有纹理物体的边界，过多考虑纹理容易在光谱强度边界产生纹理边界效应，而且图像 中的噪声很容易造成过分割现象和边界定位不准的问题。
【发明内容】
[0005] 本发明所针对上述现有技术的不足，提出一种模拟视觉感知机制的高分辨率遥感 图像分割方法。方法依据人类视觉系统能够将纹理区域和光谱均匀区域视为整体来处理 这一特性，分别提取图像中光谱均匀区域的边界和光谱变化的纹理区域边界，然后将二者 有效融合并实现图像的分割，解决现有遥感图像分割方法中使用单一光谱信息、边界定位 不准确等问题，提高遥感分割的分割精度，降低遥感信息提取过程中的后期处理复杂度。
[0006] 本发明实现上述目的的思路是:分别提取图像中的光谱均匀区域和纹理区域，首 先借助于具有边缘保持特性的非线性滤波器方法对输入图像进行处理，滤除图像中的噪声 和纹理信息，在梯度算子的作用下得到光谱均匀区域的强度梯度;然后使用能够模拟视觉 感受野方向和频率选择特性的Gabor滤波器组提取图像的纹理能量特征，将这些纹理输出 进行适当的滤波和平滑处理后，得到纹理区域信息，进而得到纹理梯度图像，将两类边界信 息融合后使用分水岭变换得到最终的分割结果。
[0007] 本发明的基本步骤为：
[0008] 步骤S1，提取图像的强度梯度，采用具有边缘保持特性的非线性滤波方法，滤除图 像中的噪声和纹理信息，借助于梯度检测算子得到强度梯度图像；
[0009] 步骤S2,提取图像的纹理梯度，使用Gabor滤波器组提取不同方向和波长对应的纹 理能量图像，对输出图像进行滤波、平滑处理，借助于梯度检测算子得到各通道的纹理梯 度；
[0010] 步骤S3，将强度梯度和纹理梯度进行融合，首先对各个子通道纹理梯度进行膨胀 操作，然后进行累加和归一化，并与归一化后的强度梯度相加，得到最终的融合梯度图像， 对融合梯度图像使用分水岭算法，得到最终的分割结果。
[0011] 所述的步骤S1中使用的非线性滤波模型为改进双边滤波模型，双边滤波模型的表 达式为：
[0012](1) ii^qxp)
[0013]其中，I为输入图像，f为输出图像，p、q为像素位置，q( ·)表示邻域集合算子，w (·)为空间距离权值函数，g( ·)为光谱值差异权值函数，传统的双边滤波器中的g( ·)为 高斯函数，在本发明中，使用Tukey's biweight函数替换高斯函数，表达式为：
[0014] m
[0015] 式干，官κ皮麥双，1史用示全局尺度参数，该参数由整幅图像的光谱分 布特性得到，这里使用绝对离差中位数表示，表达式为：
[0016] = 1,4826MAD(V/) = l,4826mediani(|| V/-median,(|| V/1|) ||) (3:)
[0017] 其中，Ψ7为梯度算子，median为中值算子。采用全局平滑尺度参数忽略了遥感图像 中区域间的局部差异，尤其是在纹理与非纹理交界的边界处，为此使用局部梯度统计中值 来表示局部尺度参数，以区分纹理和边缘，表达式为：
[0018]
(4)
[0019] 则，σ = Ασ,+，其中的常数为梯度阈值修正量。
[0020] 所述的步骤S2中，使用Gabor函数的实部提取纹理能量特征，第m波长和第η个方向 的Gabor图像滤波植型为：
[0021]
(5)
[0022] 其中，按照1倍频程波长，相邻滤波器波长满足2的倍数关系，同时根据哺乳动物的
[0023] (6) VI细胞的方向半幅值响应方向带宽为3T/6的性质，取Gabor滤波器的半幅值方向带宽31/6,则 得到
[0024] 式中，h( ·)为Gabor滤波函数，λ为Gabor滤波器的波长，Θ为旋转角度。
[0025]所述的步骤S2中，为了消除对各通道输出纹理图像的纹理泄露效应，使用步骤S1 中的改进双边滤波器对纹理图像进行滤波，双边滤波器的滤波窗口范围设定为Gabor滤波 波长的2倍。
[0026]所述步骤S2中，各通道的纹理输出在光谱分布均匀区域交界处伴随着纹理边界效 应，即图像中对象的边界出现多重边缘现象，为消除纹理边界效应，采用中值滤波器方法对 结果进行处理，中值滤波的窗口宽度设定为4倍的Gabor滤波器波长宽度。
[0027]所述步骤S3中，纹理梯度和强度梯度融合之前，对纹理梯度进行预处理。在图像纹 理区域和光谱均匀区域交界处，纹理梯度与强度梯度的表示会产生不一致的现象，分水岭 变换过程中容易生成边界对象，本发明处理此问题的方法是对纹理梯度图像进行膨胀操 作，公式为：
[0028] (/十&)(x，_>·) = max{/(x-χ'ν-η? kf) eZ?) (/)
[0029] 膨胀后的纹理边界在分割结果中不受影响，同时，纹理与均质区域交界处以强度 梯度信息为主，保证了分割结果的准确性。
[0030] 所述步骤S3中，归一化后的强度梯度IG和归一化后的纹理梯度TG的融和方法按照 下式进行：
[0031]
(8)
[0032]其中，（x，y)为图像中像素坐标，median为中值算子，HG为融合后的最终梯度表示。 [0033]所述步骤S3中，使用标准分水岭变换实现图像的分割，为了避免区域极小值的影 响，引入h_极小值抑制方法来去除能导致冗余分割的极小值影响。
[0034]本发明的有益效果是：
[0035] (1)同时考虑了光谱信息和纹理信息，与传统只基于光谱的分割方法相比，能对纹 理区域进行更好的分割，降低纹理区域中过分割的问题；
[0036] (2)分别提取光谱均匀区域边界和纹理边界的信息，与视觉感知系统的图像解译 过程相似，能够得到更高的对象边界定位准确性；
[0037] (3)纹理特征处理过程采用的非线性滤波和中值滤波方法，增强了纹理边界提取 的有效性；
[0038] (4)本发明降低了遥感图像信息提取过程中的尺度依赖和选择复杂度，减少过分 割和欠分割的问题，能够在高分辨率遥感图像处理领域得到较好的应用。
【附图说明】
[0039] 图1是本发明所提出的视觉感知启发的高分辨率遥感图像分割方法的总体流程 图；
[0040] 图2是本发明中的纹理梯度提取流程图；
[0041] 图3是本发明中基于不同的梯度(强度梯度、纹理梯度和融合梯度)得到的分割结 果；
[0042] 图4是本发明与现有典型分割算法(多分辨率分割算法和超像素分割算法)在高分 辨率遥感图像上的分割结果比较图。
【具体实施方式】
[0043]下面结合附图与实例对本发明进一步详细说明。
[0044] 图1是本发明的总体流程图，以下结合流程图对本实施例的实现过程进行详细说 明。
[0045] 步骤S1，提取输入图像的强度梯度，过程如下：
[0046] (S1-1)计算输入高分辨率遥感图像的平滑尺度参数〇,得到图像的平滑尺度分布， 本实施例中计算局部尺度的窗口宽度设为11到15的值均能够达到较好的效果，这里窗口宽 度设为13。
[0047] (S1-2)使用基于T