ukey' s biweight函数的双边滤波方法对图像进行平滑处理， Tukey ' s biweight函数中的尺度参数为步骤(S1 -1)计算的结果。
[0048]对于真彩色遥感图像(RGB图像），在三个颜色通道分别实施双边滤波处理，使用耦 合向量的形式进行平滑计算处理，即在计算邻域光谱差值时，将同一位置处像素值当作向 量处理，光谱差值的结果用一维的向量差值的范数来表示。对于多光谱(超过3通道)的遥感 图像，可以使用主成分分析或者独立成分分析的方法进行降维处理，然后在3个主成分输出 上进行平滑处理。
[0049] (S1-3)使用梯度算子计算平滑后的图像梯度，对于单光谱的灰度图像，直接使用 Sobel算子计算梯度幅值作为梯度信息，对多光谱图像，使用彩色梯度检测算子计算梯度幅 值信息。梯度算子的方法可以参考闪萨雷斯的数字图像处理译著，这里不赘述。
[0050] (S1-4)将得到的梯度进行归一化处理，得到图像的强度梯度IG。
[0051]步骤S2,提取图像的纹理梯度，其流程如如图2所示，过程如下：
[0052] (S2-1)将高分辨率遥感图像输入到Gabor滤波器组的各个子滤波器中，得到mn个 子通道滤波输出。滤波器的波长选择依据图像的纹理特征分布，对于大周期的纹理图像取 大波长值的Gabor滤波器，在本实施例中，使用前4个波长的Gabor滤波输出，能够满足大部 分遥感图像处理需求，即P名，4名為滤波器组的方向角设为{〇，jt/6，V3，V2,2 π/3,5π/6}。
[0053] (S2-2)使用步骤S1中的改进双边滤波器对纹理图像进行滤波，双边滤波方法中的 滤波窗口范围设定为Gabor滤波波长的2倍，消除图像中各通道纹理信息的纹理泄露效应。 [0054] (S2-3)对(S2-2)中的输出继续进行处理，采用中值滤波器方法滤除图像中的纹理 边界效应，中值滤波的窗口宽度设定为4倍的Gabor滤波器波长宽度。
[0055] (S2-4)对每个通道的平滑处理后结果，使用梯度算子计算梯度幅值，得到各个通 道的纹理梯度输出TGi，其中i = l，· · ·，mn〇
[0056] 步骤S3,进行梯度融合并使用分水岭变换完成图像的分割，过程如下：
[0057] (S3-1)对纹理梯度图像进行形态学膨胀操作，各个子通道纹理梯度的膨胀操作所 使用的结构元素的半径设为该纹理子通道对应的波长，结构元素的形状采用圆盘型结构， 膨胀后各个子通道的纹理梯度为DTG1<3
[0058] (S3-2)对每个通道输出DTGi进行归一化和累加，得到最终的纹理梯度图像TG，归 一化和累加公式表不为：
[0059]
(9)
[0060] (S3-3)将强度梯度IG与纹理梯度TG进行融合，得到总的梯度表示HG。
[0061 ] (S3-4)对HG梯度图像进行h-minima极小值变换处理，消除梯度图像中深度小于h 的区域。
[0062] (S3-5)在梯度HG上使用分水岭变换，实现图像的分割。
[0063]本发明的内容通过以下仿真结果进一步进行说明。
[0064] (1)仿真内容：仿真分为两步，第一步验证本发明方法的合理性和有效性，对基于 不同视觉信息得到的分割结果进行仿真;第二步验证本发明方法的优势，将本发明的方法 与当前典型的分割算法进行比较，本实施例中采用遥感领域中的多分辨率分割算法和计算 机视觉领域中的JSEG分割方法作为比较对象。
[0065] (2)仿真实验结果
[0066]仿真实验一，在一幅0.38米每像素分辨率的遥感图像上，在本发明方法所提出的 强度梯度、纹理梯度以及融合梯度上分别进行分割实验，三种梯度的结果代表了基于不同 视觉信息的分割效果，图3为本发明方法的实例化结果图，其中h-minima极小值设定为 0.015〇
[0067] 在结果中，图3(a)为输入的高分辨率遥感图像；图3(b)为计算得到的平滑尺度分 布图像，图中可见纹理区域对应着高的平滑尺度参数，保证纹理区域能够被有效平滑处理； 图3(c)为过双边滤波平滑后得到的梯度图像，噪声和纹理得到有效抑制，得到强度梯度； 图3(d)为强度梯度的分割结果，图中的非纹理区域如不透水层等的边界得到有效的分割， 边界定位准确，而在纹理区域，如树林、草地等，不能有效分割；图3(e)为经过形态学膨胀后 的纹理梯度；图3(f)为在纹理梯度上实现的分水岭分割，可以看出，纹理对象的边缘识别效 果好，但是对建筑物、道路等非纹理区域边缘定位差；图3(g)为将强度梯度和纹理梯度融合 后的梯度；图3(h)为利用融合后梯度得到的分割结果，图中对物体的边缘识别分割效果好， 其分割结果结合了强度梯度和纹理梯度的优点，明显优于只采用一种视觉信息的梯度分割 方法。
[0068] 仿真实验二，在0.3米每像素分辨率的城区遥感图像中，分别使用多分辨率方法、 JSEG(Joint Systems Engineering Group)方法和本发明方法进行分割实验，限制各方法 产生相同数量的分割区域，比较方法的结果，得到图4的实例化结果图。
[0069]在图4中三种方法分别生成250和500个分割区域，图4(a)为多分辨率分割方法250 个区域分割结果；图4(b)为多分辨率分割方法500个区域分割结果；图4(c)为JSEG方法250 个区域分割结果；图4(d)为JSEG方法500个区域分割结果；图4(e)为本发明方法250个区域 分割结果;图4(f)为本发明方法500个区域分割结果。
[0070] 从图4可见，多分辨分割方法容易在地物边缘处产生过分割，并且边界定位准确性 较低，JSEG方法在增加分割区域后也会在非纹理区域产生过分割现象，本发明方法分割区 域增加时，只会增加纹理区域的分割，同时本发明方法的边界定位准确性明显高于多分辨 率分割和JSEG方法，且过分割和欠分割效应在三种方法中最低。
[0071] 以上结合附图对本发明的【具体实施方式】进行了描述，但并非本发明保护范围的限 制，本领域技术人员对本发明不需付出创造性劳动即可做出的各种修改或变形，都涵盖在 本发明的保护范围之内。
【主权项】
1. 一种视觉感知启发的高分辨率遥感图像分割方法，其特征是，将图像中的信息按照 视觉系统机理分为光谱均质区域对应的强度边界和光谱变化区域对应的纹理边界两类，然 后分别提取图像中的两种视觉信息，并使用梯度表示边界，方法包括如下步骤： 步骤SI,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； 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，然 后将运些梯度相加得到图像总的纹理梯度. 步骤S3,将强度梯度和纹理梯度分别进行归一化处理后相加，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。2. 根据权利要求1所述的图像分割方法，其特征在于，所述步骤Sl中，所采用的的非线 性滤波方法为改进的双边滤波器方法，该滤波器的滤波核函数使用化key'S Mweight函 数，函数中的尺度参数使用图像像素的邻域中值和全局离差中位数两者中的最大值表示， 每一像素对应一个尺度参数。3. 根据权利要求1所述的图像分割方法，其特征在于，所述步骤S2中，Gabor滤波器组的 参数设置依据哺乳动物的视觉感受野特征，子滤波器的设计采用1倍频程波长，相邻滤波器 波长满足2的倍数关系，并且最小波长设为2准:，同时，方向半幅值带宽设为V6,方向角选 取{0，V6，V3，V2，2 V3，加/6}。4. 根据权利要求1所述的图像分割方法，其特征在于，所述步骤S2中，使用步骤Sl中的 改进双边滤波器对纹理图像进行滤波，消除纹理泄露效应，双边滤波器的滤波窗口范围设 定为Gabor滤波波长的2倍。5. 根据权利要求1所述的图像分割方法，其特征在于，所述步骤S2中，采用中值滤波器 方法消除纹理对象边界出现的多重边缘现象，中值滤波的窗口宽度设定为4倍的Gabor滤波 器波长宽度。6. 根据权利要求1所述的图像分割方法，其特征在于，所述步骤S3中，梯度融合之前对 纹理梯度进行形态学膨胀操作。7. 根据权利要求1所述的图像分割方法，其特征在于，所述步骤S3中，强度梯度IG和纹 理梯度TG的融和方法按照下式进行：其中，（x，y)为图像中像素坐标，med i an为中值算子，HG为融合后的梯度。
【专利摘要】本发明公开了一种视觉感知启发的高分辨率遥感图像分割方法，该方法将图像中的物体边界分为光谱均质区域对应的强度边界和光谱变化区域对应的纹理边界两类，分别提取这两种视觉信息作为分割的主要依据，方法的步骤为：通过非线性滤波方法滤除图像中的噪声和纹理信息，再利用梯度算子得到强度梯度；使用Gabor滤波器组分析图像的纹理特征，将多通道滤波输出进行合并和梯度算子处理，得到图像纹理梯度；强度梯度和纹理梯度进行融合，在融合后的梯度图像上使用分水岭变换，实现图像的分割。本发明相较于现有技术提高了图像分割的边界准确性，同时减轻过分割和欠分割现象，可有效应用于高分辨率遥感图像信息处理领域。
【IPC分类】G06T7/00
【公开号】CN105513060
【申请号】CN201510862868
【发明人】张立民, 张建廷, 钟兆根, 徐涛, 张兵强
【申请人】中国人民解放军海军航空工程学院
【公开日】2016年4月20日
【申请日】2015年11月30日