一种自然地物半自动提取方法及计算机设备与流程

1.本发明涉及图像处理与目标识别技术领域，尤其是涉及一种自然地物半自动提取方法及计算机设备。


背景技术：

2.随着遥感技术的发展，遥感影像的分辨率逐渐提高，数据量也在剧增，从遥感影像上快速、准确的提取地物信息越来越重要。目前，主要采用的提取方法包括人工解译提取法、半自动提取法和全自动提取法。其中，人工解译提取法几乎完全依赖于人工目视进行解译，不仅耗时、效率低，而且提取结果具有一定的错判误差；全自动地物提取速度快，但提取边界不准确，尤其是对于复杂地物的提取，全自动提取法精度不高，在实际应用中仍依赖于工解译。
3.半自动提取法可以在人机交互的基础上，通过人工进行辅助，很好的识别地物，防止出现边界不准确或错漏的问题，同时也具有较高的效率。近年来，许多专家和学者进行了遥感影像自然地物半自动提取方法的研究，一定程度上提高了自然地物的提取精度和效率，但还存在提取轮廓部分不完整且不光滑、提取结果与真实地物边缘存在偏差等问题。


技术实现要素：

4.为解决上述背景技术中提出的问题，本发明采取的技术方案为：一种自然地物半自动提取方法，包括如下步骤：
5.s1、获取待提取自然地物的原始遥感影像，并对原始遥感影像进行预处理；
6.s2、对预处理后的影像的各通道求均值化为灰度影像，再对灰度影像进行分割，以生成超像素对象；
7.s3、计算并提取各个超像素对象的纹理特征、光谱特征与形状特征；
8.s4、分别训练前景与背景的纹理特征、光谱特征与形状特征的高斯混合模型；
9.s5、建立影像分割模型，并进行自然地物提取；
10.s6、对步骤s5中的提取结果进行波动消除，消除与当前用户交互过程中不相交的结果，并采用水平集对提取边界进行优化，实现边界轮廓完整且光滑。
11.在一些实施例中，步骤s1中，对原始遥感影像进行预处理时，具体包括如下步骤：
12.对原始遥感影像进行线性拉伸运算，采用归一化法，将影像像素的取值范围归一化至0～255，计算方法如下式：
[0013][0014]
其中，pixel
′
为处理后影像的像素值，pixel为原始遥感影像的像素值，min为原始遥感影像上像素的最小值，max为原始遥感影像上像素的最大值。
[0015]
在一些实施例中，步骤s2中，对灰度影像进行分割，以生成超像素对象时，具体包括如下步骤：
[0016]
采用opencv算法对灰度影像实现种子分水岭分割，在opencv算法实现过程中，由外部提供种子，种子按像素迭代生长，直到到达另一个种子周围段的边界，由这些边界形成分水岭。
[0017]
在一些实施例中，步骤s5中，具体包括如下步骤：
[0018]
建立基于densecrf的影像分割模型，且在建立模型时，通过一元势函数和二元势函数，基于代价最小原则来对模型参数进行估计，并结合影像分割模型与步骤s4中训练得到的前景、背景的高斯混合模型进行自然地物提取。
[0019]
本发明另一方面提供了一种计算机设备，所述计算机设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时，实现上述的自然地物半自动提取方法。
[0020]
与现有技术相比，本发明的有益效果是：
[0021]
本发明提供的自然地物半自动提取方法及计算机设备，能够充分发挥人机协同的优势，能实现人机交互模式下高精度、高效率的自然地物半自动提取，使得提取轮廓完整且光滑，还能使提取结果更好的贴近真实地物边缘。
附图说明
[0022]
图1为本发明提供的自然地物半自动提取方法的流程示意图。
具体实施方式
[0023]
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合附图和具体实施方式，进一步阐述本发明是如何实施的。
[0024]
参照图1所示，本发明提供了一种自然地物半自动提取方法，包括如下步骤：
[0025]
s1、获取待提取自然地物的原始遥感影像，并对原始遥感影像进行预处理。
[0026]
步骤s1中，对原始遥感影像进行预处理时，具体包括如下步骤：
[0027]
对原始遥感影像进行线性拉伸运算，采用归一化法，将影像像素的取值范围归一化至0～255，计算方法如下式：
[0028][0029]
其中，pixel
′
为处理后影像的像素值，pixel为原始遥感影像的像素值，min为原始遥感影像上像素的最小值，max为原始遥感影像上像素的最大值。
[0030]
s2、对预处理后的影像的各通道求均值化为灰度影像，再对灰度影像进行分割，以生成超像素对象。
[0031]
步骤s2中，对灰度影像进行分割，以生成超像素对象时，具体包括如下步骤：
[0032]
采用opencv算法对灰度影像实现种子分水岭分割(也称标记控制分水岭)，在opencv算法实现过程中，由外部提供种子，种子按像素迭代生长，直到到达另一个种子周围段的边界，由这些边界形成分水岭。在opencv实现中，通过将距离合并到种子点，产生的距离度量是传统的基于外观的距离和像素到分段种子的欧氏距离的加权组合，从而限制了分割段的尺寸和延伸，形成紧凑性分段。
[0033]
s3、计算并提取各个超像素对象的纹理特征、光谱特征与形状特征。
[0034]
s4、分别训练前景与背景的纹理特征、光谱特征与形状特征的高斯混合(gmm)模
型。
[0035]
s5、建立影像分割模型，并进行自然地物提取。
[0036]
步骤s5中，具体地，建立基于densecrf的影像分割模型，且在建立模型时，通过一元势函数和二元势函数，基于代价最小原则来对模型参数进行估计，并结合影像分割模型与步骤s4中训练得到的前景、背景的高斯混合模型进行自然地物提取。
[0037]
s6、对步骤s5中的提取结果进行波动消除，消除与当前用户交互过程中不相交的结果，并采用水平集对提取边界进行优化，实现边界轮廓完整且光滑。
[0038]
本发明在进行自然地物提取前，提取各个超像素对象的不同特征，即加入了超分割对象的类别标识，使已提取的对象不再作为后面提取的输入，前一次的提取结果不再影响后面的分割结果；并减少了参与分割的对象数，提高了提取效率。并且，本发明采用的超分割方式，能更好的保持自然地物边缘特性，同时用户手动进行消减时，可实现指哪删哪。此外，本发明在自然地物提取完后，加入了波动消除和水平集光滑等后处理方式，不仅使得提取轮廓完整且光滑，还能使提取结果贴近真实地物边缘。
[0039]
本发明另外提供了一种计算机设备，计算机设备包括处理器，所述处理器用于执行存储器中存储的计算机程序时，实现上述的自然地物半自动提取方法。
[0040]
在一个具体实施例中，该计算机设备在进行自然地物半自动提取时，适用于内部纹理一致，边缘清晰的大面积目标地物，如林地、水域等；采用基于笔画的交互方式，即只需在目标区域内简单画一笔标记，鼠标释放后执行一次提取操作。按下鼠标左键，在感兴趣的目标区域画一笔，鼠标释放时即触发提取事件。若当前笔画与已存在结果区相交，则最终结果将和该已有结果合并；否则，就是两个相邻的区。按下鼠标右键，在待消减的多分错误区域滑动，鼠标释放时即可实现渐进式的区域消减，从而实现区域轮廓的修正。
[0041]
综上，本发明提供的自然地物半自动提取方法及计算机设备，能够充分发挥人机协同的优势，能实现人机交互模式下高精度、高效率的自然地物半自动提取，使得提取轮廓完整且光滑，还能使提取结果更好的贴近真实地物边缘。
[0042]
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围中。