一種自適應(yīng)濾波器實(shí)現(xiàn)多波段圖像自動(dòng)分割的方法技術(shù)

本發(fā)明專利技術(shù)公開了一種自適應(yīng)濾波器實(shí)現(xiàn)多波段圖像自動(dòng)分割的方法，該方法以良好的自適應(yīng)機(jī)制、鄰域模糊類別判定、安全的鄰域閾值分割實(shí)現(xiàn)多波段圖像的自動(dòng)精細(xì)分割。其整套流程主要分成如下幾個(gè)步驟：（１）濾波器設(shè)計(jì)；（２）圖像的分割（斑塊的分割）；（３）合并最小制圖面積圖斑（合并小斑塊）；（４）逐步聚類（分類變量、聚類算法）。其優(yōu)點(diǎn)在于：基于模糊區(qū)域的自適應(yīng)增長，具有動(dòng)態(tài)調(diào)整、自適應(yīng)選擇矢量空間向性、自適應(yīng)選擇權(quán)重、迭代過程收斂快的特點(diǎn)，能實(shí)現(xiàn)各向異性自適應(yīng)濾波和區(qū)域模糊增長。

【技術(shù)實(shí)現(xiàn)步驟摘要】

本專利技術(shù)屬于計(jì)算機(jī)遙感影像信息提取、分類
，涉及到一種適應(yīng)濾波器實(shí) 現(xiàn)多波段圖像自動(dòng)分割的方法，
技術(shù)介紹
圖像分割基于波譜特征將圖像中的像元?jiǎng)澐譃椴煌念悇e，圖斑的劃分過程中很 需要這樣的方法。但多波段圖像中像元各波段灰度值表達(dá)的地物特征，受土壤背景、植被蓋 度、植物構(gòu)成、生長季節(jié)和利用狀況等因素影響，表現(xiàn)出巨大的復(fù)雜性、模糊性，不同類型之 間的邊緣地帶存在連續(xù)性過渡的特點(diǎn)。加上傳感器的干擾信息，不同的地物類別可能有相 似的波譜特性，而同種地物像元之間可能存在很大的差異?；趫D像整體特征的分割方法， 如直方圖分割，強(qiáng)調(diào)同類地物的同質(zhì)性，但因?qū)ζ涠鄳B(tài)性反映較少而影響分割的精度。田青 等(1999)基于G00DALL相近指數(shù)(Goodall，1966，1968)，利用同一地物內(nèi)不同灰度值分布 的頻率，換算出某一灰度值對(duì)某一類的相近似數(shù)，用來分類。該方法需要建立每一種地物的 樣本，分類精度取決于取樣的準(zhǔn)確性，分割后的斑塊依然零亂、細(xì)碎。更多有益的探索來自于基于鄰域的方法。對(duì)于圖像窗口中某一像元及其鄰域來 說，其波譜特征有連續(xù)性變化、缺少明顯類別邊界等特點(diǎn)(Moghaddamzadeh，1997)，每個(gè)像 元可能隸屬于不同的地物類別，且有不同的概率水平，構(gòu)成了典型的模糊集(Cheng，2003)。 Tremeau等(1997)和Moghaddamzadeh(1997)等基于矢量歐氏距離定義了像元的隸屬度函 數(shù)，通過邊緣檢測(cè)和區(qū)域增長實(shí)現(xiàn)圖像分割。Cheng等(2003)則結(jié)合鄰域像元的標(biāo)準(zhǔn)差和 Sobel算子判定像元的同質(zhì)性，同時(shí)考慮全局頻域特性和局部特性，然后在模糊同質(zhì)性直 方圖上用尺度空間濾波器確定分割閾值，最后對(duì)分割后的圖像再進(jìn)行區(qū)域合并。孫丹峰等 (孫丹峰和汲長遠(yuǎn)，1998 ；孫丹峰和林培，2000 ；孫丹峰，2003)利用自組織網(wǎng)絡(luò)理論和自適 應(yīng)模糊規(guī)則分類進(jìn)行土地覆蓋類型的劃分，該方法對(duì)地物內(nèi)部差異具有一定的平滑作用， 分類后斑塊較為完整，但需要建立各種地物較為全面的樣本。Rastislav等(2004)在綜合 各種矢量距離向性加權(quán)濾波器基礎(chǔ)上，提出廣泛權(quán)重選擇矢量濾波器，用于圖像分割后消 除了部分雜噪，保留了較為精細(xì)的邊界。這些方法在像元的類別判定上存在困難和不足，一是部分方法需要不同地物類別 完備的樣本，而根據(jù)地物波譜原理這幾乎是不可能的；二是采用的濾波核是靜態(tài)的，自適應(yīng) 機(jī)制差；三是在解決像元類別歸屬方面多采用一次性的判定，不能充分適應(yīng)鄰域模糊集的 特點(diǎn)；四是支持的地物類別數(shù)量有限，分割后的圖像不夠精細(xì)。本文嘗試采用良好的自適應(yīng)機(jī)制、鄰域模糊類別判定、安全的鄰域閾值分割實(shí)現(xiàn) 圖像的自動(dòng)分割，解決上述方法中存在的困難和不足。實(shí)現(xiàn)準(zhǔn)確精細(xì)的圖像分割需要解決好兩個(gè)方面的問題一是盡可能弱化或消除同 一類別斑塊內(nèi)鄰域像素間的差異；二是確定準(zhǔn)確的邊界，即將不同地物邊界區(qū)域波譜特征 的連續(xù)性和梯度變化通過有效的方法“斷開”，形成合理的邊界，實(shí)質(zhì)上是解決邊緣區(qū)域的 混合像元?dú)w屬問題。這里借鑒數(shù)學(xué)形態(tài)學(xué)中半連續(xù)原理和模糊理論，提出區(qū)域自適應(yīng)模糊增長的方 法。首先假定圖像中地物斑塊的中心區(qū)域?yàn)橐粋€(gè)穩(wěn)定的類集合，斑塊邊緣則部分地包含著 斑塊中心的特征信息，這些信息從中心以一定的梯度傳遞到邊緣。采用迭代濾波方法使集 合不斷地膨脹或區(qū)域不斷地模糊性增長，將穩(wěn)定集合的特征傳遞到邊緣，通過對(duì)邊緣部分 混合像元的競爭，最終形成集合之間的邊界。對(duì)一個(gè)圖像濾波窗口的中心像元和鄰域像素 集合來說，自適應(yīng)地選擇特征相近的像元，以相似程度為權(quán)重將它們的灰度特征部分地傳 遞給要處理的中心像元。隨著這一過程的不斷迭代，在沒有標(biāo)定類中心的情況下，相鄰像元 特征不斷傳遞，可以形成穩(wěn)定的類斑塊。而混合像元在特征傳遞的過程中，不斷向特征最接 近的類靠近，最后納入某一確定的類斑塊中。區(qū)域增長過程中，類別中心是自適應(yīng)地判定 的，每一次區(qū)域增長都是模糊的，并不確知被處理的像元?jiǎng)澐值侥囊活悇e，只是對(duì)同質(zhì)性做 出有限的判定。
技術(shù)實(shí)現(xiàn)思路
在沒有地物類別樣本的情況下，以模糊期望確定濾波向性，并構(gòu)建各向異性的向 量距離倒數(shù)加權(quán)自適應(yīng)濾波算子，實(shí)現(xiàn)迭代方式的模糊類別的區(qū)域自適應(yīng)增長，從而減小 地物斑塊內(nèi)部的差異，區(qū)別混合像元，對(duì)具有灰度連續(xù)性的不同地物邊界進(jìn)行劃分。之后， 對(duì)分割后的斑塊進(jìn)行逐步聚類，實(shí)現(xiàn)精細(xì)的分類。本專利技術(shù)提供的技術(shù)方案是， 包括以下步驟1.濾波器設(shè)計(jì)(1)矢量距離加權(quán)濾波器像元的多波段灰度值集合可視為一個(gè)多維空間的矢量，而像元間波譜特征的差異 可以用矢量之間的距離來表達(dá)。歐氏距離(Euclidean distance)是矢量分析中一個(gè)基礎(chǔ) 的測(cè)度指標(biāo)，像元Xi和Xj之間的歐氏距離Clij定義為 式中X為代表像元多波段灰度值集合的矢量；Xik為矢量Xi第k維度的坐標(biāo)值，即 像元Xi第k波段灰度值；m為矢量的維度，即圖像的波段數(shù)。Clij越大，像元i和j之間的差 異越大。對(duì)于圖像濾波8鄰域窗口(圖像中一個(gè)像元c及其相鄰像元1，2... 8)來說，應(yīng)用 矢量距離倒數(shù)加權(quán)濾波器后中心像元c濾波后的各波段值.邊如下 式中η為濾波窗口像元數(shù)量?？紤]特殊情況，當(dāng)c與j特征相同時(shí)d?！篂?，除數(shù) 為0無法運(yùn)算，故設(shè)Wcu.為wa。w。越大，濾波窗口中與c特征相同的像素形成的類別越穩(wěn)定； 反之，像元信息可能傳遞到更遠(yuǎn)的范圍，形成更大空間范圍的同類別區(qū)域?？梢钥闯?，矢量 距離的倒數(shù)作為權(quán)重應(yīng)用到濾波器中，j與c距離越小，在濾波器中占的權(quán)重越大，j像元傳 遞給c的信息越多。上述矢量距離倒數(shù)加權(quán)濾波的過程，就是對(duì)中心像元c進(jìn)行模糊積分，實(shí)現(xiàn)模糊 信息的聚合。對(duì)c而言，周圍相鄰像元j可以認(rèn)為是現(xiàn)場(chǎng)的或臨時(shí)的類別，通過模糊積分測(cè) 度隸屬度，根據(jù)C對(duì)j隸屬度的不同，使C靠近或遠(yuǎn)離j。(2)自適應(yīng)機(jī)制矢量距離加權(quán)濾波器缺乏自適應(yīng)機(jī)制。本文提出新的自適應(yīng)機(jī)制——模糊區(qū)域增長可以認(rèn)為&是X。的模糊期望，則可鄰域像元j代表一個(gè)區(qū)域，通過j與C、模糊期望e 二者的距離差異判斷中心像元c與j之間在矢量空間的趨向或背離關(guān)系。所以，采用(屯,」-(1。」)/(^作為權(quán)重，不僅自適應(yīng)矢量空間的區(qū)域增長方向，而且是 以矢量距離倒數(shù)為權(quán)重的、傳遞部分特性的模糊增長。 式中W。。越大，則鄰域像元傳遞給c的特征越少；反之，濾波后包含的原有自身信息 越少，圖像越平滑。W。。和W。應(yīng)選擇動(dòng)態(tài)的或與其他鄰域像元權(quán)重之和 相關(guān) 的值，避免權(quán)重差異太大，濾波核失去作用。(3)迭代控制迭代濾波過程中，當(dāng)圖像中收斂的像元達(dá)到一定比例或者兩次迭代之間收斂像元 數(shù)量增加很小時(shí)，迭代終止。收斂速度還與圖像中地物種類多少、整體方差大小、地物形態(tài) 特征明顯程度、線性或邊緣像元多少等有關(guān)，因而迭代次數(shù)一般較難估計(jì)。實(shí)際應(yīng)用中也可 直接指定迭代次數(shù)。2.圖像的分割(斑塊分割)在濾波圖像的基礎(chǔ)上，采用鄰域距離閾值的方法將圖像分割為若干斑塊，即鄰域 中像元之間歐氏距離小于指定閾值Dt的像元給予相同的類別編號(hào)。為保證一個(gè)斑塊內(nèi)不包含多個(gè)類別的信息，采用相對(duì)非常小的、安全的鄰域距離閾值，將圖像分割為精細(xì)的斑塊 圖像。這里將安全閾值設(shè)定為不大于影像波譜響應(yīng)的置信水平或誤差水平。如TM傳感器 的輻射靈敏度一般本文檔來自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種自適應(yīng)濾波器實(shí)現(xiàn)多波段圖像自動(dòng)分割的方法，其特征在于，具體步驟包括：ａ．濾波器設(shè)計(jì)（１）矢量距離加權(quán)濾波器歐氏距離（Ｅｕｃｌｉｄｅａｎｄｉｓｔａｎｃｅ）是矢量分析中一個(gè)基礎(chǔ)的測(cè)度指標(biāo)，像元ｘ↓［ｉ］和ｘ↓［ｊ］之間的歐氏距離ｄ↓［ｉｊ］定義為：ｄ↓［ｉ］＝‖ｘ↓［ｉ］－ｘ↓［ｊ］‖↓［γ］＝（＊｜ｘ↓［ｉｋ］－ｘ↓［ｊｋ］｜↑［２］）↑［１／２］式中Ｘ為代表像元多波段灰度值集合的矢量；ｘ↓［ｉｋ］為矢量ｘ↓［ｉ］第ｋ維度的坐標(biāo)值，即像元ｘ↓［ｉ］第ｋ波段灰度值；ｍ為矢量的的像元給予相同的類別編號(hào)。為保證一個(gè)斑塊內(nèi)不包含多個(gè)類別的信息，采用相對(duì)非常小的、安全的鄰域距離閾值，將圖像分割為精細(xì)的斑塊圖像。這里將安全閾值設(shè)定為不大于影像波譜響應(yīng)的置信水平或誤差水平。ｃ．合并最小制圖面積圖斑（合并小斑塊）算法實(shí)現(xiàn)上從最小面積的小斑塊（１個(gè)像元）開始合并，直到所有小圖斑合并完畢。ｄ．逐步聚類（分類變量、聚類算法）（１）分類變量多波段圖像進(jìn)行分類需要按照分割圖像的類別編號(hào)從原始圖像中讀取并計(jì)算各分割分類變量的值。包括：ａ．斑塊各波段灰度均值。ｂ．斑塊內(nèi)總方差。ｃ．斑塊內(nèi)像元鄰域平均距離。聚類過程中多個(gè)分割圖像合并為１個(gè)類別時(shí)，上述變量以斑塊面積加權(quán)取加權(quán)平均值。（２）聚類算法動(dòng)態(tài)指定閾值逐步聚類將矢量距離較小的類別合并。聚類前，先用變量平方和Ｑ對(duì)斑塊進(jìn)行排序，以減少循環(huán)比較的次數(shù)?？梢宰C明，對(duì)于兩個(gè)圖斑或類別向量Ｖ↓［ｉ］和Ｖｊ及變量平方和Ｑ↓［ｉ］和Ｑ↓［ｊ］，必須滿足下式，二者的距離才可能小于Ｔ↓［ｄ］。：Ｑ↓［ｉ］－Ｑ↓［ｊ］＞２ｍ（＊Ｖ↓［ｊ］↑［ｋ］）＊｜↓［Ｑ↓［ｉ］＞Ｑ↓［ｊ］］Ｑ↓［ｉ］＝＊（Ｖ↓［ｉ］↑［ｋ］）↑［２］ｖ↓［ｉ］↑［ｋ］－是圖斑ｉ向量Ｖ↓［ｉ］的第ｋ個(gè)變量的值，ｍ為變量數(shù)量。維度，即圖像的波段數(shù)。ｄ↓［ｉｊ］越大，像元ｉ和ｊ之間的差異越大。對(duì)于圖像濾波８鄰域窗口（圖像中一個(gè)像元ｃ及其相鄰像元１，２．．．８）來說，應(yīng)用矢量距離倒數(shù)加權(quán)濾波器后中心像元ｃ濾波后的各波段值ｘ↓［ｅ］↑［ｋ］如下：ｘ↓［ｅｋ］＝Σ↓［ｊ＝１］↑［ｎ］ｗ↓［ｃｊ］ｘ↓［ｊｋ］／Σ↓［ｊ＝１］↑［ｎ］ｗ↓［ｃｊ］ｗ↓［ｃｊ］＝＊＊＊式中ｎ為濾波窗口像元數(shù)量。考慮特殊情況，當(dāng)ｃ與ｊ特征相同時(shí)ｄ↓［ｃｊ］為０，除數(shù)為０無法運(yùn)算，故設(shè)ｗ↓［ｃｊ］為ｗ↓［０］。ｗ↓［０］越大，濾波窗口中與ｃ特征相同的像素形成的類別越穩(wěn)定；反...

【技術(shù)特征摘要】

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：董永平，單麗燕，吳新宏，李鵬，拾濤，那日蘇，劉雅學(xué)，
申請(qǐng)(專利權(quán))人：董永平，單麗燕，吳新宏，李鵬，拾濤，那日蘇，劉雅學(xué)，
類型：發(fā)明
國別省市：11[中國|北京]