一种遥感影像尺度计算方法、可读存储介质和计算机设备

摘要

本发明提供一种遥感影像尺度计算方法、可读存储介质和计算机设备用于解决现有技术中计算得出的尺度参数对于分割和物理影像中的基元时，分割的精度和效率均不高的问题。其中遥感影像尺度计算方法，包括：S101获取矢量边缘信息；S102基于矢量边缘信息计算空域尺度，获得空域尺度图像；S103基于矢量边缘信息和空域尺度图像计算获得值域尺度图像。本发明将遥感影像中的矢量边缘及其形状特征信息作为约束条件，进行遥感影像分割的空域尺度与值域尺度计算。分别从地理空间和光谱空间两方面获得遥感影像多尺度分割的尺度参数，并且提高了影像分割的精度及效率。

权利要求

1.一种遥感影像尺度计算方法，其特征在于：包括：S101获取矢量边缘信息；

S102基于矢量边缘信息计算空域尺度，获得空域尺度图像；

S103基于矢量边缘信息和空域尺度图像计算获得值域尺度图像；

其中，所述S102基于矢量边缘信息计算空域尺度，获得空域尺度图像包括：计算遥感影像中的每个像素点在K个方向上到相应边缘的距离，像素点在K个方向上到相应边缘的距离分别为N1～Nk；K等于2的n次方，n大于等于2；

设置的空域尺度影像中该像素点对应的像素点的像素值Sd为N1～Nk的平均值；

所述S103基于矢量边缘信息和空域尺度图像计算获得值域尺度图像，包括：对于遥感影像中的每一像素点，计算从该像素点到对应边缘的K个方向上，每个方向上所有像素点的光谱值之和平均值，获得ME1～MEk；

计算ME1～MEk的平均值作为该像素点的值域尺度值。

2.根据权利要求1所述的方法，其特征在于，在步骤S101之前包括：S201在接收遥感影像；

S202对遥感影像进行预处理，预处理包括全色影像融合处理与多光谱影像滤波处理；

S203、对预处理后的遥感影像提取矢量边缘信息。

3.根据权利要求1所述的方法，其特征在于，所述S103基于矢量边缘信息和空域尺度计算值域尺度，包括：对于空域尺度图像中的每一像素点，计算从该像素点到对应的边缘的K个方向上，每个方向上所有像素点的光谱值的中值，获得MI1～MIk；

计算MI1～MIk的中值作为该像素点的值域尺度值。

4.根据权利要求1所述的方法，其特征在于，所述S103基于矢量边缘信息和空域尺度计算值域尺度，包括：对于空域尺度图像中的每一像素点，计算从该像素点到对应边缘的K个方向上，每个方向上所有像素点的光谱值之和平均值，获得ME1～MEk；

计算ME1～MEk的中值作为该像素的值域尺度值。

5.根据权利要求2所述的方法，其特征在于，所述多光谱影像滤波处理包括中值滤波、高斯滤波、均值漂移、双边滤波或各向异性扩散滤波中的一种或多种。

6.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1至5任一所述方法的步骤。

7.一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上执行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5任一所述方法的步骤。

说明书

一种遥感影像尺度计算方法、可读存储介质和计算机设备

技术领域

[0001] 本发明涉及计算机技术，具体涉及一种遥感影像尺度计算方法、可读存储介质和计算机设备。

背景技术

[0002] 在基于对象遥感影像分析研究领域，尺度计算是一个重要的研究方向。目前，围绕有关遥感影像多尺度影像分割已经提出了许多尺度计算方法。由于高空间分辨率遥感影像数据自身的复杂性，以及地理对象尺寸和空间分布模式的差异性，很难建立一个全局尺度参数模型来有效地指导大区域多尺度分割参数(同时在空间域和光谱域进行相邻像素同质性与异质性测度)的计算。工程实践表明，自适应获取合理的尺度参数不仅对分割结果的精确性起到关键作用，而且也深刻影响着物理影像基元的有效识别和后期处理。

[0003] 尺度是描述遥感影像多尺度分割异质性阈值的标尺，具有衡量物理影像基元内部像素同质性与测度空间地物语义影像目标彼此间异质性的功能，合理的尺度使得物理影像基元与对应的空间地物语义影像目标在边缘上最大程度的吻合。近10年来，研究人员相继提出了基于对象的遥感影像分析方法及相关技术实现；作为“高分辨率对地观测的若干前沿科学问题”——遥感影像理解与信息提取核心技术之一的多尺度影像分割以任意尺度生成几何与属性信息丰富的物理影像基元 (满足几何与光谱同质性准则的邻接像元集合)，继而以物理影像基元为基本空间分析单元，利用其几何特征与光谱统计信息实现对地物语义影像目标(物理影像基元或由其组合形成的影像区域的地学语义描述) 的自动识别与分类。多尺度遥感影像分割作为基于对象遥感影像分析核心技术之一获得了研究人员的广泛关注，目前基于对象遥感影像分析方法且已经初步商业化的多尺度影像分割方法以集成在和Feature 软件中的算法为代表；此外，各类文献介绍的影像分割方法及实现的算法很多；在这些算法中适当的尺度参数来描述分割时相邻像素在空间域和光谱域的异质性和同质性范围。但这些方法或算法应用于高空间分辨率遥感影像分割时仍存在明显的局限性，该局限性体现为现有技术中计算得出的尺度参数对于分割物理影像中的基元时，分割的精度和效率均不高。

发明内容

[0004] 鉴于上述问题，本发明提出了克服上述问题或者至少部分地解决上述问题的一种遥感影像尺度计算方法、可读存储介质和计算机设备。

[0005] 为此目的，第一方面，本发明提出一种遥感影像尺度计算方法，包括：

[0006] S101获取矢量边缘信息；

[0007] S102基于矢量边缘信息计算空域尺度，获得空域尺度图像；

[0008] S103基于矢量边缘信息和空域尺度图像计算获得值域尺度图像。

[0009] 可选的，在步骤S101之前包括：

[0010] S201在接收遥感影像；

[0011] S202对遥感影像进行预处理，预处理包括全色影像融合处理与多光谱影像滤波处理；

[0012] S203、对预处理后的遥感影像提取矢量边缘信息；

[0013] 可选的，所述S102基于矢量边缘信息计算空域尺度，获得空域尺度图像，包括：

[0014] 计算遥感影像中的每个像素点在k个方向上到相应边缘的距离，像素点在k个方向上到相应边缘的距离分别为N1～Nk；

[0015] 设置的空域尺度影像中该像素点对应的像素点的像素值Sd为 N1～Nk的平均值。

[0016] 可选的，所述S103基于矢量边缘信息和空域尺度图像计算获得值域尺度图像，包括：对于遥感影像中的每一像素点，计算从该像素点到对应边缘的八个方向上，每个方向上所有像素点的光谱值之和平均值，获得ME1～MEk；

[0017] 计算ME1～MEk的平均值作为该像素点的值域尺度值。

[0018] 可选的，所述S103基于矢量边缘信息和空域尺度计算值域尺度，包括：

[0019] 对于空域尺度图像中的每一像素点，计算从该像素点到对应的边缘的K个方向上，每个方向上所有像素点的光谱值的中值，获得 MI1～MIk；

[0020] 计算MI1～MIk的中值作为该像素点的值域尺度值。

[0021] 可选的，所述S103基于矢量边缘信息和空域尺度计算值域尺度，包括：

[0022] 对于空域尺度图像中的每一像素点，计算从该像素点到对应边缘的K个方向上，每个方向上所有像素点的光谱值之和平均值，获得 ME1～MEk；

[0023] 计算ME1～MEk的中值作为该像素的值域尺度值。

[0024] 可选的，所述多光谱影像滤波处理包括中值滤波、高斯滤波、均值漂移、双边滤波或各向异性扩散滤波中的一种或多种。

[0025] 第二方面，本发明提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上任一所述方法的步骤。

[0026] 第二方面，本发明提供一种计算机设备，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上执行的计算机程序，所述处理器执行所述程序时实现如上任一所述方法的步骤。

[0027] 由上述技术方案可知，本发明将遥感影像中的矢量边缘及其形状特征信息作为约束条件，进行遥感影像分割的空域尺度与值域尺度计算。分别从地理空间和光谱空间两方面获得遥感影像多尺度分割的尺度参数，并且提高了影像分割的精度及效率。

[0028] 前面是提供对本发明一些方面的理解的简要发明内容。这个部分既不是本发明及其各种实施例的详尽表述也不是穷举的表述。它既不用于识别本发明的重要或关键特征也不限定本发明的范围，而是以一种简化形式给出本发明的所选原理，作为对下面给出的更具体的描述的简介。应当理解，单独地或者组合地利用上面阐述或下面具体描述的一个或多个特征，本发明的其它实施例也是可能的。

附图说明

[0029] 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

[0030] 图1为本发明的一个实施例的方法流程示意图；

[0031] 图2a为本发明的一个实施例中某一像素点的八个方向示意图；

[0032] 图2b为本发明的一个实施例中当前像素点到边缘八个方向的距离；

[0033] 图2c为本发明的一个实施例中局部最优空域尺度参数影像可视化表达示例；

[0034] 图3a为本发明的一个实施例中的原始遥感影像；

[0035] 图3b为图3a对应的值域尺度影像(通过均值-值域尺度算法得到的影像)；

[0036] 图3c为图3a对应的值域尺度影像(通过中值-值域尺度算法得到的影像)；

[0037] 图3d为图3a对应的值域尺度影像(通过联合-值域尺度算法得到的影像)；

[0038] 图4a为本发明的一个实施例中的遥感影像尺度计算实验数据，其中标注了待识别区域；

[0039] 图4b为图4a经过高斯滤波处理后的遥感影像；

[0040] 图4c为图4a经过中值滤波处理后的遥感影像；

[0041] 图4d为图4a经过均值滤波处理后的遥感影像；

[0042] 图4e为图4a经过双边滤波处理后的遥感影像；

[0043] 图4f为图4a经过)均值漂移滤波处理后的遥感影像；

[0044] 图4g为图4a经过各向异性扩散滤波处理后的遥感影像；

[0045] 图5为图4a对应的矢量边缘信息提取结果；

[0046] 图6为图4a对应的空域尺度影像；

[0047] 图7a为图4a对应的值域尺度影像(通过均值-值域尺度算法得到的影像)；

[0048] 图7b为图4a对应的值域尺度影像(通过中值-值域尺度算法得到的影像)；

[0049] 图7c为图4a对应的值域尺度影像(通过联合-值域尺度算法得到的影像)。

具体实施方式

[0050] 下面将结合示例性的通信系统描述本发明。

[0051] 需要说明的是，本文中使用诸如S101、S102之类的标记，其并不是为了暗示S101和S102之间的顺序，而是为了便于在描述中用该类标记指代具体的步骤，使本文中的指代具体清楚，便于阅读。

[0052] 如图1所示，本实施例公开一种遥感影像尺度计算方法，包括：

[0053] S101获取矢量边缘信息；

[0054] S102基于矢量边缘信息计算空域尺度，获得空域尺度图像；

[0055] S103基于矢量边缘信息和空域尺度图像计算获得值域尺度图像。

[0056] 空域尺度利用遥感影像的几何边缘特征和形状特征等信息，计算决定遥感影像分割的同质性影像对象大小并确定最优物理影像基元在空间域的空间范围。

[0057] 值域尺度在空域尺度计算的基础上，综合运用平均值、中值、方差、标准差等统计量，对物理影像基元内像元的光谱信息进行计算，得到同质性影像对象光谱域的值域尺度。

[0058] 在本发明的一个公开实施例中，输入的遥感影像如图4a所示，需要说明的是，图4a 中人工标注了待识别的物体的位置。图4a经过处理后获得的矢量边缘信息如图5所示，通过图5计算获得空域尺度，对空域尺度进行可视化表达获得的图像如图6所示；基于矢量边缘信息和空域尺度图像计算获得值域尺度；图4a对应的值域尺度通过可视化表达获得的图像如图7a-7c所示，图3a对应的值域尺度通过可视化表达获得的图像如图3b-3d。

[0059] 本发明将遥感影像中的矢量边缘及其形状特征信息作为约束条件，进行遥感影像分割的空域尺度与值域尺度计算。分别从地理空间和光谱空间两方面获得遥感影像多尺度分割的尺度参数，并且提高了影像分割的精度及效率。

[0060] 可以理解的是矢量边缘信息可以是通过下述方法获得的：

[0061] S201在接收遥感影像；遥感影像如图3a所示。

[0062] S202对遥感影像进行预处理，预处理包括全色影像融合处理与多光谱影像滤波处理；

[0063] S203、对预处理后的遥感影像提取矢量边缘信息；

[0064] 全色影像融合处理包括GS融合(Gram-Schmidt融合)。在一个实施例中，GS融合包括：第一步，从低分辨率的波段中复制出一个全色波段。第二步，对复制出的全色波段和多波段进行Gram-Schmidt变换，其中全色波段被作为第一个波段。第三步，用高空间分辨率的全色波段替换Gram-Schmidt变换后的第一个波段。最后，应用Gram-Schmidt 反变换得到融合图像。

[0065] 多光谱影像滤波处理包括中值滤波、高斯滤波、均值漂移、双边滤波或各向异性扩散滤波等。多光谱影像滤波处理可以是以上处理的一种或多种。相对单波段灰度影像而言,多波段高空间分辨率遥感影像中可用于边缘检测的光谱信息更加丰富。高空间分辨率遥感影像红绿蓝三个标准波段在RGB、IHS、Y IQ、YUV、C IELUV色彩空间中对各种地物矢量边缘信息的有效提取。由于波谱范围差异的影响,在上述色彩空间中不同地物类型边缘检测时响应程度具有显著的不同，从而对高空间分辨率遥感影像中不同地物类型边缘检测特征选择与提取。

[0066] 在步骤S202中，全色影像融合与多光谱影像滤波处理的结合有利于全色影像空间分辨率与多光谱影像光谱分辨率之间的优势互补。而实施滤波处理达到增强边缘特征的同时消除影像数据中的干扰噪声；

[0067] 而在步骤S203中利用多波段矢量边缘检测方法进行遥感影像矢量边缘信息提取以及虚假边缘信息剔除。

[0068] 在一个实施例中，所述S102基于矢量边缘信息计算空域尺度，获得空域尺度图像包括：

[0069] 计算遥感影像中的每个像素点在k个方向上到相应边缘的距离，像素点在k个方向上到相应边缘的距离分别为N1～Nk；

[0070] 设置的空域尺度影像中该像素点对应的像素点的像素值Sd为 N1～Nk的平均值。K等于2的n次方，n大于等于2；即K可以是4、8、 16等。

[0071] 在本发明的一个实施例中，所述计算遥感影像中的每个像素点在8 个方向上到相应边缘的距离(即K＝8)，像素点在8个方向上到相应边缘的距离分别为N1～N8，包括：对整幅遥感影像(如图4a所示的原始遥感影像)逐行列逐像素进行处理。将当前像素点的八个方向(如图 2a所示，八个方向分别为逆时针0度，45度，90度，135度，180度， 225度，270度和360度)到矢量边缘距离(即N1～N8)和的平均值作为这个像素点的新像素值；可以理解的是，若K＝4则将当前像素点的在4个方向(该4个方向将360度平分)到矢量边缘距离(分别为N1-N4)，若是K＝16则是当前像素的360度按16等分平分后产生的16个方向，共产生N1-N116共16个距离值。

[0072] 将该新像素值作为该像素点对应的空域尺度值，即空域尺度影像中该像素点对应的像素点的像素值Sd为该新像素值,即：。

[0073]

[0074] 其中N＝8，i＝1，2，…，8；

[0075] 对依据新像素值生成的局部最优空域尺度参数数据进行影像可视化表达得到的图像如图2c、2b所示。

[0076] 空域尺度约束条件下的遥感影像值域尺度计算有三种方法，平均- 值域尺度方法，中值-值域尺度方法，联合-值域尺度方法(也称作均值-中值-值域尺度方法)。为便于对三种方法进行描述，先对两个基本术语进行定义。

[0077] 第一个是平均方向像素值，指像素点到语义影像目标边缘(边缘由矢量边缘信息表示，目标边缘指具体像素点沿特定的方向延长遇到的第一个边缘)的八个方向上，每个方向上所有像素光谱值之和的平均值，用ME表示。计算公式如下所示，八个方向一共有八个ME值，分别记为ME1～ME8。

[0078]

[0079] 其中i表示方向，一共有8个方向，i＝1，2…，8；n是每个方向上像素点的个数，j＝1，2，…，n。Pj是像素j的光谱值。

[0080] 第二个是中值方向像素值，指像素点到语义影像目标边缘的八个方向上，每个方向上所有像素值的中值，用MI表示。同理，八个方向一共有八个MI值，分别记为MI1～MI8；计算公式如下所示：

[0081] MIi＝med{P1，P2，…，Pn}

[0082] 其中Pj是像素j的光谱值，每个方向共有n个像素，j＝1，2，…， n。med{}为中值函数。

[0083] 在本发明的一个实施例中，所述S103基于矢量边缘信息和空域尺度图像计算获得值域尺度图像，包括通过平均-值域尺度方法计算值域尺度值，平均-值域尺度方法计算值域尺度值如下：

[0084] 对于遥感影像中的每一像素点，计算从该像素点到对应边缘的八个方向上，每个方向上所有像素点的光谱值之和平均值，获得 ME1～ME8；

[0085] 计算ME1～ME8的平均值作为该像素点的值域尺度值。

[0086] 即该像素点的在值域尺度图像中对应像素点的像素值为Ve；

[0087]

[0088] 图7a为通过均值-值域尺度方法计算得到的影像；

[0089] 在本发明的一个实施例中，所述S103基于矢量边缘信息和空域尺度计算值域尺度，包括通过中值-值域尺度方法计算值域尺度值，该方法如下所述：

[0090] 对于空域尺度图像中的每一像素点，计算从该像素点到对应的边缘的八个方向上，每个方向上所有像素点的光谱值的中值，获得 MI1～MI8；

[0091] 计算MI1～MI8的中值作为该像素点的值域尺度值Vm，即：

[0092] Vm＝med{MI1,MIi,...,MI8}。

[0093] 图7b为通过中值-值域尺度方法计算得到的影像。

[0094] 在本发明的一个实施例中，所述S103基于矢量边缘信息和空域尺度计算值域尺度，包括通过联合-值域尺度方法计算值域尺度值，该方法如下：

[0095] 对于空域尺度图像中的每一像素点，计算从该像素点到对应边缘的八个方向上，每个方向上所有像素点的光谱值之和平均值，获得 ME1～ME8；

[0096] 计算ME1～ME8的中值作为该像素的值域尺度值，即该像素的值域尺度值Vem＝med{ME1,ME2,...，ME8}。

[0097] 本文中Vem、Ve、Vm都是指值域尺度值，下脚标仅代表计算过程的不同，并不用于指示他们的值的含义不同。

[0098] 例如，图7c为通过联合-值域尺度方法计算得到的影像。

[0099] 本发明还包括一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。

[0100] 本发明还包括存储器、处理器以及存储在所述存储器上并可在所述处理器上执行的计算机程序，所述处理器执行所述程序时实现上述的步骤

[0101] 本文中使用的“至少一个”、“一个或多个”以及“和/或”是开放式的表述，在使用时可以是联合的和分离的。例如，“A、B和C中的至少一个”，“A、B或C中的至少一个”，“A、B和C中的一个或多个”以及“A、B或C中的一个或多个”指仅有A、仅有B、仅有C、A和B一起、A和C一起、B和C一起或A、B和C一起。

[0102] 术语“一个”实体是指一个或多个所述实体。由此术语“一个”、“一个或多个”和“至少一个”在本文中是可以互换使用的。还应注意到术语“包括”、“包含”和“具有”也是可以互换使用的。

[0103] 本文中使用的术语“计算机可读介质”是指参与将指令提供给处理器执行的任何有形存储设备和/或传输介质。计算机可读介质可以是在IP网络上的网络传输(如SOAP)中编码的串行指令集。这样的介质可以采取很多形式，包括但不限于非易失性介质、易失性介质和传输介质。非易失性介质包括例如NVRAM或者磁或光盘。易失性介质包括诸如主存储器的动态存储器(如RAM)。计算机可读介质的常见形式包括例如软盘、柔性盘、硬盘、磁带或任何其它磁介质、磁光介质、 CD-ROM、任何其它光介质、穿孔卡、纸带、任何其它具有孔形图案的物理介质、RAM、PROM、EPROM、FLASH-EPROM、诸如存储卡的固态介质、任何其它存储芯片或磁带盒、后面描述的载波、或计算机可以读取的任何其它介质。电子邮件的数字文件附件或其它自含信息档案或档案集被认为是相当于有形存储介质的分发介质。当计算机可读介质被配置为数据库时，应该理解该数据库可以是任何类型的数据库，例如关系数据库、层级数据库、面向对象的数据库等等。相应地，认为本发明包括有形存储介质或分发介质和现有技术公知的等同物以及未来开发的介质，在这些介质中存储本发明的软件实施。

[0104] 本文中使用的术语“确定”、“运算”和“计算”及其变型可以互换使用，并且包括任何类型的方法、处理、数学运算或技术。更具体地，这样的术语可以包括诸如BPEL的解释规则或规则语言，其中逻辑不是硬编码的而是在可以被读、解释、编译和执行的规则文件中表示。

[0105] 本文中使用的术语“模块”或“工具”是指任何已知的或以后发展的硬件、软件、固件、人工智能、模糊逻辑或能够执行与该元件相关的功能的硬件和软件的组合。另外，虽然用示例性实施方式来描述本发明，但应当理解本发明的各方面可以单独要求保护。

[0106] 术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括……”或“包含……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的要素。

[0107] 尽管已经对上述各实施例进行了描述，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改，所以以上所述仅为本发明的实施例，并非因此限制本发明的专利保护范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围之内。