基于波段选择的高光谱遥感影像矢量C-V模型分割方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号(10)申请公布号CNCN103854281103854281A(43)申请公布日2014.06.11(21)申请号201310729980.4(22)申请日2013.12.26(71)申请人辽宁师范大学地址116029辽宁省大连市沙河口区黄河路850号(72)发明人王相海方玲玲宋传鸣周夏(74)专利代理机构大连非凡专利事务所21220代理人闪红霞(51)Int.Cl.G06T7/00(2006.01)权权利要求书2页利要求书2页说明书5页说明书5页附图2页附图2页(54)发明名称基于波段选择的高光谱遥感影像矢量C-V模型分割方法(57)摘要本发明公开一种基于波段选择的高光谱遥感影像矢量C-V模型分割方法，首先根据光谱曲线选择目标与背景对比度较大的波段，并进一步通过波段相关系数，去除其中相关性较大的波段形成新的波段组合，进而根据所确定的波段组合构建高光谱影像矢量矩阵；在此基础上，构造基于该矢量矩阵的矢量C-V分割模型，模型中通过引入基于梯度的边缘引导函数，在保留传统C-V模型基于区域信息进行影像分割的基础上，通过利用影像的边缘细节信息，增强了在异质区域和复杂背景情况下对目标边界的捕捉能力，提高了对高光谱遥感影像的分割精度和速度。CN103854281ACN1038542ACN103854281A权利要求书1/2页1.一种基于波段选择的高光谱遥感影像矢量C-V模型分割方法，其特征在于按如下步骤进行：a.根据光谱曲线选择目标与背景对比度较大的波段，并进一步通过波段相关系数，去除其中相关性较大的波段形成新的波段组合，根据所确定的波段组合构建高光谱影像矢量矩阵；b.构造基于该矢量矩阵的矢量C-V分割模型，模型中通过引入基于梯度的边缘引导函数，在保留传统C-V模型基于区域信息进行影像分割的基础上，通过利用影像的边缘细节信息，演化能量函数达到极小值为止，从而得到影像最终分割信息。2.根据权利要求1所述的基于波段选择的高光谱遥感影像矢量C-V模型分割方法，其特征在于所述a步骤是用和分别代表目标像元和背景像元，将所有波段在像元和处所对应的灰度值分别记为、，和，其中n为波段数，则第波段像元、处的对比度差异可以表示为，设定阈值=65，通过下列式选择出目标与背景对比度大的波段：；对所选择的波段影像，将第1个波段的影像作为关键帧影像；依次计算其后续的影像与该影像的相关系数,直到遇到相关系数小于事先确定阈值的影像，并将该影像其作为新的关键帧影像；相关系数计算如下：设和为两个不同的波段影像数据，和分别为对应的均值，和的相关系数定义如下，当，=65时，去除该波段：重复该过程直到处理完所有的选择波段帧，所保留下来的关键帧影像形成新的波段组合；所述根据所确定的波段组合构建高光谱影像矢量矩阵是：设所选择的波段影像组合共有m个波段影像，每个影像的空间大小为，则构造所选择的波段影像矢量矩阵如下：其中(;)为像元灰度值矢量，包含了m个波段在空间位置2CN103854281A权利要求书2/2页处的像元灰度值，其值为：式中为所选择的个波段中的第()个波段在空间位置处的灰度值；进一步，构造m个波段影像的均值灰度矩阵如下：其中。3.根据权利要求2所述的基于波段选择的高光谱遥感影像矢量C-V模型分割方法，其特征在于所述b步骤构造基于该矢量矩阵的矢量C-V分割模型如下：其中,和（）是用来近似图像强度的矢量值,(k=1,2,…，n)表示第k波段的高光谱图像;和表示第通道轮廓曲线内、外部区域的平均灰度值。3CN103854281A说明书1/5页基于波段选择的高光谱遥感影像矢量C-V模型分割方法技术领域[0001]本发明属于高光谱遥感影像数据分割方法，尤其是一种适用于对异质区域和复杂背景情况下的高光谱遥感影像进行快速准确分割的基于波段选择的高光谱遥感影像分割矢量C-V模型分割方法。背景技术[0002]成像光谱学的快速发展，使遥感技术进入到高光谱遥感阶段。高光谱图像可以看作是由二维空间维和一维光谱维构成的三维立体图像，其中每一幅二维图像描述了地表的空间特征，而光谱维揭示了图像每一像素的光谱曲线特征。高光谱图像的特性与自然图像不同，具有数据量大、光谱分辨率高、空间分辨率相对较低、形状结构和细微结构部分复杂多样以及地物类型较为丰富的特点，因此高光谱遥感影像分割具有如下难题：一方面高光谱遥感影像包含了丰富地物信息的同时也存在很多冗余，直接利用上百个波段的空间信息进行矢量C-V模型分割，会使计算量极大，影响算法的效率；另一方面，高光谱遥感影像的对象和背景没有明显的边缘，只依靠对象与背景分界处的梯度信息对图像进行分割很难达到理想的分割效果；而依靠图像中的区域信息也很难达到理想的分割效果。发明内容[0003]本发明是为了解决现