CN110163868B - 一种遥感图像分割方法 - Google Patents
一种遥感图像分割方法 Download PDFInfo
- Publication number
- CN110163868B CN110163868B CN201910297705.7A CN201910297705A CN110163868B CN 110163868 B CN110163868 B CN 110163868B CN 201910297705 A CN201910297705 A CN 201910297705A CN 110163868 B CN110163868 B CN 110163868B
- Authority
- CN
- China
- Prior art keywords
- features
- remote sensing
- sensing image
- point
- image segmentation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003709 image segmentation Methods 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000011218 segmentation Effects 0.000 claims abstract description 29
- 230000009467 reduction Effects 0.000 claims abstract description 6
- 238000001914 filtration Methods 0.000 claims abstract description 5
- 238000007781 pre-processing Methods 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 7
- 238000007500 overflow downdraw method Methods 0.000 abstract description 2
- 238000000605 extraction Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种遥感图像分割方法，包括：对采集到的遥感图像进行降噪预处理，得到去噪后的遥感图像；对去噪声后的遥感图像分别进行灰度处理和超像素分割；基于超像素分割结果分别提取纹理特征和颜色特征；对经过灰度处理的遥感图像进行几何特征提取；将纹理特征、颜色特征和几何特征进行融合，得到图像分割特征；基于图像分割特征，采用均值漂移进行图像滤波，得到初步分割结果；对初步分割结果进行区域合并，得到最终的分割结果，充分考虑到对噪声的处理，且采用了多特征融合的方法对图像进行分割，能够充分保证图像分割的效果。
Description
技术领域
本发明涉及遥感图像处理技术领域，更具体的说是涉及一种遥感图像分割方法。
背景技术
图像分割是指把图像分成各具特征的区域并提取出感兴趣目标的技术和过程。由于它是图像分析、计算机视觉和模式识别的关键步骤，因此，一直受到人们的高度重视，至今已提出了上千种分割算法，但大部分是基于灰度图像的分割，由于彩色图像提供了比灰度图像更加丰富的信息，因此，随着计算机处理能力的不断提升，人们对彩色图像的分割也越来越重视。其中，遥感图像就是一种非常常用且典型的彩色图像，受到了广泛关注，一直是广大学者的研究热点。
在遥感图像采集和传输的过程中产生的噪声往往不是一种，而在现有的遥感图像的分割方法中，研究重点多放在如何实现更精准的分割，而忽略了前期预处理部分，而图像预处理的结果不好，直接影响了后续图像分割的效果，而且目前大方部分图像分割只考虑到遥感图像的颜色和空间信息，对纹理丰富的图像分割效果并不是很不理想，无法保证分割效果。
因此，如何充分保证图像分割效果是本领域技术人员亟需解决的问题。
发明内容
有鉴于此，本发明提供了一种遥感图像分割方法，充分考虑到对噪声的处理，且采用了多特征融合的方法对图像进行分割，能够充分保证图像分割的效果。
为了实现上述目的，本发明采用如下技术方案：
一种遥感图像分割方法，包括：
对采集到的遥感图像进行降噪预处理，得到去噪后的遥感图像；
对去噪声后的遥感图像分别进行灰度处理和超像素分割；
基于超像素分割结果分别提取纹理特征和颜色特征；具体包括：基于超像素分割结果，利用基于总变差模型的滤波方法去除纹理，得到颜色特征，利用Gabor滤波器进行滤波，得到纹理特征；
对经过灰度处理的遥感图像进行几何特征提取；
将纹理特征、颜色特征和几何特征进行融合，得到图像分割特征；
基于图像分割特征，采用均值漂移进行图像滤波，得到初步分割结果；
对初步分割结果进行区域合并，得到最终的分割结果。
优选的，包括：降噪预处理的具体步骤包括：
S1：判断像素点的灰度值与行均值的差的绝对值是否大于门限阈值，如果大于门限阈值，则确定该像素点为脉冲噪声，将该点排除，输出行均值作为该点的像素值；否则不改变该点像素值，得到第一去噪结果；
S2：基于第一去噪结果以及公式(1)和预设门限值来判别是否是边缘像素点；
g(i，j)＝|f(i，j)+f(i，j+1)|-|f(i，j-1)+f(i，j-2)| (1)
其中，f(i，j)为所选像素点，f(i，j+1)、f(i，j-1)和f(i，j-2)为所选像素点相邻像素点，g(i，j)为梯度值，当g(i，j)大于预设门限值时，判定所选点为边缘点，则将边缘点直接输出；否则，判断所选点不是边缘点，输出行均值。
优选的，预设门限值T的选取根据图像的亮暗特征确定，T＝-0.5×MV+a；
其中，MV为行均值，a为常数。
优选的，a＝100。
优选的，采用线性融合技术对纹理特征、颜色特征和几何特征进行融合。
优选的，将纹理特征、颜色特征和几何特征进行贝叶斯融合。
优选的，颜色特征具体为：lab颜色特征。
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种遥感图像分割方法，在本发明提供的遥感图像分割方法中，充分考虑到了对噪声的处理，防止噪声对后续特征提取的干扰，造成特征提取的不准确。此外，在本发明提供的遥感图像分割方法中，分别提取了遥感图像的颜色特征、纹理特征和几何特征，并对多种特征进行融合，使得遥感图像分割结果更加准确，更加有保证。
附图说明
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，下面描述中的附图仅仅是本发明的实施例，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，还可以根据提供的附图获得其他的附图。
图1附图为本发明提供的一种遥感图像分割方法的流程图；
图2附图为本发明提供的去噪的流程图；
图3附图为本发明提供的实验效果图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
结合附图1，本发明实施例公开了一种遥感图像分割方法，具体包括以下步骤：
S1：对采集到的遥感图像进行降噪预处理，得到去噪后的遥感图像；
S2：对去噪声后的遥感图像分别进行灰度处理和超像素分割；
S3：基于超像素分割结果分别提取纹理特征和颜色特征；具体包括：基于超像素分割结果，利用基于总变差模型的滤波方法去除纹理，得到颜色特征，利用Gabor滤波器进行滤波，得到纹理特征；
S4：对经过灰度处理的遥感图像进行几何特征提取；
S5：将纹理特征、颜色特征和几何特征进行融合，得到图像分割特征；
S6：基于图像分割特征，采用均值漂移进行图像滤波，得到初步分割结果；
S7：对初步分割结果进行区域合并，得到最终的分割结果。
在本发明提供的遥感图像分割方法中，充分考虑到了对噪声的处理，防止噪声对后续特征提取的干扰，造成特征提取的不准确。此外，在本发明提供的遥感图像分割方法中，分别提取了遥感图像的颜色特征、纹理特征和几何特征，并对多种特征进行融合，使得遥感图像分割结果更加准确，更加有保证。
为了进一步优化上述技术方案，包括：降噪预处理的具体步骤包括：
S11：判断像素点的灰度值与行均值的差的绝对值是否大于门限阈值，如果大于门限阈值，则确定该像素点为脉冲噪声，将该点排除，输出行均值作为该点的像素值；否则不改变该点像素值，得到第一去噪结果；
S12：基于第一去噪结果以及公式(1)和预设门限值来判别是否是边缘像素点；
g(i，j)＝|f(i，j)+f(i，j+1)|-|f(i，j-1)+f(i，j-2)| (1)
其中，f(i，j)为所选像素点，f(i，j+1)、f(i，j-1)和f(i，j-2)为所选像素点相邻像素点，g(i，j)为梯度值，当g(i，j)大于预设门限值时，判定所选点为边缘点，则将边缘点直接输出；否则，判断所选点不是边缘点，输出行均值。
为了进一步优化上述技术方案，预设门限值T的选取根据图像的亮暗特征确定，T＝-0.5×MV+a；
其中，MV为行均值，a为常数。
为了进一步优化上述技术方案，其特征在于，a＝100。
a为常数，可以根据具体实验情况进行设定。
为了进一步优化上述技术方案，采用线性融合技术对纹理特征、颜色特征和几何特征进行融合。
为了进一步优化上述技术方案，将纹理特征、颜色特征和几何特征进行贝叶斯融合。
为了进一步优化上述技术方案，颜色特征具体为：lab颜色特征。
此外，本发明实施例还结合具体实验结果对本发明的技术方案做进一步阐述。
结合附图3，从附图3可以看出，本发明提供的方法能够很好的分割出河流、陆地、民房、道路等不同对象，进一步证明了本发明提供的遥感图像分割方法的有效性。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (7)
1.一种遥感图像分割方法，其特征在于，包括：
对采集到的遥感图像进行降噪预处理，得到去噪后的遥感图像；
对去噪声后的遥感图像分别进行灰度处理和超像素分割；
基于超像素分割结果分别提取纹理特征和颜色特征；具体包括：基于超像素分割结果，利用基于总变差模型的滤波方法去除纹理，得到颜色特征，利用Gabor滤波器进行滤波，得到纹理特征；
对经过灰度处理的遥感图像进行几何特征提取；
将纹理特征、颜色特征和几何特征进行融合，得到图像分割特征；
基于图像分割特征，采用均值漂移进行图像滤波，得到初步分割结果；
对初步分割结果进行区域合并，得到最终的分割结果。
2.根据权利要求1所述的遥感图像分割方法，其特征在于，降噪预处理的具体步骤包括：
S1：判断像素点的灰度值与行均值的差的绝对值是否大于门限阈值，如果大于门限阈值，则确定该像素点为脉冲噪声，将该点排除，输出行均值作为该点的像素值；否则不改变该点像素值，得到第一去噪结果；
S2：基于第一去噪结果以及公式(1)和预设门限值来判别是否是边缘像素点；
g(i，j)＝|f(i，j)+f(i，j+1)|-|f(i，j-1)+f(i，j-2)| (1)
其中，f(i，j)为所选像素点，f(i，j+1)、f(i，j-1)和f(i，j-2)为所选像素点相邻像素点，g(i，j)为梯度值，当g(i，j)大于预设门限值时，判定所选点为边缘点，则将边缘点直接输出；否则，判断所选点不是边缘点，输出行均值。
3.根据权利要求2所述的遥感图像分割方法，其特征在于，预设门限值T的选取根据图像的亮暗特征确定，T＝-0.5×MV+a；
其中，MV为行均值，a为常数。
4.根据权利要求3所述的遥感图像分割方法，其特征在于，a＝100。
5.根据权利要求1所述的遥感图像分割方法，其特征在于，采用线性融合技术对纹理特征、颜色特征和几何特征进行融合。
6.根据权利要求1所述的遥感图像分割方法，其特征在于，将纹理特征、颜色特征和几何特征进行贝叶斯融合。
7.根据权利要求1所述的遥感图像分割方法，其特征在于，颜色特征具体为：lab颜色特征。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910297705.7A CN110163868B (zh) | 2019-04-17 | 2019-04-17 | 一种遥感图像分割方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910297705.7A CN110163868B (zh) | 2019-04-17 | 2019-04-17 | 一种遥感图像分割方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110163868A CN110163868A (zh) | 2019-08-23 |
| CN110163868B true CN110163868B (zh) | 2023-03-28 |
Family
ID=67639381
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910297705.7A Active CN110163868B (zh) | 2019-04-17 | 2019-04-17 | 一种遥感图像分割方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110163868B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112541920A (zh) * | 2019-09-23 | 2021-03-23 | 大连民族大学 | 基于多通道式的图像超像素目标行人分割方法 |
| CN117095299B (zh) * | 2023-10-18 | 2024-01-26 | 浙江省测绘科学技术研究院 | 破碎化耕作区的粮食作物提取方法、系统、设备及介质 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105913421B (zh) * | 2016-04-07 | 2018-11-16 | 西安电子科技大学 | 基于自适应形状暗通道的遥感图像云检测方法 |
| CN107085833B (zh) * | 2017-04-13 | 2019-07-16 | 长安大学 | 基于梯度倒数自适应开关均中值融合的遥感图像滤波方法 |
| CN107578035B (zh) * | 2017-09-30 | 2020-06-16 | 深圳市颐通科技有限公司 | 基于超像素-多色彩空间的人体轮廓提取方法 |
-
2019
- 2019-04-17 CN CN201910297705.7A patent/CN110163868B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN110163868A (zh) | 2019-08-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103020965B (zh) | 一种基于显著性检测的前景分割方法 | |
| WO2018145470A1 (zh) | 一种图像检测方法和装置 | |
| CN110163219B (zh) | 基于图像边缘识别的目标检测方法 | |
| CN106446952B (zh) | 一种乐谱图像识别方法及装置 | |
| CN110334779B (zh) | 一种基于PSPNet细节提取的多聚焦图像融合方法 | |
| CN116188462A (zh) | 一种基于视觉鉴定的贵金属质量检测方法及系统 | |
| CN109241973B (zh) | 一种纹理背景下的字符全自动软分割方法 | |
| TW200834459A (en) | Video object segmentation method applied for rainy situations | |
| CN111145209A (zh) | 一种医学图像分割方法、装置、设备及存储介质 | |
| WO2008065113A1 (fr) | Procede de designation d'un objet dans une image | |
| CN105139391B (zh) | 一种雾霾天气交通图像边缘检测方法 | |
| CN109509163B (zh) | 一种基于fgf的多聚焦图像融合方法及系统 | |
| CN107256543B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN115731257A (zh) | 基于图像的叶片形态信息提取方法 | |
| CN116486273B (zh) | 一种小样本遥感图像水体信息提取方法 | |
| CN110163868B (zh) | 一种遥感图像分割方法 | |
| CN105447489B (zh) | 一种图片ocr识别系统的字符与背景粘连噪声消除方法 | |
| CN113537037A (zh) | 路面病害识别方法、系统、电子设备及存储介质 | |
| CN114331886A (zh) | 一种基于深度特征的图像去模糊方法 | |
| WO2005055143A1 (ja) | 人物顔の頭頂部検出方法及び頭頂部検出システム並びに頭頂部検出プログラム | |
| CN106447686A (zh) | 一种基于快速有限剪切波变换的图像边缘检测方法 | |
| Shi et al. | Image enhancement for degraded binary document images | |
| CN109165551B (zh) | 一种自适应加权融合显著性结构张量和lbp特征的表情识别方法 | |
| CN111080723A (zh) | 基于Unet网络的图像元素分割方法 | |
| CN106446920A (zh) | 一种基于梯度幅度约束的笔画宽度变换方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |