技術(shù)領(lǐng)域

本發(fā)明涉及遙感圖像處理技術(shù)，具體的說，涉及一種基于多光譜遙感圖像紋理元的地物類型紋理分類方法。

背景技術(shù)

遙感圖像，尤其是高空間分辨率遙感圖像提供了豐富的關(guān)于地物幾何結(jié)構(gòu)、紋理細(xì)節(jié)、地物光譜等方面的信息，使得在較小的空間尺度上觀察地表的細(xì)節(jié)變化、進(jìn)行大比例尺遙感制圖以及監(jiān)測人為活動(dòng)對(duì)環(huán)境的影響成為可能，具有廣闊的應(yīng)用前景。

隨著遙感圖像空間分辨率的提高，傳統(tǒng)的使用基于光譜的圖像分類方法，并沒有提高太多的分類精度。因?yàn)殡S著圖像空間分辨率的提高，帶來了更加明顯的“同物異譜、同譜異物”現(xiàn)象，即代表同一地物的光譜差異性很大，而不同地物的光譜基本一致的現(xiàn)象，這給高空間分辨率的遙感圖像分類帶來了很大的困難。相比于單純使用光譜信息進(jìn)行圖像的分類識(shí)別，基于紋理信息的地物類型分類逐漸受到重視。

目前，在遙感圖像處理中，最常用的紋理信息為基于灰度共生矩陣的統(tǒng)計(jì)量，該種方法的缺點(diǎn)是過多的用戶選擇的參數(shù)，包括計(jì)算灰度共生矩陣的窗口的大小、波段的選擇、最佳的統(tǒng)計(jì)量的選擇；而基于Gabor濾波器組的紋理提取方法在圖像檢索中受到較廣泛的應(yīng)用，該方法以濾波器響應(yīng)的均值和方差作為圖像的紋理描述，避免了最佳的統(tǒng)計(jì)量的選擇問題；但是該方法如何應(yīng)用到彩色圖像上一直沒有好的辦法。

在紋理分析的研究歷史中，Julesz1981年提出了texton的概念，texon翻譯成中文，即為“紋理元”。同時(shí)他認(rèn)為紋理元是構(gòu)成紋理圖像可辨別的最小的元素。通俗而言，數(shù)字圖像是由像素組成的，紋理元之于紋理圖像也有類似的意思。但是如何計(jì)算紋理元一直沒有給出可以計(jì)算的方法。直到1999年Leung和Malik在解決三維紋理的時(shí)候，給出了texton可計(jì)算的定義(參考文獻(xiàn)：Thomas?Leung?and?Jitendra?Malik，”Representing?and?Recognizing?the?visual?appearance?of?materials?using?three-dimensional?textons”，International?Journal?ofComputer?Vision，43(1)，29-44，2001.[托馬斯.梁，錢德拉.馬里克，“使用三維紋理元表示和識(shí)別材料的視覺表面”，計(jì)算機(jī)視覺國際期刊，43(1)，29-44，2001.])。紋理元的計(jì)算方法為，先使用一組濾波器組對(duì)圖像進(jìn)行濾波，然后對(duì)濾波結(jié)果進(jìn)行聚類，聚類算法常用的是kmeans方法。在給出了紋理元的計(jì)算方法之后，紋理分類比較有效的方法是先計(jì)算一些代表著紋理圖像中常有的各種圖像特征的紋理元，然后統(tǒng)計(jì)紋理圖像中各種類型的紋理元出現(xiàn)的頻數(shù)，即統(tǒng)計(jì)紋理元的直方圖，而紋理元的直方圖可以稱為“紋理模型”。隨后，2005年Varma和Zisserman提出了通過一幅圖像進(jìn)行紋理分類的方法(參考文獻(xiàn)：Manik?Varma?and?Andrew?Zisserman，“A?statistical?approach?to?texture?classification?from?single?images”，International?Journal?ofComputer?Vision，62(1/2)，61-81，2005.[馬里克.若瑪，安德魯.澤斯曼，“通過單一圖像的一種紋理分類的統(tǒng)計(jì)方法”，計(jì)算機(jī)視覺國際期刊，62(1/2)，61-81，2005.])。

但是上述紋理元+紋理元直方圖的解決方法，一方面是針對(duì)灰度圖像進(jìn)行的。而在高空間分辨率的遙感圖像中，一般都是多個(gè)波段，不同的波段代表著不同的成像光譜范圍。因而，需要仔細(xì)研究如何利用多個(gè)波段形成的紋理差異進(jìn)行地物類型分類。另一方面，上述的解決方法是針對(duì)標(biāo)準(zhǔn)紋理庫進(jìn)行分類的，需要考慮怎樣對(duì)遙感圖像進(jìn)行分類。

遙感圖像分類一般使用監(jiān)督分類方法，監(jiān)督分類方法分為訓(xùn)練階段和分類階段。監(jiān)督分類首先需要確定待分類的類別，以及各類別的樣本。訓(xùn)練階段為根據(jù)已有的樣本，計(jì)算各類別的特征；分類階段，為根據(jù)各個(gè)待分的數(shù)據(jù)特征，與已有的各個(gè)類別的代表性的特征進(jìn)行比較，并分類為最相近的類別。

本專利提出了一種多光譜遙感圖像紋理元的提取方法，以及基于多光譜紋理元的紋理分類方法，可用于基于高空間分辨率的遙感圖像的地物類型紋理分類；針對(duì)遙感圖像，提出了一種先進(jìn)行圖像分割，以分割得到的圖像塊為基本處理單元，提取該基本單元的紋理特征，進(jìn)行分類的算法流程。所述的紋理分類是指，該分類方法主要根據(jù)圖像的紋理差異進(jìn)行地物類型的分類，以下簡稱紋理分類。

發(fā)明內(nèi)容