一種多尺度超像素級(jí)地物分類(lèi)識(shí)別方法、設(shè)備、介質(zhì)及產(chǎn)品

本申請(qǐng)涉及圖像處理領(lǐng)域，特別是涉及一種多尺度超像素級(jí)地物分類(lèi)識(shí)別方法、設(shè)備、介質(zhì)及產(chǎn)品。

背景技術(shù)：

1、超像素是由原始圖像中特征相似、位置相鄰的一系列像素點(diǎn)組成的具有特定屬性、介于單個(gè)像素與完整圖像對(duì)象之間的不規(guī)則像素集合。超像素分割作為圖像處理中的一種重要技術(shù)，通過(guò)特定標(biāo)準(zhǔn)將圖像處理層面從單個(gè)像素提升到區(qū)域級(jí)別，從而顯著降低圖像后處理的復(fù)雜度，為后續(xù)圖像分析工作提供極大便利。然而，面對(duì)當(dāng)前多平臺(tái)、多類(lèi)型遙感傳感器及成像技術(shù)的迅猛發(fā)展，已有超像素分割算法大多局限于單幅rgb圖像的處理，難以有效應(yīng)對(duì)遙感大數(shù)據(jù)背景下復(fù)雜的數(shù)據(jù)源，成為制約其進(jìn)一步應(yīng)用的關(guān)鍵瓶頸。

2、以簡(jiǎn)單線(xiàn)性迭代聚類(lèi)法為代表的已知超像素分割算法主要基于單幅圖像的顏色和空間接近度進(jìn)行聚類(lèi)，難以實(shí)現(xiàn)多源遙感影像的優(yōu)勢(shì)互補(bǔ)性，對(duì)復(fù)雜場(chǎng)景的適應(yīng)性較差。所生成的超像素在形狀及大小方面雖保持了較好的一致性，但其邊界與目標(biāo)真實(shí)輪廓的貼合度可能不夠高，容易出現(xiàn)過(guò)分割現(xiàn)象，難以保證分割的準(zhǔn)確性和魯棒性，導(dǎo)致后續(xù)地物分類(lèi)、目標(biāo)識(shí)別等任務(wù)誤差較大。

技術(shù)實(shí)現(xiàn)思路

1、本申請(qǐng)的目的是提供一種多尺度超像素級(jí)地物分類(lèi)識(shí)別方法、設(shè)備、介質(zhì)及產(chǎn)品，能夠增強(qiáng)超像素分割的適應(yīng)性和魯棒性，更好地服務(wù)于多樣化的分類(lèi)任務(wù)和復(fù)雜場(chǎng)景，從而顯著提升地物分類(lèi)識(shí)別的精度和效率。

2、為實(shí)現(xiàn)上述目的，本申請(qǐng)?zhí)峁┝巳缦路桨福?/p>

3、第一方面，本申請(qǐng)?zhí)峁┝艘环N多尺度超像素級(jí)地物分類(lèi)識(shí)別方法，包括：

4、獲取遙感圖像，并按照所述遙感圖像的獲取來(lái)源，將所述遙感圖像分為光學(xué)遙感圖像和雷達(dá)遙感圖像；

5、對(duì)所述光學(xué)遙感圖像和所述雷達(dá)遙感圖像分別進(jìn)行預(yù)處理；

6、對(duì)預(yù)處理后的光學(xué)遙感圖像和雷達(dá)遙感圖像分別進(jìn)行主成分分析；

7、將滿(mǎn)足設(shè)定要求的主成分分析后的光學(xué)遙感圖像以及主成分分析后的雷達(dá)遙感圖像作為主成分特征圖像；

8、將所述主成分特征圖像進(jìn)行歸一化，得到歸一化結(jié)果；

9、結(jié)合所述歸一化結(jié)果以及所述主成分特征圖像中像素行列位置信息，進(jìn)行各像素聚類(lèi)中心分配的距離度量，得到所述超像素聚類(lèi)目標(biāo)準(zhǔn)則；

10、確定多個(gè)分割尺寸，并采用所述分割尺寸，基于所述超像素聚類(lèi)目標(biāo)準(zhǔn)則對(duì)所述主成分特征圖像進(jìn)行超像素分割，得到分割結(jié)果；

11、基于預(yù)處理后的所述光學(xué)遙感圖像和所述雷達(dá)遙感圖像提取特征圖像；所述特征圖像至少包括紋理特征圖像和極化特征圖像；

12、取分割結(jié)果中各超像素包含的所有像素對(duì)應(yīng)不同特征圖像的像元均值作為每個(gè)超像素在各特征圖像上的特征值；

13、將每個(gè)超像素在不同特征圖像上的特征值作為機(jī)器學(xué)習(xí)模型的輸入，實(shí)現(xiàn)地物分類(lèi)識(shí)別。

14、可選地，將滿(mǎn)足設(shè)定要求的主成分分析后的光學(xué)遙感圖像以及主成分分析后的雷達(dá)遙感圖像作為主成分特征圖像，包括：

15、將累計(jì)貢獻(xiàn)超過(guò)90%的主成分分析后的光學(xué)遙感圖像以及主成分分析后的雷達(dá)遙感圖像作為所述主成分特征圖像。

16、可選地，采用所述分割尺寸，基于所述超像素聚類(lèi)目標(biāo)準(zhǔn)則對(duì)所述主成分特征圖像進(jìn)行超像素分割，得到分割結(jié)果，包括：

17、采用所述分割尺寸，基于所述超像素聚類(lèi)目標(biāo)準(zhǔn)則對(duì)所述主成分特征圖像進(jìn)行最大尺度超像素分割，得到超像素塊；

18、對(duì)所述超像素塊進(jìn)行多尺度超像素分割，得到所述分割結(jié)果。

19、可選地，采用所述分割尺寸，基于所述超像素聚類(lèi)目標(biāo)準(zhǔn)則對(duì)所述主成分特征圖像進(jìn)行最大尺度超像素分割，得到超像素塊，包括：

20、按超像素尺寸對(duì)所述分割尺寸進(jìn)行降序排列，得到尺度序列；

21、針對(duì)所述尺度序列中的第一個(gè)分割尺寸，完成種子點(diǎn)初始化及種子點(diǎn)梯度最小位置調(diào)整；

22、針對(duì)每一種子點(diǎn)，基于所述超像素聚類(lèi)目標(biāo)準(zhǔn)則確定搜索空間范圍內(nèi)的所述主成分特征圖像中像素點(diǎn)到種子點(diǎn)的聯(lián)合距離；所述搜索空間范圍基于相鄰兩個(gè)種子點(diǎn)間的距離確定得到；

23、按照最小的聯(lián)合距離為各像素點(diǎn)分配聚類(lèi)中心，進(jìn)行迭代聚類(lèi)，確定相鄰兩次迭代后所有聚類(lèi)中心在各主成分特征圖像的特征值及像素位置的變化情況，當(dāng)聚類(lèi)中心在各主成分特征圖像的特征值及像素位置的變化小于第一設(shè)定閾值時(shí)，停止迭代，得到超像素塊。

24、可選地，采用所述分割尺寸，對(duì)所述超像素塊進(jìn)行多尺度超像素分割，得到所述分割結(jié)果，包括：

25、確定所述超像素塊內(nèi)所有像素到聚類(lèi)中心的距離指標(biāo)；

26、當(dāng)所述距離指標(biāo)大于等于第二設(shè)定閾值時(shí)，繼續(xù)分割所述超像素塊，直至所述距離指標(biāo)小于所述第二設(shè)定閾值時(shí)，得到聚類(lèi)結(jié)果；

27、對(duì)所述聚類(lèi)結(jié)果進(jìn)行分割后處理，得到所述分割結(jié)果。

28、可選地，對(duì)所述聚類(lèi)結(jié)果進(jìn)行分割后處理，得到所述分割結(jié)果，包括：

29、確定所述聚類(lèi)結(jié)果是否存在異常情況；所述異常情況包括聚類(lèi)結(jié)果中出現(xiàn)的多連通、超像素尺寸小于設(shè)定值以及單個(gè)超像素被分割為多個(gè)不連續(xù)的超像素的情況；

30、當(dāng)所述聚類(lèi)結(jié)果存在異常情況時(shí)，通過(guò)增強(qiáng)連通性的方式進(jìn)行分割后處理，得到所述分割結(jié)果。

31、可選地，所述機(jī)器學(xué)習(xí)模型采用支持向量機(jī)。

32、第二方面，本申請(qǐng)?zhí)峁┝艘环N計(jì)算機(jī)設(shè)備，包括：存儲(chǔ)器、處理器以及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序以實(shí)現(xiàn)上述中任一項(xiàng)所述的多尺度超像素級(jí)地物分類(lèi)識(shí)別方法的步驟。

33、第三方面，本申請(qǐng)?zhí)峁┝艘环N計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述中任一項(xiàng)所述的多尺度超像素級(jí)地物分類(lèi)識(shí)別方法的步驟。

34、第四方面，本申請(qǐng)?zhí)峁┝艘环N計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述中任一項(xiàng)所述的多尺度超像素級(jí)地物分類(lèi)識(shí)別方法的步驟。

35、根據(jù)本申請(qǐng)?zhí)峁┑木唧w實(shí)施例，本申請(qǐng)具有了以下技術(shù)效果：

36、本申請(qǐng)?zhí)峁┝艘环N多尺度超像素級(jí)地物分類(lèi)識(shí)別方法、設(shè)備、介質(zhì)及產(chǎn)品，通過(guò)按照遙感圖像的獲取來(lái)源，將遙感圖像分為光學(xué)遙感圖像和雷達(dá)遙感圖像，能夠綜合來(lái)自不同遙感數(shù)據(jù)源的豐富屬性特征?；诔袼鼐垲?lèi)目標(biāo)準(zhǔn)則對(duì)主成分特征圖像進(jìn)行超像素分割得到分割結(jié)果，取分割結(jié)果包含的所有像素對(duì)應(yīng)特征圖像的像元均值作為每個(gè)超像素在不同特征圖像上的特征值，并將這一特征值作為機(jī)器學(xué)習(xí)模型的輸入，以實(shí)現(xiàn)地物分類(lèi)識(shí)別，能夠?qū)崿F(xiàn)對(duì)遙感圖像更為精細(xì)和靈活的處理，生成與地物真實(shí)邊界更為貼合的超像素區(qū)域，有效減少分類(lèi)過(guò)程中常見(jiàn)的邊緣模糊問(wèn)題，增強(qiáng)超像素分割的適應(yīng)性和魯棒性，還使其能夠更好地服務(wù)于多樣化的分類(lèi)任務(wù)和復(fù)雜場(chǎng)景，從而顯著提升地物分類(lèi)識(shí)別的精度和效率。

技術(shù)特征：

1.一種多尺度超像素級(jí)地物分類(lèi)識(shí)別方法，其特征在于，所述多尺度超像素級(jí)地物分類(lèi)識(shí)別方法包括：

2.根據(jù)權(quán)利要求1所述的多尺度超像素級(jí)地物分類(lèi)識(shí)別方法，其特征在于，將滿(mǎn)足設(shè)定要求的主成分分析后的光學(xué)遙感圖像以及主成分分析后的雷達(dá)遙感圖像作為主成分特征圖像，包括：

3.根據(jù)權(quán)利要求1所述的多尺度超像素級(jí)地物分類(lèi)識(shí)別方法，其特征在于，采用所述分割尺寸，基于所述超像素聚類(lèi)目標(biāo)準(zhǔn)則對(duì)所述主成分特征圖像進(jìn)行超像素分割，得到分割結(jié)果，包括：

4.根據(jù)權(quán)利要求3所述的多尺度超像素級(jí)地物分類(lèi)識(shí)別方法，其特征在于，采用所述分割尺寸，基于所述超像素聚類(lèi)目標(biāo)準(zhǔn)則對(duì)所述主成分特征圖像進(jìn)行最大尺度超像素分割，得到超像素塊，包括：

5.根據(jù)權(quán)利要求3所述的多尺度超像素級(jí)地物分類(lèi)識(shí)別方法，其特征在于，采用所述分割尺寸，對(duì)所述超像素塊進(jìn)行多尺度超像素分割，得到所述分割結(jié)果，包括：

6.根據(jù)權(quán)利要求5所述的多尺度超像素級(jí)地物分類(lèi)識(shí)別方法，其特征在于，對(duì)所述聚類(lèi)結(jié)果進(jìn)行分割后處理，得到所述分割結(jié)果，包括：

7.根據(jù)權(quán)利要求1所述的多尺度超像素級(jí)地物分類(lèi)識(shí)別方法，其特征在于，所述機(jī)器學(xué)習(xí)模型采用支持向量機(jī)。

8.一種計(jì)算機(jī)設(shè)備，包括：存儲(chǔ)器、處理器以及存儲(chǔ)在存儲(chǔ)器上并可在處理器上運(yùn)行的計(jì)算機(jī)程序，其特征在于，所述處理器執(zhí)行所述計(jì)算機(jī)程序以實(shí)現(xiàn)權(quán)利要求1-7中任一項(xiàng)所述的多尺度超像素級(jí)地物分類(lèi)識(shí)別方法。

9.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，其特征在于，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1-7中任一項(xiàng)所述的多尺度超像素級(jí)地物分類(lèi)識(shí)別方法。

10.一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，其特征在于，該計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)權(quán)利要求1-7中任一項(xiàng)所述的多尺度超像素級(jí)地物分類(lèi)識(shí)別方法。

技術(shù)總結(jié)
本申請(qǐng)公開(kāi)了一種多尺度超像素級(jí)地物分類(lèi)識(shí)別方法、設(shè)備、介質(zhì)及產(chǎn)品，涉及圖像處理領(lǐng)域。該方法包括對(duì)光學(xué)和雷達(dá)遙感圖像分別進(jìn)行主成分分析提取主成分特征圖像；將主成分特征圖像進(jìn)行歸一化，確定超像素聚類(lèi)目標(biāo)準(zhǔn)則；采用多個(gè)分割尺寸，基于超像素聚類(lèi)目標(biāo)準(zhǔn)則對(duì)主成分特征圖像進(jìn)行超像素分割；基于預(yù)處理后的光學(xué)和雷達(dá)遙感圖像提取紋理、極化等特征，取分割各超像素包含的所有像素對(duì)應(yīng)特征圖像的像元均值作為每個(gè)超像素在不同特征圖像上的特征值，將提取構(gòu)成的多維特征值作為機(jī)器學(xué)習(xí)模型的輸入，識(shí)別地物分類(lèi)。本申請(qǐng)能夠增強(qiáng)超像素分割的適應(yīng)性和魯棒性，更好地服務(wù)于多樣化的分類(lèi)任務(wù)和復(fù)雜場(chǎng)景，從而顯著提升地物分類(lèi)識(shí)別的精度和效率。

技術(shù)研發(fā)人員：蘆家欣,金國(guó)棟,韓玲,王俊峰,李良志
受保護(hù)的技術(shù)使用者：中國(guó)人民解放軍火箭軍工程大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2024/12/19