空間與光譜協同結構及遙感影像的多尺度理解方法、系統的制作方法
【技術領域】
[0001] 本發明涉及圖像處理領域，具體涉及一種空間與光譜協同結構及遙感影像的多尺 度理解方法、系統。
【背景技術】
[0002] 當前很多聚類算法都基于像元，而基于像元的分類算法由于大多沒有考慮像元之 間的空間相關性，在應用于高分辨率遙感影像時常會出現"椒鹽效應"。為解決這個問題人 們提出面向對象的圖像分析（OBIA)方法，，通常包括兩個步驟：1)圖像分割形成對象及2) 利用分類器對圖像對象進行分類。盡管OBIA在很多領域都得到成功的應用，它仍然存在一 些問題，一方面，圖像分割是一個病態的問題，很難確定分割尺度；另一方面，在分類階段需 要太多的交互，降低了應用效率。此外，兩個步驟相互分離，分類的性能嚴重依賴分割結果。
[0003] 概率主題模型是一種最初被用于從一個文檔集中發現詞的潛在模式或結構的混 合模型。每個文檔都服從詞袋模型的假設，即忽略每個詞之間的順序。這些模型可以非監督 地獲取高分辨率遙感影像中潛在的語義結構。利用概率主題模型進行衛星影像分類時，影 像中每個像元被看做一個視覺詞，此外，衛星影像常被劃分為一系列的子圖像（即，文檔）。 但是，當概率主題模型應用于高分辨率遙感影像分類時存在三個常見問題：1)由于"詞袋" 的假設，像元之間的空間相關性被忽視；2)需要事先確定組分個數的先驗；3)子圖像間相 互獨立，且各子圖像中的主題混合服從相同的先驗分布。
【發明內容】
[0004] 針對現有技術中的缺陷，本發明提供一種空間與光譜協同結構及遙感影像的多尺 度理解方法、系統，以解決現有技術中采用概率主題模型進行衛星影像分類時所存在的問 題。
[0005] 為解決上述技術問題，本發明提供以下技術方案：
[0006] 第一方面，本發明提供了一種空間與光譜協同結構，實現了像元、結構、地物和場 景的空間和光譜信息雙向流動，其中自下而上包括：由鄰近像元組成圖像局部結構，同質結 構合并成同類分割體，同類分割體組成地物類別，空間上頻繁聚集的地物構成場景。
[0007] 第二方面，本發明提供了一種基于上面所述的空間與光譜協同結構的高分遙感影 像的多尺度理解方法，包括：
[0008] SI.對原始遙感影像進行劃分得到重疊或不重疊的文檔集；
[0009] S2.利用過分割算法，將原始遙感圖像中光譜相似的像元劃歸為一個過分割體，得 到具有局部均質性的過分割體圖；
[0010] S3.根據劃分的文檔集和過分割體圖，建立內嵌入印度自助餐模型的層次狄利克 雷過程模型，估算每個文檔中主題的混合比例參數，各主題依照概率產生視覺詞的分布參 數，場景稀疏度分布，完成對圖像像元、結構、地物和場景的框架構建；
[0011] S4.通過極大化后驗概率的方法獲得每個視覺詞的聚類類別及各文檔的場景編 號。
[0012] 其中，所述建立內嵌入印度自助餐模型的層次狄利克雷過程模型包括如下步驟：
[0013] A.場景標簽采樣，從先驗離散分布中對子圖像m的場景標簽進行采樣；
[0014] B.類別采樣，從一個狄利克雷分布貞死I互)中采樣獲得第k個類\
[0015] C.主題稀疏度采樣，對于每個場景s，第k個主題稀疏度利用下式采樣得到：
[0016] π k~Beta( λ，I)，independently /灸;其中π k是第k列非零元素的概率；
[0017] D.二值向量采樣，對于場景為8111的子圖像m，每個二值向量&的元素根據下式采 樣得到：
[0018] bm，k~Bernoulli ( π k)，independently Vm,分；
[0019] 其中瓦表示矩陣B的第m行，bm，k為瓦的第k個元素；
[0020] E.類別標簽采樣，采樣子圖像m的每個過分割體'g的類別標簽z m，g;
[0021] F.像元采樣，對于過分割體'g中屬于類的每個像元wg;i，通過類條件概率 戶(~IU進行采樣。
[0022] 其中，所述類別標簽Zniig通過以下兩個步驟得到：
[0023] EL桌子采樣，過分割體'g的桌子分配tm，g根據下式進行采樣而得：
【主權項】
1. 一種空間與光譜協同結構，其特征在于，實現了像元、結構、地物和場景的空間和光 譜信息雙向流動，其中自下而上包括：由鄰近像元組成圖像局部結構，同質結構合并成同類 分割體，同類分割體組成地物類別，空間上頻繁聚集的地物構成場景。
2. -種基于權利要求1所述結構的高分遙感影像的多尺度理解方法，其特征在于，包 括：
51. 對原始遙感影像進行劃分得到重疊或不重疊的文檔集；
52. 利用過分割算法，將原始遙感圖像中光譜相似的像元劃歸為一個過分割體，得到具 有局部均質性的過分割體圖；
53. 根據劃分的文檔集和過分割體圖，建立內嵌入印度自助餐模型的層次狄利克雷過 程模型，估算每個文檔中主題的混合比例參數，各主題依照概率產生視覺詞的分布參數，場 景稀疏度分布，完成對圖像像元、結構、地物和場景的框架構建；
54. 通過極大化后驗概率的方法獲得每個視覺詞的聚類類別及各文檔的場景編號。
3. 根據權利要求1所述的方法，其特征在于，所述建立內嵌入印度自助餐模型的層次 狄利克雷過程模型包括如下步驟： A. 場景標簽采樣，從先驗離散分布中對子圖像m的場景標簽進行采樣； B. 類別采樣，從一個狄利克雷分布M巧I /7)中采樣獲得第k個類& ; C. 主題稀疏度采樣，對于每個場景s，第k個主題稀疏度Jisk利用下式采樣得到： π k~Beta ( λ，I)，independently ；其中π k是第k列非零元素的概率； D. 二值向量采樣，對于場景為8111的子圖像m，每個二值向量&的元素根據下式采樣得 到： bm，k~Bernoulli 〇 k)，indepeiuk'mly Vm，々； 其中1表示矩陣B的第m行，bm，kS &的第k個元素； E. 類別標簽采樣，采樣子圖像m的每個過分割體'g的類別標簽z m，g; F. 像元采樣，對于過分割體'g中屬于類的每個像元w&i，通過類條件概率 Ml IU進行采樣。
4. 根據權利要求3所述的方法，其特征在于，所述類別標簽z m，g通過以下兩個步驟得 到： El.桌子采樣，過分割體'g的桌子分配t ^根據下式進行采樣而得：
其中IVt表示第m個子圖像中編號為t的桌子上的顧客數；δ (·，·）為delta函數， 當函數的兩個參數相等是取值為1，否則為〇 ; α為超參數；tn"為新桌子標簽； E2.桌子對應的類標簽采樣，桌子tm，g的類標簽km，t根據下式進行采樣得到：
其中，mk為第k個類別的桌子數量；ky是一個向量，表示第m-Ι家餐館已用餐桌的類 別標簽；γ為超參數；knOT為新類別標簽。
5. -種基于權利要求1所述結構的高分遙感影像的多尺度理解系統，其特征在于，包 括： 文檔集劃分模塊，用于對原始遙感影像進行劃分得到重疊或不重疊的文檔集； 過分割模塊，用于利用過分割算法，將原始遙感圖像中光譜相似的像元劃歸為一個過 分割體，得到具有局部均質性的過分割體圖； 框架構建模塊，用于根據劃分的文檔集和過分割體圖，建立內嵌入印度自助餐模型的 層次狄利克雷過程模型，估算每個文檔中主題的混合比例參數，各主題依照概率產生視覺 詞的分布參數，場景稀疏度分布，完成對圖像像元、結構、地物和場景的框架構建； 聚類結果獲取模塊，用于通過極大化后驗概率的方法獲得每個視覺詞的聚類類別及各 文檔的場景編號。
6. 根據權利要求5所述的系統，其特征在于，框架構建模塊還包括層次狄利克雷過程 模型實現子模塊，用于執行如下步驟： A. 場景標簽采樣，從先驗離散分布中對子圖像m的場景標簽進行采樣； B. 類別采樣，從一個狄利克雷分布I互;)中采樣獲得第k個類@ ; C. 主題稀疏度采樣，對于每個場景s，第k個主題稀疏度Jisk利用下式采樣得到： π k~Beta ( λ，I)，independently ;其中π k是第k列非零元素的概率； D. 二值向量采樣，對于場景為\的子圖像m，每個二值向量&的元素根據下式采樣得 到： bm'k~Bernoulli (JT k) , independently /'m,k ； 其中瓦表示矩陣B的第m行，bm，k為的第k個元素； E. 類別標簽采樣，采樣子圖像m的每個過分割體'g的類別標簽z m，g; F. 像元采樣，對于過分割體'8中屬于巧類的每個像元wg;i，通過類條件概率 M14W I U進行采樣。
7. 根據權利要求6所述的系統，其特征在于，所述類別標簽z m，g通過以下兩個步驟得 到： El.桌子采樣，過分割體'g的桌子分配t ^根據下式進行采樣而得：
其中IVt表示第m個子圖像中編號為t的桌子上的顧客數；δ (·，·）為delta函數， 當函數的兩個參數相等是取值為1，否則為〇 ; α為超參數；tn"為新桌子標簽； E2.桌子對應的類標簽采樣，桌子tm，g的類標簽km，t根據下式進行采樣得到：
其中，mk為第k個類別的桌子數量；ky是一個向量，表示第m-Ι家餐館已用餐桌的類 別標簽；γ為超參數；knOT為新類別標簽。
【專利摘要】本發明提供了一種空間與光譜協同結構，實現了像元、結構、地物和場景的空間和光譜信息雙向流動，其中自下而上包括：由鄰近像元組成圖像局部結構，同質結構合并成同類分割體，同類分割體組成地物類別，空間上頻繁聚集的地物構成場景。本發明所述協同結構可以用于對遙感影像進行理解、分析和處理，使得圖像的空間信息和光譜信息能夠在像元-結構-類別-場景等不同尺度進行傳遞，有助于進行圖像分析、分類等應用。
【IPC分類】G06K9-62, G06T7-00
【公開號】CN104766091
【申請號】CN201510133796
【發明人】唐宏, 舒陽, 毛婷
【申請人】北京師范大學
【公開日】2015年7月8日
【申請日】2015年3月25日