一种自动提取遥感图像控制点切片的方法

摘要

本发明公开了一种自动提取遥感图像控制点切片的方法，涉及数字遥感图像处理技术，对于一幅大的遥感图像，利用图像的纹理特征(自相关系数和灰度共生矩阵的和概率分布方差)，根据图像片的区域特征进行判断，筛选出纹理较大，符合控制点(GCP，ground control point)切片要求的图像片，从而实现自动提取控制点切片的过程。本发明方法运用了图像纹理特征所表达的图像信息，通过自动算法，实现了遥感图像控制点切片有效的自动提取。

主权项

1.一种自动提取遥感图像控制点切片的方法，其特征在于，包括：步骤1：自动提取候选图像切片，并进行归一化处理；步骤2：计算候选图像切片的纹理特征值，包括图像的五个自相关系数和基于图像灰度共生矩阵的和概率方差；步骤3：根据得到的图像特征值大小，判定是否具有较大纹理特征，是否符合图像控制点切片特性，确定符合要求的图像切片；其中当候选切片的五个自相关系数中任意一个大于0.25，且图像灰度共生矩阵的和概率方差大于1，则认为该切片具有较大纹理特征，符合图像控制点切片特性，是符合要求的图像切片；其中，所述步骤2计算候选图像切片的纹理特征值为：A)计算候选图像切片的五个自相关系数，对于一幅图像切片f，其自相关系数计算公式为：$\rho (\mathrm{\Delta x},\mathrm{\Delta y})=\frac{\underset{i=0}{\overset{N-1}{\Sigma }}\underset{j=0}{\overset{N-1}{\Sigma }}f(i,j)\times f(i+\mathrm{\Delta x},j+\mathrm{\Delta y})}{\underset{i=0}{\overset{N-1}{\Sigma }}\underset{j=0}{\overset{N-1}{\Sigma }}{f}^2(i,j)}$其中(i，j)表示图像像素坐标，坐标范围为[0，...，N-1]，f(i，j)表示图像中坐标为(i，j)的图像灰度值，Δx，Δy为图像在x和y方向上的位移量，符号∑表示求和，符号×表示乘积，符号上标2表示算数平方；其中采用的位移量l为10，选取4个方向θ₁，θ₂，θ₃，θ₄，值分别为：0°，45°，90°，135°，分别求得四个方向上的位移量Δx，Δy，计算公式为：Δx＝l×cosθ_mΔy＝l×sinθ_m其中m＝1，2，3，4，符号×表示乘积，计算得到四个自相关系数ρ₁，ρ₂，ρ₃，ρ₄，然后对四个自相关系数求平均值，得到第五个自相关系数ρ₅；B)计算候选图像切片的基于灰度共生矩阵的和概率方差，首先求取图像f的灰度共生矩阵，计算公式为：其中，(i，j)为图像f在x，y两个方向的坐标值，坐标范围为[0，...，N-1]，f(i，j)表示图像中坐标为(i，j)的图像灰度值，Δx，Δy为图像在x，y两个方向上的位移量，符号∑表示求和；p，q分别表示图像f中坐标(i，j)和坐标(i+Δx，j+Δy)处的灰度值，也是灰度共生矩阵C的坐标；其中，首先对图像进行灰度级压缩，采用的灰度级gl为16，压缩方式为：f(i，j)＝f(i，j)/256×(gl-1)其中(i，j)表示图像像素坐标，坐标范围为[0，...，N-1]，f(i，j)表示图像中坐标为(i，j)的图像灰度值，符号×表示乘积，符号/表示除；采用的位移量l为6，并选取4个方向θ₁，θ₂，θ₃，θ₄，分别值为：0°，45°，90°，135°，分别求得四个方向上位移量Δx，Δy，计算公式为：Δx＝l×cosθ_mΔy＝l×sinθ_m其中m＝1，2，3，4，符号×表示乘积，计算各方向上的灰度共生矩阵，然后计算其和概率分布p_i+j(t)，计算公式为：$p_{i+j}\left(t\right)=\underset{i=0}{\overset{N-1}{\Sigma }}\underset{j=0}{\overset{N-1}{\Sigma }}f(i,j)$其中(i，j)表示图像像素坐标，坐标范围为[0，...，N-1]，f(i，j)表示图像中坐标为(i，j)的图像灰度值，t为和概率(i+j)，其范围为[0，...，2*N-2]，符号∑表示求和；根据四个方向的和概率分布p_i+j(t)，分别计算其熵值，计算公式为：$\mathrm{entropy}=-\underset{t=0}{\overset{2N-2}{\Sigma }}{p}_{i+j}\left(t\right)\times \log \left\{p_{i+j}\left(t\right)\right\}$其中log表示求自然对数，t为和概率(i+j)，其范围为[0，...，2*N-2]，∑表示求和，符号×表示乘积；再根据得到的熵值，计算出和概率分布的方差，计算公式为：$t_{\mathrm{sv}}=\underset{t=0}{\overset{2N-2}{\Sigma }}{(t-\mathrm{entropy})}^2\times p_{i+j}\left(t\right)$t为和概率(i+j)，其范围为[0，...，2*N-2]，符号×表示乘积，符号∑表示求和，符号上标2表示算数平方；最后，将计算得到的四个方向的和概率分布方差求平均，得到特征值T_sv。