基于Mean Shift分割的遥感图像中水上桥梁识别方法

摘要

本发明公开了一种基于Mean Shift分割的遥感图像中水上桥梁识别方法，用于解决现有的水上桥梁目标识别方法识别率低的技术问题。技术方案是采用Mean Shift方法，利用颜色特性进行图像分割，提取河流区域，并利用相似度确定河流域。结合膨胀、腐蚀连通河流区域，根据桥梁的特征，提取桥梁区域。通过细化得到连通的河流的骨架线，寻找与桥梁区域的交点来找到候选桥梁，最后利用桥梁的形状纹理特征识别桥梁，提高了水上桥梁目标识别的识别率。

主权项

一种基于Mean Shift分割的遥感图像中水上桥梁识别方法，其特征在于包括已写步骤：(a)将遥感图像格式转化到LUV空间，对遥感图像进行Mean Shift分割和区域合并；令区域合并后联合域中原始像素点{xi}i＝1，2...，n；联合域中滤波后像素点{zi}i＝1，2...，n；分割后遥感图像中第i个像素标记为Li，i＝1，2...，n。利用高斯核函数k(x)估计特征密度空间，对遥感图像中的任一点用高斯核函数k(x)进行漂移： k ( x ) = ( 2 Π ) - d / 2 exp ( - 1 2 | | x | | 2 ) - - - ( 1 ) 利用k(x)得出具有收敛性的递推公式 y i + 1 = Σ i = 1 n x i g ( | | x - x i h | | 2 ) Σ i = 1 n g ( | | x - x i h | | 2 ) - - - ( 2 ) 和Mean Shift向量 m h ( x ) = Σ i = 1 n x i g ( | | x - x i h | | 2 ) Σ i = 1 n g ( | | x - x i h | | 2 ) - x = y i + 1 - y - - - ( 3 ) 进行迭代卷积，直到满足停止准则，即移动距离小于设定数||mh(x)‑x||＜ε或者漂移次数达到最大值；式中，h是带宽参数，h＝(hs，hv)，hs是空域颜色特征带宽，hv是空间带宽，{cj}是核函数k(x)的剖面函数的负导数；对遥感图像进行Mean Shift滤波并把所有关于收敛点的信息都保存在zi中；在联合域中生成聚类{ci}j＝1，...，m，把所有在空域距离小于hv并且在色度域距离小于hs的zi组合在一起；对于任意i＝1，2...，n，令Li＝{j|zi∈cj}，设定最小区域M，剔除小于M的空间区域；(b)计算所有区域之间的相似值，各区域的向量作内积进行相似性判断；或者，将各区域的三分量转化为灰度值，求各区域局部区域方差，进行相似性判断；并将最小局部区域方差，作为第一块河流；或者，计算剩余各区域与首河流区域之间的均方差判断相似性；选取满足以上相似性标准的区域作为河流区域；(c)对遥感图像进行二值化处理，利用连通区域标记法标记潜在河流区域，并去除噪声河流区域；对河流区域执行膨胀操作，连通河流；然后用最大连通水域与原未连通二值化河流区域做差，利用两个河流区域之间是桥梁域的特点，提取桥梁区域，并细化提取河流中心线；(d)寻找河流域中心线与未连通河流图像的交点，并且落在桥梁区域的点，提取候选桥梁；提取桥梁轮廓线，利用形状纹理特征来识别桥梁。