本发明属于图像分割技术领域，特别是涉及一种彩色林火遥感图像的目标区域分割方法。
背景技术：
准确并快速地分割出林火遥感图像中的林火区域不论是在林火救援中还是火后的损失评估中均具有重大的意义。但是现存的技术中，对遥感图像的区域分割的很多，但是针对林火遥感类图像的分割却几乎没有。图像分割方法并不完全具有各领域的适用性，还要根据实际的图像寻找合适的处理方法。因此，对于其他领域的遥感图像的分割方法无法很好地应用在林火遥感图像中。
技术实现要素：
本发明为了解决现有的技术问题，提出一种彩色林火遥感图像的目标区域分割方法。
本发明的目的通过以下技术方案实现：一种彩色林火遥感图像的目标区域分割方法，包括以下步骤：
步骤1、输入彩色林火遥感图像；
步骤2、将输入的彩色林火遥感图像的颜色模式从RGB色彩空间转换到YCbCr色彩空间；
步骤3、通过颜色聚类模型生成颜色聚类后的图像，从而分割出林火遥感图像中的林火火场区域，并将分割后的图像转换为灰度图像；
步骤4、利用形态学处理转换后的灰度图像，从而获得准确的林火火场区域；
步骤5、输出分割后林火区域图像。
进一步地，所述将输入的彩色林火遥感图像的颜色模式从RGB色彩空间转换到YCbCr色彩空间，二者之间的转换关系如式(1)和式(2)：
进一步地，所述颜色聚类模型具体为：
一种彩色C由三种基色P1、P2、P3进行匹配，定性匹配表示为式(3)所示：
式中，A1(C)、A2(C)、A3(C)是彩色C的匹配值，根据一种彩色混合光的光谱能量分布等于其组分的光谱能量分布之和，以及根据式(3)所示，光谱能量分布C(λ)依据式(4)所示可以由其配色等量替换；
Pj(λ)代表一种基色光的光谱能量分布，式(4)表示在等价算子<>两侧的光谱能量分布诱发相同的彩色视觉；配色是以三色值具体确定的，其是归一化的匹配值，如式(5)定义：
Tj(C)＝Aj(C)/Aj(W) (5)
式中，Aj(W)表示参考白光的匹配值；
式(3)假定具有如式(6)所示形式：
从Grassman第四定律可知，彩色混合光Y(C)的亮度等于其基色成分的亮度，因此，有式(7)所示：
式中，V(λ)是相对发光效率；
通过具有灵敏度的s1(λ)、s2(λ)、s3(λ)的三种类型感受器的响应可知如式(8)所示模型：
假如观测主混合光而不是观测C，那么由式(7)替换C(λ)，则产生相同的视锥信号e1(C)；由此，可得模型如式(9)所示：
将式(9)改写成紧凑矩阵的形式，可得如式(10)所示形式：
进一步地，所述分割出林火遥感图像中的林火火场区域，并将分割后的图像转换为灰度图像具体为：
采用判别式(11)对颜色聚类后的图像进行处理，经林火区域分割得到林火火场的灰度图像；
进一步地，所述形态学处理方法为腐蚀和膨胀。
附图说明
图1是一种彩色林火遥感图像的目标区域分割方法流程图；
图2是输入的彩色林火遥感图像；
图3是分割后林火区域图像。
具体实施方式
下面将结合本发明实施例中的附图对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
林火遥感图像具有自身的独特性。一般情况，林火的特征是整个林火遥感图像中的重要信息。在色度空间中，林火的特殊颜色与周围的森林截然不同，分布具有良好的聚类性。利用颜色聚类模型可快速检测出林火火场区域，因此，本发明将颜色聚类算法应用在彩色林火遥感图像的分割中。
结合图1-图3，本发明提出一种彩色林火遥感图像的目标区域分割方法，包括以下步骤：
步骤1、输入彩色林火遥感图像；
步骤2、将输入的彩色林火遥感图像的颜色模式从RGB色彩空间转换到YCbCr色彩空间；
步骤3、通过颜色聚类模型生成颜色聚类后的图像，从而分割出林火遥感图像中的林火火场区域，并将分割后的图像转换为灰度图像；
步骤4、利用形态学处理转换后的灰度图像，从而获得准确的林火火场区域；
步骤5、输出分割后林火区域图像。
模型的建立首先是对林火遥感图像中林火区域颜色特征进行统计分析，然后确定模型中的参数，然后通过建立的模型进行判别所输入的林火遥感图像中哪些区域属于林火范围，最后将林火火场区域进行有效地分割出来。具体工作流程是：首先将输入的彩色林火遥感图像的颜色模式从RGB色彩空间转换到YCbCr空间，然后通过颜色聚类模型生成颜色聚类后的图像，并将分割后的图像转换为灰度图像，对灰度图像进行形态学处理，最后得到分割后的林火遥感图像。
林火聚类模型主要是用一种解析的或查找表的形式来表示哪些像素的颜色属于林火区域，或者表征出某一像素的颜色与林火区域颜色的相似程度。模型的建立首先是对林火遥感图像中林火区域颜色特征进行统计分析，然后确定模型中的参数，然后通过建立的模型进行判别所输入的林火遥感图像中哪些区域属于林火范围，最后将林火火场区域进行有效地分割出来。
YCbCr是一种常见的颜色模型。由于YCbCr色彩空间对林火具有很好的聚类效果，而RGB色彩空间受亮度影响大，HSV空间与YCbCr空间虽然都具有将色度和亮度分离的特点，但是HSV空间计算比较复杂，效率相对比较低，并且HSV空间存在奇异点即饱和度越低，色调越不稳定。因此，在进行林火聚类分割的时候，可以把RGB色彩空间转换到YCbCr空间，二者之间的转换关系如式(1)和式(2)：
虽然林火火场区域的颜色在彩色空间的分布情况略有不同，但这种不同主要是存在于亮度上面而不是色度上，林火在一定范围内还是呈现聚类特性的。经统计实验发现，林火空间在YCbCr上的聚合主要集中在Cb＝165左右。本发明采用判别式(11)对颜色聚类后的图像进行处理，经林火区域分割得到林火火场的灰度图像；
颜色特征属于图像的内部特征，描述了图像或图像区域所对应景物的表面特性。颜色特征与其他视觉特征相比，它对图像的尺寸、方向、视觉等变换不敏感，因此，颜色特征广泛应用于图像识别。对于彩色林火遥感图像，林火区域与其他区域存在着明显的颜色差异，不同情况的火情对应的色调是比较一致。因此，在色度空间中，林火区域分布具有聚类性。色彩空间的选择直接影响着颜色检测的结果，用于颜色检测的常用色彩空间有HIS、YIQ、YUV和YCbCr等。一般情况下，色调与亮度是两个独立的部分，虽然目标颜色的亮度有时会明显不同，但它的色度却基本不变，具有一定的稳定性。所述颜色聚类模型具体为：
一种彩色C由三种基色P1、P2、P3进行匹配，定性匹配表示为式(3)所示：
式中，A1(C)、A2(C)、A3(C)是彩色C的匹配值，根据一种彩色混合光的光谱能量分布等于其组分的光谱能量分布之和，以及根据式(3)所示，光谱能量分布C(λ)依据式(4)所示可以由其配色等量替换；
Pj(λ)代表一种基色光的光谱能量分布，式(4)表示在等价算子<>两侧的光谱能量分布诱发相同的彩色视觉；配色是以三色值具体确定的，其是归一化的匹配值，如式(5)定义：
Tj(C)＝Aj(C)/Aj(W) (5)
式中，Aj(W)表示参考白光的匹配值；
式(3)假定具有如式(6)所示形式：
从Grassman第四定律可知，彩色混合光Y(C)的亮度等于其基色成分的亮度，如式所示：因此，有式(7)所示：
式中，V(λ)是相对发光效率；
通过具有灵敏度的s1(λ)、s2(λ)、s3(λ)的三种类型感受器的响应可知如式(8)所示模型：
假如观测主混合光而不是观测C，那么由式(7)替换C(λ)，则产生相同的视锥信号e1(C)；由此，可得模型如式(9)所示：
将式(9)改写成紧凑矩阵的形式，可得如式(10)所示形式：
色彩空间的聚类模型是一种通过色彩模型的变换，使得某一种颜色在色彩空间有聚类特性，然后将这一聚类在彩色空间中用代数进行表示出来。这种模型特别符合对于林火遥感图像的林火火场区域分割的要求。本发明利用数学模型来表达颜色的聚类性，将颜色相似的图像区域化分成一组，实现图像的分割。
为了提高林火遥感图像分割的准确性，同时还运用了形态学处理的方法。形态学中分来两种操作方法：膨胀和腐蚀。膨胀的作用是对待处理图像中的空洞和凹陷进行填充，目的是将与之接触的全部背景点合并到该物体中，使边界向外得到扩张。结构元素B对图像A的膨胀，记作定义为式(12)所示：
腐蚀和膨胀是对偶操作。对于去除小而无意义的部分可以利用腐蚀操作来处理，这种操作可以很好地消除边界点，且使边界向内部收缩。集合A被结构元素B腐蚀，记作定义为式(13)所示：
在检测函数中添加形态学中的膨胀和腐蚀操作，先小面积膨胀、大面积腐蚀，再膨胀恢复林火区域，然后利用边界追踪获得图像中斑点位置并消除，从而获得准确的林火火场区域。
通过分割的结果可以看出，本发明提出的基于颜色聚类模型的林火遥感图像的分割方法可以准确地分割出彩色林火遥感图像中的火场区域，因此，利用颜色聚类思想进行分割林火遥感图像是非常可行并十分有效的。
以上对本发明所提供的一种彩色林火遥感图像的目标区域分割方法，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。