空间与光谱协同结构及遥感影像的多尺度理解方法、系统的制作方法
【技术领域】
[0001] 本发明涉及图像处理领域，具体涉及一种空间与光谱协同结构及遥感影像的多尺 度理解方法、系统。
【背景技术】
[0002] 当前很多聚类算法都基于像元，而基于像元的分类算法由于大多没有考虑像元之 间的空间相关性，在应用于高分辨率遥感影像时常会出现"椒盐效应"。为解决这个问题人 们提出面向对象的图像分析（OBIA)方法，，通常包括两个步骤：1)图像分割形成对象及2) 利用分类器对图像对象进行分类。尽管OBIA在很多领域都得到成功的应用，它仍然存在一 些问题，一方面，图像分割是一个病态的问题，很难确定分割尺度；另一方面，在分类阶段需 要太多的交互，降低了应用效率。此外，两个步骤相互分离，分类的性能严重依赖分割结果。
[0003] 概率主题模型是一种最初被用于从一个文档集中发现词的潜在模式或结构的混 合模型。每个文档都服从词袋模型的假设，即忽略每个词之间的顺序。这些模型可以非监督 地获取高分辨率遥感影像中潜在的语义结构。利用概率主题模型进行卫星影像分类时，影 像中每个像元被看做一个视觉词，此外，卫星影像常被划分为一系列的子图像（即，文档）。 但是，当概率主题模型应用于高分辨率遥感影像分类时存在三个常见问题：1)由于"词袋" 的假设，像元之间的空间相关性被忽视；2)需要事先确定组分个数的先验；3)子图像间相 互独立，且各子图像中的主题混合服从相同的先验分布。
【发明内容】
[0004] 针对现有技术中的缺陷，本发明提供一种空间与光谱协同结构及遥感影像的多尺 度理解方法、系统，以解决现有技术中采用概率主题模型进行卫星影像分类时所存在的问 题。
[0005] 为解决上述技术问题，本发明提供以下技术方案：
[0006] 第一方面，本发明提供了一种空间与光谱协同结构，实现了像元、结构、地物和场 景的空间和光谱信息双向流动，其中自下而上包括：由邻近像元组成图像局部结构，同质结 构合并成同类分割体，同类分割体组成地物类别，空间上频繁聚集的地物构成场景。
[0007] 第二方面，本发明提供了一种基于上面所述的空间与光谱协同结构的高分遥感影 像的多尺度理解方法，包括：
[0008] SI.对原始遥感影像进行划分得到重叠或不重叠的文档集；
[0009] S2.利用过分割算法，将原始遥感图像中光谱相似的像元划归为一个过分割体，得 到具有局部均质性的过分割体图；
[0010] S3.根据划分的文档集和过分割体图，建立内嵌入印度自助餐模型的层次狄利克 雷过程模型，估算每个文档中主题的混合比例参数，各主题依照概率产生视觉词的分布参 数，场景稀疏度分布，完成对图像像元、结构、地物和场景的框架构建；
[0011] S4.通过极大化后验概率的方法获得每个视觉词的聚类类别及各文档的场景编 号。
[0012] 其中，所述建立内嵌入印度自助餐模型的层次狄利克雷过程模型包括如下步骤：
[0013] A.场景标签采样，从先验离散分布中对子图像m的场景标签进行采样；
[0014] B.类别采样，从一个狄利克雷分布贞死I互)中采样获得第k个类\
[0015] C.主题稀疏度采样，对于每个场景s，第k个主题稀疏度利用下式采样得到：
[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.二值向量采样，对于场景为8111的子图像m，每个二值向量&的元素根据下式采 样得到：
[0018] bm，k~Bernoulli ( π k)，independently Vm,分；
[0019] 其中瓦表示矩阵B的第m行，bm，k为瓦的第k个元素；
[0020] E.类别标签采样，采样子图像m的每个过分割体'g的类别标签z m，g;
[0021] F.像元采样，对于过分割体'g中属于类的每个像元wg;i，通过类条件概率 户(~IU进行采样。
[0022] 其中，所述类别标签Zniig通过以下两个步骤得到：
[0023] EL桌子采样，过分割体'g的桌子分配tm，g根据下式进行采样而得：
【主权项】
1. 一种空间与光谱协同结构，其特征在于，实现了像元、结构、地物和场景的空间和光 谱信息双向流动，其中自下而上包括：由邻近像元组成图像局部结构，同质结构合并成同类 分割体，同类分割体组成地物类别，空间上频繁聚集的地物构成场景。
2. -种基于权利要求1所述结构的高分遥感影像的多尺度理解方法，其特征在于，包 括：
51. 对原始遥感影像进行划分得到重叠或不重叠的文档集；
52. 利用过分割算法，将原始遥感图像中光谱相似的像元划归为一个过分割体，得到具 有局部均质性的过分割体图；
53. 根据划分的文档集和过分割体图，建立内嵌入印度自助餐模型的层次狄利克雷过 程模型，估算每个文档中主题的混合比例参数，各主题依照概率产生视觉词的分布参数，场 景稀疏度分布，完成对图像像元、结构、地物和场景的框架构建；
54. 通过极大化后验概率的方法获得每个视觉词的聚类类别及各文档的场景编号。
3. 根据权利要求1所述的方法，其特征在于，所述建立内嵌入印度自助餐模型的层次 狄利克雷过程模型包括如下步骤： A. 场景标签采样，从先验离散分布中对子图像m的场景标签进行采样； B. 类别采样，从一个狄利克雷分布M巧I /7)中采样获得第k个类& ; C. 主题稀疏度采样，对于每个场景s，第k个主题稀疏度Jisk利用下式采样得到： π k~Beta ( λ，I)，independently ；其中π k是第k列非零元素的概率； D. 二值向量采样，对于场景为8111的子图像m，每个二值向量&的元素根据下式采样得 到： bm，k~Bernoulli 〇 k)，indepeiuk'mly Vm，々； 其中1表示矩阵B的第m行，bm，kS &的第k个元素； E. 类别标签采样，采样子图像m的每个过分割体'g的类别标签z m，g; F. 像元采样，对于过分割体'g中属于类的每个像元w&i，通过类条件概率 Ml IU进行采样。
4. 根据权利要求3所述的方法，其特征在于，所述类别标签z m，g通过以下两个步骤得 到： El.桌子采样，过分割体'g的桌子分配t ^根据下式进行采样而得：
其中IVt表示第m个子图像中编号为t的桌子上的顾客数；δ (·，·）为delta函数， 当函数的两个参数相等是取值为1，否则为〇 ; α为超参数；tn"为新桌子标签； E2.桌子对应的类标签采样，桌子tm，g的类标签km，t根据下式进行采样得到：
其中，mk为第k个类别的桌子数量；ky是一个向量，表示第m-Ι家餐馆已用餐桌的类 别标签；γ为超参数；knOT为新类别标签。
5. -种基于权利要求1所述结构的高分遥感影像的多尺度理解系统，其特征在于，包 括： 文档集划分模块，用于对原始遥感影像进行划分得到重叠或不重叠的文档集； 过分割模块，用于利用过分割算法，将原始遥感图像中光谱相似的像元划归为一个过 分割体，得到具有局部均质性的过分割体图； 框架构建模块，用于根据划分的文档集和过分割体图，建立内嵌入印度自助餐模型的 层次狄利克雷过程模型，估算每个文档中主题的混合比例参数，各主题依照概率产生视觉 词的分布参数，场景稀疏度分布，完成对图像像元、结构、地物和场景的框架构建； 聚类结果获取模块，用于通过极大化后验概率的方法获得每个视觉词的聚类类别及各 文档的场景编号。
6. 根据权利要求5所述的系统，其特征在于，框架构建模块还包括层次狄利克雷过程 模型实现子模块，用于执行如下步骤： A. 场景标签采样，从先验离散分布中对子图像m的场景标签进行采样； B. 类别采样，从一个狄利克雷分布I互;)中采样获得第k个类@ ; C. 主题稀疏度采样，对于每个场景s，第k个主题稀疏度Jisk利用下式采样得到： π k~Beta ( λ，I)，independently ;其中π k是第k列非零元素的概率； D. 二值向量采样，对于场景为\的子图像m，每个二值向量&的元素根据下式采样得 到： bm'k~Bernoulli (JT k) , independently /'m,k ； 其中瓦表示矩阵B的第m行，bm，k为的第k个元素； E. 类别标签采样，采样子图像m的每个过分割体'g的类别标签z m，g; F. 像元采样，对于过分割体'8中属于巧类的每个像元wg;i，通过类条件概率 M14W I U进行采样。
7. 根据权利要求6所述的系统，其特征在于，所述类别标签z m，g通过以下两个步骤得 到： El.桌子采样，过分割体'g的桌子分配t ^根据下式进行采样而得：
其中IVt表示第m个子图像中编号为t的桌子上的顾客数；δ (·，·）为delta函数， 当函数的两个参数相等是取值为1，否则为〇 ; α为超参数；tn"为新桌子标签； E2.桌子对应的类标签采样，桌子tm，g的类标签km，t根据下式进行采样得到：
其中，mk为第k个类别的桌子数量；ky是一个向量，表示第m-Ι家餐馆已用餐桌的类 别标签；γ为超参数；knOT为新类别标签。
【专利摘要】本发明提供了一种空间与光谱协同结构，实现了像元、结构、地物和场景的空间和光谱信息双向流动，其中自下而上包括：由邻近像元组成图像局部结构，同质结构合并成同类分割体，同类分割体组成地物类别，空间上频繁聚集的地物构成场景。本发明所述协同结构可以用于对遥感影像进行理解、分析和处理，使得图像的空间信息和光谱信息能够在像元-结构-类别-场景等不同尺度进行传递，有助于进行图像分析、分类等应用。
【IPC分类】G06K9-62, G06T7-00
【公开号】CN104766091
【申请号】CN201510133796
【发明人】唐宏, 舒阳, 毛婷
【申请人】北京师范大学
【公开日】2015年7月8日
【申请日】2015年3月25日