一种超像素分割方法、系统、设备及存储介质

本发明属于遥感图像处理领域，涉及一种超像素分割方法、系统、设备及存储介质。

背景技术：

1、遥感影像解译是智能化对地观测的关键。随着遥感影像空间分辨率的不断提高，地物的细节信息更加丰富。与此同时，地物的空间分布更加复杂、异质性增加、边界的不确定性更强。传统基于像素的图像处理方法对噪声极其敏感，往往会导致“椒盐”现象。为了深入挖掘图像蕴含的信息，提出了“对象”的概念，并在众多方向上取得了优异的成果。

2、超像素分割是获取对象的有效工具。其目标是将具有相同特征的相邻像素聚集到图像域空间中的子区域中。目前，超像素分割方法可分为三种，即基于图的、基于梯度的和基于聚类的。基于图的方法将图像表示为无向图。连接两个节点的边缘权重用于测量两个像素之间的相似度。然后，图像分割等价于无向图划分。基于图的代表性算法有归一化切割(ncut)和熵率超像素(ers)。ncut是图的子图之间的不相关的无偏度量，它改进了传统的基于图的算法的噪声敏感性。ers将超像素分割问题公式化为基于图上随机游走的熵率的图拓扑优化问题。它鼓励生成具有相似大小的超像素，并可以更好地保留对象边界。基于图的方法严格保证了超像素内的连通性。然而，其中大多数都具有较高的模型复杂性。基于梯度的方法根据图像梯度演化活动轮廓，代表性算法为turbopixel和空间约束分水岭(scow)。turbopixels是一种基于几何流的算法，它基于边界速度来演化轮廓。turbopixel可以尊重局部图像边界，并通过紧凑性约束限制欠分割与过分割。scow在标记控制流中引入了空间约束，以获得紧凑且均匀分布的超像素，使其均匀性和紧凑性之间取得了平衡。基于梯度的方法因更依赖于梯度信息，使得其在复杂图像处理中稍显不足。基于聚类的方法将超像素分割视为耦合空间距离的聚类问题。代表性算法是简单线性迭代聚类(slic)和线性谱聚类(lsc)。slic将图像从rgb颜色空间转换为lab颜色空间，并通过归一化的空间距离和光谱距离建模像素和种子点间的距离。lsc将每个像素映射到高维空间内的一个点，并基于加权k均值实现分割。基于聚类的方法可以很容易地控制紧凑性，并且由于其原理简单和可扩展性强而被广泛研究。近年来，从紧凑性和拟合优度的角度出发，提出了许多改进方法来提高超像素分割精度。然而，与自然图像不同，遥感图像具有数据大、目标多、空间结构复杂、特征信息丰富、边界模糊等特点，很难在统一的尺度上实现各种地物的有效分割，如大面积均匀的凸结构和小面积的窄结构。许多超像素容易过度分割或跨越边界，超像素分割精度较低，影响后续遥感影像处理精度。

技术实现思路

1、本发明的目的在于克服上述现有技术的缺点，提供了一种超像素分割方法、系统、设备及存储介质，该方法、系统、设备及存储介质的超像素分割精度较高。

2、为达到上述目的，本发明采用如下技术方案：

3、本发明一方面，本发明提供了一种超像素分割方法，包括：

4、获取待分割遥感影像i；

5、将所述待分割遥感影像i输入到具有边界轮廓约束的像素和种子点之间的非相似性模型中，得到待分割遥感影像i中像素与种子点之间的非相似性，其中，所述具有边界轮廓约束的像素和种子点之间的非相似性模型基于像素关于种子点的扩散通量、空间距离及光谱距离构建而成，所述像素关于种子点的扩散通量基于各向异性扩散模型计算得到；

6、根据待分割遥感影像i中像素与种子点之间的非相似性对待分割遥感影像i进行超像素分割。

7、本发明所述超像素分割方法进一步的改进在于：

8、所述待分割遥感影像i中像素i与种子点j之间的非相似性dij为：

9、

10、其中，为像素i与种子点j之间的光谱距离，为像素i与种子点j之间的空间距离，为像素i关于种子点j之间的扩散通量，nspatial为空间距离的归一化参数，nspectral为光谱距离归一化参数，nflux为扩散通量归一化参数。

11、所述像素i与种子点j之间的空间距离为：

12、

13、其中，(aj,bj)为种子点j在影像空间域的格点位置坐标，(xi,yi)为像素i在影像空间域的格点位置坐标。

14、所述像素i与种子点j之间的光谱距离为：

15、

16、其中，sj为种子点j的光谱测度矢量，ii为像素i的光谱测度矢量。

17、像素i与种子点j之间的扩散通量为：

18、

19、其中，为t时刻扩散通量图中坐标点(xi,yi)的值。

20、所述非相似性模型中扩散通量图的更新过程为：

21、

22、其中，uj(x,y,t+1)为t+1时刻扩散通量图，uj(x,y,t)为t时刻扩散通量图，λ为稳定性系数，r为扩散距离，cf(·)为f方向的扩散系数，|·|表示模值，表示f方向图像梯度，表示f方向的通量梯度。

23、所述根据待分割遥感影像i中像素与种子点之间的非相似性对待分割遥感影像i进行超像素分割的具体操作为：

24、根据待分割遥感影像i中像素与种子点之间的非相似性，利用k均值聚类算法对待分割遥感影像i进行超像素分割。

25、本发明二方面，本发明提供了一种超像素分割系统，包括：

26、获取模块，用于获取待分割遥感影像i；

27、非相似性计算模块，用于将所述待分割遥感影像i输入到具有边界轮廓约束的像素和种子点之间的非相似性模型中，得到待分割遥感影像i中像素与种子点之间的非相似性，其中，所述具有边界轮廓约束的像素和种子点之间的非相似性模型基于像素关于种子点的扩散通量、空间距离及光谱距离构建而成，所述像素关于种子点的扩散通量基于各向异性扩散模型计算得到；

28、超像素分割模块，用于根据待分割遥感影像i中像素与种子点之间的非相似性对待分割遥感影像i进行超像素分割。

29、本发明三方面，本发明提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述超像素分割方法的步骤。

30、本发明四方面，本发明提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现所述超像素分割方法的步骤。

31、本发明具有以下有益效果：

32、本发明所述的超像素分割方法、系统、设备及存储介质在具体操作时，将所述待分割遥感影像i输入到具有边界轮廓约束的像素和种子点之间的非相似性模型中，得到待分割遥感影像i中像素与种子点之间的非相似性，再以此进行超像素分割，其中，本发明在光谱距离和空间距离的基础上引入像素关于种子点的扩散通量，其中，所述像素关于种子点的扩散通量基于各向异性扩散模型计算得到，构建具有边界轮廓约束的像素和种子点之间的非相似性模型，以改善超像素对复杂地物边界的拟合能力，提高超像素分割精度，进一步提高后续遥感影像的解译精度。

技术特征：

1.一种超像素分割方法，其特征在于，包括：

2.根据权利要求1所述的超像素分割方法，其特征在于，所述待分割遥感影像i中像素i与种子点j之间的非相似性dij为：

3.根据权利要求2所述的超像素分割方法，其特征在于，所述像素i与种子点j之间的空间距离为：

4.根据权利要求2所述的超像素分割方法，其特征在于，所述像素i与种子点j之间的光谱距离为：

5.根据权利要求2所述的超像素分割方法，其特征在于，所述像素i关于种子点j之间的扩散通量为：

6.根据权利要求5所述的超像素分割方法，其特征在于，所述非相似性模型中扩散通量图的更新过程为：

7.根据权利要求1所述的超像素分割方法，其特征在于，所述根据待分割遥感影像i中像素与种子点之间的非相似性对待分割遥感影像i进行超像素分割的具体操作为：

8.一种超像素分割系统，其特征在于，包括：

9.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-7任一项所述超像素分割方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7任一项所述超像素分割方法的步骤。

技术总结
本发明公开了一种超像素分割方法、系统、设备及存储介质，包括：获取待分割遥感影像I；将所述待分割遥感影像I输入到具有边界轮廓约束的像素和种子点之间的非相似性模型中，得到待分割遥感影像I中像素与种子点之间的非相似性，其中，所述具有边界轮廓约束的像素和种子点之间的非相似性模型基于像素关于种子点的扩散通量、空间距离及光谱距离构建而成，所述像素关于种子点的扩散通量基于各向异性扩散模型计算得到；根据待分割遥感影像I中像素与种子点之间的非相似性对待分割遥感影像I进行超像素分割，该方法、系统、设备及存储介质的超像素分割精度较高。

技术研发人员：李晓丽,陈劲松,韩宇,赵龙龙,李洪忠,姜小砾,任彦霓,赵业隆
受保护的技术使用者：中国科学院深圳先进技术研究院
技术研发日：
技术公布日：2024/1/12