一种遥感影像半自动水体提取方法技术

本发明专利技术公开了一种遥感影像半自动水体提取方法，该方法包括以下步骤：对数据的特征建模；采用图割技术，进行影像分割；连通性判断；矢量化；矢量图形运算；半自动水体提取，达到即操作即预览的效果。通过该方法，极大地减少和简化操作员的提取操作；保证了提取结果更加准确和贴合地物边缘；实现了对提取结果优化的目的；实现了对水体区域提取过程中的正负提取；提高了操作员的提取效率，并且交互简单，容易上手，即提取即预览。

【技术实现步骤摘要】
一种遥感影像半自动水体提取方法
本专利技术涉及遥感影像
，具体来说，涉及一种遥感影像半自动水体提取方法。
技术介绍
水体信息对于水利规划、水资源调查、环境监测、灾害评估等具有重要的作用。利用遥感影像进行信息的获取，具有周期较短，适应性强，节约人力物力等优点；随着高光谱分辨率、高空间分辨率和高时间分辨率的遥感技术的普及，为从遥感影像上进行快速、准确和及时的水体信息提取提供了基础，并且可以逐渐弥补野外测量的不足。目前，根据人工参与度来区分从遥感影像上进行水体提取的方法，可以划分为：全自动提取、半自动提取和人工解译。其中：具有专业知识的人工解译的结果精度最高，但是，作业效率最低；全自动的提取方法作业效率最高，但是提取的精度还无法满足实际的应用，也不能很好的解决模型的通用性问题；半自动提取方法，将解译人员的人工交互与计算机处理相结合，利用计算机强大的处理能力，辅助一定的人工交互，实现水体信息的提取。不仅可以满足作业效率和成果精度的要求，而且可以具有更强的普适性。目前，基于半自动的遥感影像水体提取方法，主要有：水体指数法，通过对影像进行水体指数计算，然后人工交互判读选择合适的阈值，将水体信息分割出来；这种方法难以解决阈值分割后，提取结果存在大量小面小洞的问题，同时单一的阈值也很难将整个影像上的水体准确的划分出来；基于像素的区域增长法，通过人工交互选择合适的种子点和设置合适的增长阈值，利用区域增长算法进行水体提取；这种方法一般应用于空间上具有连通关系的水体区域，然而，因为区域增长算法仅仅考虑像素之间的光谱差异信息，对于边界复杂，分布不均匀的区域，需要进行多次反复提取才能得到一个合适的结果。影像分割法，利用影像分割对提取区域进行一次分割，得到一系列分割图斑单元，可以较好的解决图像噪声点的问题，再结合人工判断，提取合适的图斑作为水体信息；但是这类方法严重依赖于分割算法的好坏以及效率的高低，同时，在复杂的边界处，仍旧需要一定的人工编辑工作。
技术实现思路
针对相关技术中的上述技术问题，本专利技术提出一种遥感影像半自动水体提取方法，能够克服现有技术的上述不足。为实现上述技术目的，本专利技术的技术方案是这样实现的：一种遥感影像半自动水体提取方法，该方法包括以下步骤：S1：对数据的特征建模；所述步骤S1包括以下步骤：S11：利用人工交互获取目标区域内的像素集和当前显示区域内的栅格数据；S12：设置初始种子点；S13：对种子点区域进行一定程度的扩张处理得到前景数据集，对其它区域随机采样得到背景数据集输入算法，其中，算法通过拟合高斯混合模型，分别建立前景和背景的光谱模型，定义影像的像素光谱特征向量为x＝{x1,x2,…,xb}，b为影像的波段数，x∈X，X表示影像，所述光谱模型：定义α＝0表示背景，α＝1表示前景，高斯混合模型由K个单独的全协方差高斯模型组成，默认高斯模型的数目为5，每个高斯模型的权重、均值向量和协方差分别为w(α,k)、μ(α,k)和∑(α,k)，从而，数据的光谱模型为θ＝{w(α,k),μ(α,k),∑(α,k),α＝0,1,k＝1,2,…,K}；S2：采用图割技术，进行影像分割，其中，根据前景和背景的特征模型，选用图割算法进行影像分割处理；S3：连通性判断；所述步骤S3包括以下步骤：S31：利用输入的人工交互得到的种子点对提取结果进行连通性处理，移除与种子点不相交的区域；S32：将保留的像素区域输入栅格转矢量模块；S4：矢量化；S5：矢量图形运算；所述步骤S5包括以下步骤：S51：提取目标区域的矢量结果；S52：根据矢量图形的交集和差值运算，将正确的提取结果合并到已有的结果矢量中；S53：将背景区域的提取结果从已有的矢量数据中移除；S6：半自动水体提取，达到即操作即预览的效果。进一步的，所述步骤S13中，所述前景数据集为水体区域数据集。进一步的，所述步骤S2包括以下步骤：S21：算法通过将影像分割问题与图的最小割问题相关联；S22：通过求解建立的能量函数，得到分割结果，其中，用G＝<V,E>表示一个无向图，用于图割算法，V表示无向图中的所有顶点集合，E表示边集合，在普通的图基础上，图割引入两个终端顶点S和T，图中的每个顶点都与这两个终端顶点相连，构成边集合的一部分，影像的像素对应与图中的一个顶点，并且每个顶点会与S和T顶点相连形成链接边，称为t-links，像素顶点与像素顶点之间根据4领域构成的边称为n-links，在前后景分割中，S表示前景目标，T表示背景；根据图论定理，网络中的最大流与最小割相等，算法使用最大流算法求解图割模型中的最小割，这个最小割会把图的顶点划分为两个不相交的子集Vs和Vt，并且Vs∪Vt＝V；根据图割技术，定义能量函数E表示影像的分割结果，当分割结果比较好时，能量函数的值比较小，其等式为：E(α,θ,X)＝U(α,θ,X)+V(α,X)；U项表示图割的区域项，根据像素的特征建模结果，根据前景和背景的高斯混合模型计算得到区域项的值，即得到图G中所有的n-links边的权重，V项表示图割的平滑项，根据像素的4邻域关系，计算两个相邻像素之间的距离值，得到n-links边的权重。进一步的，所述步骤S12中，初始种子点为交互提取影像的像素集输入处理流程。本专利技术的有益效果：通过该方法，极大地减少和简化操作员的提取操作，仅仅需要对需要提取的区域进行滑动操作即可预览提取结果；同时，方法通过对提取目标和背景区域的特征建模，输入以图割技术为基础的影像分割模块，将影像的光谱特征和纹理特征应用于目标区域的分割，保证了提取结果更加准确和贴合地物边缘；利用栅格转矢量操作，将提取结果实时转为矢量图形，并辅助去小面小洞和平滑处理，实现了对提取结果优化的目的；最后结合矢量图形的运算操作，实现了对水体区域提取过程中的正负提取；实际应用中，本专利技术提出的半自动水体提取方法，提高了操作员的提取效率，并且交互简单，容易上手，即提取即预览。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是根据本专利技术实施例所述的一种遥感影像半自动水体提取方法的流程框图；图2是根据本专利技术实施例所述的一种遥感影像半自动水体提取方法的图割模型的示例图；图3是根据本专利技术实施例所述的一种遥感影像半自动水体提取方法的图割结果示例图；图4是根据本专利技术实施例所述的一种遥感影像半自动水体提取方法的半自动提取结果矢量化示例图；图5是根据本专利技术实施例所述的一种遥感影像半自动水体提取方法的种子点集图；图6是根据本专利技术实施例所述的一种遥感本文档来自技高网...

【技术保护点】
1.一种遥感影像半自动水体提取方法，其特征在于，包括以下步骤：/nS1：对数据的特征建模；/n所述步骤S1包括以下步骤：/nS11：利用人工交互获取目标区域内的像素集和当前显示区域内的栅格数据；/nS12：设置初始种子点；/nS13：对种子点区域进行一定程度的扩张处理得到前景数据集，对其它区域随机采样得到背景数据集输入算法，其中，算法通过拟合高斯混合模型，分别建立前景和背景的光谱模型，定义影像的像素光谱特征向量为x＝{x

【技术特征摘要】
1.一种遥感影像半自动水体提取方法，其特征在于，包括以下步骤：
S1：对数据的特征建模；
所述步骤S1包括以下步骤：
S11：利用人工交互获取目标区域内的像素集和当前显示区域内的栅格数据；
S12：设置初始种子点；
S13：对种子点区域进行一定程度的扩张处理得到前景数据集，对其它区域随机采样得到背景数据集输入算法，其中，算法通过拟合高斯混合模型，分别建立前景和背景的光谱模型，定义影像的像素光谱特征向量为x＝{x1,x2,…,xb}，b为影像的波段数，x∈X，X表示影像，所述光谱模型：定义α＝0表示背景，α＝1表示前景，高斯混合模型由K个单独的全协方差高斯模型组成，默认高斯模型的数目为5，每个高斯模型的权重、均值向量和协方差分别为w(α,k)、μ(α,k)和∑(α,k)，从而，数据的光谱模型为
θ＝{w(α,k),μ(α,k),∑(α,k),α＝0,1,k＝1,2,…,K}；
S2：采用图割技术，进行影像分割，其中，根据前景和背景的特征模型，选用图割算法进行影像分割处理；
S3：连通性判断；
所述步骤S3包括以下步骤：
S31：利用输入的人工交互得到的种子点对提取结果进行连通性处理，移除与种子点不相交的区域；
S32：将保留的像素区域输入栅格转矢量模块；
S4：矢量化；
S5：矢量图形运算；
所述步骤S5包括以下步骤：
S51：提取目标区域的矢量结果；
S52：根据矢量图形的交集和差值运算，将正确的提取结果合并到已有的结果矢量中；
S53：将背景区域的提取结果从已有的矢量数据中移除；
S6：半自动水体提取，达到即操作即预览的效果。

【专利技术属性】
技术研发人员：李咏洁，宋海伟，黎珂，运晓东，高亮，
申请(专利权)人：北京吉威空间信息股份有限公司，
类型：发明
国别省市：北京;11