一种交互式尺度集模型中错误合并区域的修正方法技术

本发明专利技术提供一种尺度集中错误合并区域的修正方法。在尺度集模型构建过程中，会存在部分合并错误的区域，影响尺度集模型的使用效果。本发明专利技术首先重构尺度集模型的底层数据结构，降低尺度集模型构建模块与编辑模块的耦合性，采用最小风险分割模型计算全局最优分割尺度，并用指针数组指向该尺度下尺度集中的对应区域作为交互式编辑的起点。在区域的交互编辑过程中，针对不同类型的区域合并错误，采取单独的区域分裂或是区域分裂

【技术实现步骤摘要】
一种交互式尺度集模型中错误合并区域的修正方法


[0001]本专利技术涉及在地理信息系统与遥感软件系统中，当利用尺度集模型记录影像完整的多尺度表达后，会存在部分区域合并不正确的情况需要进行人工编辑，这一功能需要底层具有良好的数据结构对其进行支持。具体地说，涉及在地理信息系统、测绘及遥感应用领域中，对记录影像完整多尺度表达的尺度集模型，能够在模型已经完整构建的前提下，按意愿对模型内部的数据结构进行调整，实现符合用户主观认知上的区域正确合并，本专利技术可适用于针对尺度集模型中区域编辑功能的地理信息系统与遥感方面的软件与应用中。

技术介绍

[0002]影像空间分辨率的提高引出了面向对像图像处理方法。影像分割是面向对象的基础，通过影像分割，同质像素组成了一个个对象(基元、同质像素块、区域)。通过调节影像分割参数，可以获得由精细到粗糙的分割结果，对应着影像分割由过分割过渡到欠分割，这就引入了分割尺度的概念。一般情况下，每次影像分割只能获得一个分割尺度，如果对该尺度分割效果不满意，就需要调节参数，重新分割，效率很低。后来学者意识到如果对影像进行一次过分割，然后在过分割生成的对象基础上，不断合并差异最小的两个邻接对象，并在每次融合之后，将此时的影像分割结果加入到一个序列中，那么就可以获得一个密集的、分割尺度严格由小变大的影像分割尺度序列，即尺度集模型(Scale
‑
sets Model)。作为一个底层框架模型，尺度集模型具有清晰的尺度概念，记录了影像完整的多尺度表达，可以快速回溯影像任意部分的任意尺度状态。在尺度集模型的构建过程中，区域合并顺序由区域间的相异度决定，相异度小的区域会优先合并，但其中会存在合并顺序错误的区域，如果不进行修正的话会造成影像局部尺度表达欠缺。
[0003]目前尚缺少针对尺度集模型的编辑功能，各类商业软件也仅支持对单一尺度分割结果的编辑。尺度集模型的底层数据结构相对复杂，为了实现对其编辑功能，并且保证用户编辑过程中的交互感，需要注意2个方面：一方面是需要针对编辑功能重新设计尺度集模型的底层架构，保证其在交互编辑过程中快速响应用户的操作，同时将对计算机的空间占用降到最低；另一方面需要设计合理的规范的用户编辑操作流程，并对用户的操作具有可回溯性和鲁棒性。本专利就是针对以上需求的特点进行的。相关参考文献包括：吴宁，陈秋晓.2012.面向影像分割的多尺度快速区域合并方法.计算机工程与应用，48(6)：1
‑
4；胡忠文.2013.基于区域的遥感影像多尺度表达方法与应用研究.武汉：武汉大学；张学良，冯学智，肖鹏峰.2015.基于区域合并的高分辨率遥感图像多尺度分割.南京大学学报(自然科学)，51(5)：1030
‑
1038等。同时，也参考了国外的部分相关文献，包括：Guigues L，Cocquerez J P and Le Men H.2006.Scale
‑
sets image analysis.International Journal of Computer Vision，68(3)：289
‑
317；Hu Z W，Li Q Q，Zhang Q，Zou Q and Wu Z C.2017.Unsupervised simplification of image hierarchies via evolution analysis in scale
‑
sets framework.IEEE Transactions on Image Processing，26(5)：2394
‑
2407等。
[0004]目前国内尺度集的相关研究较少，成果主要以论文的形式发表在各个期刊上，目前尚无法查询到与尺度集内容直接相关的专利。而在影像多尺度分割方面，目前可查到的专利较多，如：中国科学院地理科学与资源研究所王志华的专利“一种多尺度分割的最优尺度参数计算方法”(公开号：CN111369569A)根据待分析地物目标的面积，通过公式计算出地物目标的分割对象数量，并从按指数增长的尺度集合中选取最符合的尺度作为最优尺度，该专利中的多尺度概念不基于尺度集，获取多少个尺度就需要进行多少次独立的影像分割，因此与本专利在目的、底层结构、实现方法上完全不同；电子科技大学漆进等人的专利“高分辨率遥感图像多尺度分割方法”(公开号：CN111145178A)通过构建神经网络训练多尺度分割模型，将高分辨率遥感影像进行裁剪，由分割模型进行多尺度预测生成分割结果，该专利实现多尺度分割的方法为神经网络，与本专利中的尺度集完全不同，同时在目的上与本专利也没有相关性。总体来看，目前尚无与本专利技术存在较强相关性的专利。
[0005]本专利技术与现有技术相比具有如下区别与特点：本专利技术通过针对性地重构尺度集结构，并设计标准化的操作流程实现对尺度集中错误合并区域的交互式修正，重构后的尺度集不仅保持了传统尺度集结构的构建效率，并且适合交互式修正中涉及的尺度集二元分割树调整操作，能够交互式操作做出迅速准确的反馈。同时，本专利在重构尺度集结构的同时降低了尺度集构建和编辑之间的耦合性，本专利中的影像多尺度表达显示、区域分裂和区域合并的实现方法可以应用在任何以二元分割树为底层数据结构的尺度集中，为实现尺度集模型的灵活编辑功能提供借鉴与思路。

技术实现思路

[0006]本专利技术的目的是提供一种面向尺度集模型中错误合并区域的修正方法，这种修正是在模型内部修改区域间的层次隶属关系，保持尺度集模型的完整结构，不影响其正常的多尺度表达功能，同时需要设计合理的操作规范并保证良好的交互感。本专利技术主要是针对此类问题进行解决。
[0007]本专利技术的思路为：首先重构尺度集模型的底层数据结构，仅保存尺度集模型最底层区域(初始分割生成的区域)的全部区域属性，在自下而上构建尺度集模型的二元分割树过程中，中间区域仅保存计算区域相异度必须的区域属性。完成尺度集模型构建后，计算全局最优尺度，并用一个指针数组P，指向该尺度下的区域在尺度集二元分割树中的位置。用户进行交互式调整按照区域分裂、指定邻接区域对合并的过程进行，并同步更新尺度集的二元分割树以及指针数组P。当用户完成全部操作后，通过二元分割树自下而上计算最终显示区域的完整属性。
[0008]本专利技术采用了尺度集底层重构、用户标准化操作同步底层数据结构快速更新的思路。其最大优点是保证尺度集模型记录完整影像多尺度表达的前提下，重构了尺度集模型的底层结构，并设计了适合人机交互的操作与数据更新策略。本专利技术并没有改变尺度集的二元分割树结构，但是在二元分割树的实现上进行了独特设计，包括模型构建过程中的精简区域属性计算、指针数组统一管理显示的区域，因此保留了传统尺度集模型数据结构区域隶属关系明确、构建速度快的优点，并且能够提供反馈迅速、稳定的交互体验。本专利技术可应用于所有类型，以二元分割树为底层数据结构的尺度集模型的交互式编辑功能扩展。
[0009]本专利技术的技术方案提供了一种交互式尺度集模型中错误合并区域的修正方法，其
特征在于包括本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种交互式尺度集模型中错误合并区域的修正方法，其特征在于包括以下几个步骤：步骤1，通过降低尺度集模型构建模块与编辑模块的耦合性，重构以二元分割树为底层尺度集模型完整的结构，使得编辑模块可以快速访问和修改尺度集中的区域。在不降低尺度集模型构建效率的前提下，实现高效、准确的交互式编辑功能；步骤2，对影像构建尺度集模型，采用最小风险分割模型计算全局最优分割尺度，并用指针数组指向该尺度下尺度集中的对应区域，确保编辑操作时的精确度和效率；步骤3，区域分裂：选定错误合并区域的邻接区域，利用拓扑图记录区域间的拓扑关系，将其分裂至错误归并的地物间彼此分裂。在进行区域分裂的过程中，不会改变该二元分割树的树结构，即不会改变节点之间的父子关系以及树的深度，只根据分裂情况更新指针数组，保证尺度集模型的准确性；步骤4，区域合并：选定需要合并的邻接区域对进行合并，合并中需要调整尺度集的二元分割树结构，包括节点的删除与重新链接。通过对尺度集二元分割树结构的调整和指针数组的更新，实现错误合并区域的修正；步骤5，完成整副影像的调整后，根据指针数组输出对应的影像分割结果，确保最终输出的影像分割结果符合预期，保证编辑结果的准确性和稳定性。2.根据权利要求1所述的二元分割树为底层尺度集模型完整的结构方法，其特征在于，构建所述的二元分割树结点为BTreeNode类，叶子结点仅包含对应CSuperPixelSet类中与计算区域相异度阈值有关的区域信息。其中二元分割树包含大量潜在的分割结果，按照以下递归公式方法计算：f(n)＝f(n
left
)
×
f(n
right
)+1
ꢀꢀꢀ
(1)f(n
leaf
)＝1
ꢀꢀꢀ
(2)式中，f(n)代表以n为根节点的二元分割树可能分割结果的个数；n
left
和n
right
分别表示节点n的左右叶子节点；n
leaf
表示二元分割树的叶子节点。3.根据权利要求1所述的利用最小风险分割模型计算全局最优分割尺度的方法，其特征在于，所述的最小风险分割模型是基于归一化局部方差和莫兰指数计算每个尺度的区域内部同质性和区域间异质性，并获得全局表达最优的尺度。采用指针数组P指向该全局最优尺度下尺度集二元分割树中对应的区域。在计算机屏幕上显示指针数组P指向的区域。4.根据权利要求3所述的最小风险分割模型的方法，其特征在于，所述利用最小风险分割模型考虑了分割状态(过分割和欠分割)与全局同质性之间的显著关系，将尺度k的总风险定义为：其中，r为总风险；N表示该尺度下的分割数；Q表示分割不足的...

【专利技术属性】
技术研发人员：寇雯齐，沈占锋，雷雅婷，王浩宇，张驰，黄岚，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：