CN111680700A - 基于蝙蝠算法与归一化色差的遥感图像特征提取方法及装置 - Google Patents

Abstract

本发明公开了一种基于蝙蝠算法与归一化色差的遥感图像特征提取方法及装置，方法包括以下步骤：采集航拍遥感图像；利用蝙蝠算法优化遥感图像的对比度；基于归一化色差提取优化对比度后的遥感图像的特征；对获得的特征图进行滤波处理。本发明利用蝙蝠算法增强遥感图像的对比度，相对于传统的灰度直方图均衡化方法，获得的图像的灰度分布更均匀，对比度更明显，此外针对遥感图像的颜色特征对对象进行提取，提取的结果完整保留了对象的整体特征，且操作简单。

Description

基于蝙蝠算法与归一化色差的遥感图像特征提取方法及装置

技术领域

本发明属于软件工程技术领域，具体涉及图像特征提取领域，特别涉及一种基于蝙蝠算法与归一化色差的遥感图像特征提取方法及装置。

背景技术

随着城市热岛效应的不断加剧与城镇化用地的不断扩张，对城市绿化面积与农村用地的精准监测已成为至关重要的任务。当前，随着远程传感器数据采集技术的不断改进，航拍遥感图像在国土监测、地理国情普查、城市绿化监测等方面的应用不断增加。获取遥感图像后，能够准确提取出所要监测的对象特征已越来越关键。对此，国内外专家进行了广泛的研究。

Alshehhi R等人提出了一种利用随机森林和纹理分析的混合方法来准确区分城市植被覆盖，并分析分类精度随纹理窗口大小的变化的方法。但是该方法的准确度受无人机影响较大。Arnfield A等人提出了一种基于卷积神经网络对遥感图像特征进行分类的方法，但该方法所需采集的神经网络训练集较多。Castelluccio M等人提出了一种基于语义分割来实现高分辨率遥感图像细粒度目标识别的方法，但该方法存在的局限性是需要大量高质量地物真实标记的数据集用于模型训练，数据集的获取需要图像判读专家的经验和大量人工作业，而很多实际应用中难以获得这些条件。Cheng G等人通过对不同道路特征和道路模型的分析，将道路提取方法分为基于分类的方法、基于知识的方法、数学形态学方法、主动轮廓模型方法和动态规划方法，但是在水、建筑物、树木、草地、汽车等周围物体遮挡道路或产生阴影的情况下，特别是受到立交桥等空间结构的影响时，往往无法进行道路提取，导致检测到的道路出现缝隙和不连续。Hwang H等人提出了一种基于patch的卷积神经网络(CNN)架构，用于从高分辨率遥感数据中提取道路和建筑。该方法虽然在城市目标定位中取得了较好的效果，但需要进行额外的处理才能更准确地勾画出边界。Sun T等人提出了基于深度学习的特征表示和基于弱监督学习的地理空间目标检测两个有前途的研究方向，但是实用性不强。Wang W等人提出了一种计算量较小的基于颜色的火警检测算法，利用火警的彩色特征提取火警像素作为火警候选区域，得到火警候选区域进行进一步分析。然后结合经典光流算法和最优传质光流算法两种光流算法计算火灾候选区域的运动矢量，可以将其与其他火灾类似物区别开来。但是该方法鲁棒性不强且计算量较大。

综上所述，现阶段所采用的遥感图像特征提取主要应用卷积神经网络与颜色、形状等多特征融合的方法。对于卷积神经网络，需要大量的训练集，耗费人力与时间；对于多特征融合的方法，较多的特征使融合手段复杂，操作难度大。

发明内容

本发明的目的在于针对上述现有技术存在的问题，提供一种基于蝙蝠算法与归一化色差的遥感图像特征提取方法及装置。

实现本发明目的的技术解决方案为：一种基于蝙蝠算法与归一化色差的遥感图像特征提取方法，所述方法包括以下步骤：

步骤1，采集航拍遥感图像；

步骤2，利用蝙蝠算法优化所述遥感图像的对比度；

步骤3，基于归一化色差提取步骤2获得的遥感图像的特征；

步骤4，对步骤3获得的特征图进行滤波处理。

进一步地，步骤2所述利用蝙蝠算法优化所述遥感图像的对比度，所用公式为：

S₁＝∑(transpose(u)-hi)²

S₂＝∑(transpose(u)-sm)²

dh＝transpose(u)

S₃＝∑(dh)²

Z＝S₁+Lamda*S₂+Gamma*S₃

式中，transpose(u)为1×256的对角单位矩阵，u为彩色图像通道，sm为遥感图像灰度级的个数，hi为遥感图像各灰度等级的像素个数，Z为优化后的遥感图像各灰度级所对应的像素个数，S₁为灰度级像素分布，S₂为与对比度相关的灰度级分布，S₃为与亮度相关的灰度级分布，Lamda、Gamma分别为S₂、S₃的系数，两个系数可调节。

进一步地，步骤3所述基于归一化色差提取步骤2获得的遥感图像的特征，具体包括：

步骤3-1，对步骤2获得的遥感图像进行归一化色差处理，所用公式为：

针对绿色分量：

或针对蓝色分量：

或针对红色分量：

或

式中，X为归一化色差值；

步骤3-2，二值化步骤3-1归一化色差处理后的遥感图像，实现特征提取，所用公式为：

式中，Y为预设阈值。

基于蝙蝠算法与归一化色差的遥感图像特征提取装置，包括：

存储器，用于存储程序；

处理器，用于运行所述程序；

其中，所述程序在所述处理器中运行时，用于执行以下步骤：

步骤1，采集航拍遥感图像；

步骤2，利用蝙蝠算法优化所述遥感图像的对比度；

步骤3，基于归一化色差提取步骤2获得的遥感图像的特征；

步骤4，对步骤3获得的特征图进行滤波处理。

本发明与现有技术相比，其显著优点：1)相比于传统的直方图均衡化，利用蝙蝠算法优化后的图像的灰度直方图灰度分布更均匀，对比度更显著，提高了特征提取的效果和精度；2)在蝙蝠算法的基础上，结合归一化色差法提取的图像特征更完整；3)通过中值滤波处理进一步提高了图像特征的显著性。

下面结合附图对本发明作进一步详细描述。

附图说明

图1为一个实施例中基于蝙蝠算法与归一化色差的遥感图像特征提取方法的流程图。

图2为一个实施例中采集的航拍遥感图像，其中图(a)为农村厂房遥感图像，图(b)为城市绿地遥感图像。

图3为一个实施例中调节图2的对比度、亮度系数分别为Lama＝25,Gama＝100000后的遥感图像，其中图(a)为农村厂房遥感图像，图(b)为城市绿地遥感图像。

图4为一个实施例中调节图2的对比度、亮度系数分别为Lama＝15,Gama＝80000后的遥感图像，其中图(a)为农村厂房遥感图像，图(b)为城市绿地遥感图像。

图5为一个实施例中对比度优化后的农村厂房遥感图像，其中图(a)为对图2(a)进行蝙蝠算法优化后的农村厂房遥感图像，图(b)为对图2(a)进行直方图均衡化后的农村厂房遥感图像。

图6为一个实施例中遥感图像的灰度直方图，其中图(a)为图2(a)遥感图像对应的灰度直方图，图(b)为图5(a)遥感图像对应的灰度直方图，图(c)为图5(b)遥感图像对应的灰度直方图。

图7为一个实施例中蝙蝠优化和归一化色差后的遥感图像，其中图(a)为对图2(a)进行蝙蝠算法优化后的农村厂房遥感图像，图(b)为对图2(b)进行蝙蝠算法优化后的城市绿地遥感图像，图(c)为对图(a)归一化色差后的农村厂房二值图，图(d)为对图(b)归一化色差后的城市绿地二值图。

图8为一个实施例中中值滤波后的二值图，其中图(a)为对图7(c)中值滤波后的二值图，图(b)为对图7(d)中值滤波后的二值图。

图9为一个实施例中经直方图均衡化增强对比度后经归一化色差、中值滤波后的二值图，其中图(a)为图2(a)对应的农村厂房二值图，图(b)为图2(b)对应的城市绿地二值图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅用以解释本申请，并不用于限定本申请。

在一个实施例中，结合图1，提供了一种基于蝙蝠算法与归一化色差的遥感图像特征提取方法，该方法包括以下步骤：

步骤1，采集航拍遥感图像；

步骤2，利用蝙蝠算法优化遥感图像的对比度；

步骤3，基于归一化色差提取步骤2获得的遥感图像的特征；

步骤4，对步骤3获得的特征图进行滤波处理。

进一步地，在其中一个实施例中，步骤2中利用蝙蝠算法优化遥感图像的对比度，所用公式为：

S₁＝∑(transpose(u)-hi)²

S₂＝∑(transpose(u)-sm)²

dh＝transpose(u)

S₃＝∑(dh)²

Z＝S₁+Lamda*S₂+Gamma*S₃

式中，transpose(u)为1×256的对角单位矩阵，u为彩色图像通道，sm为遥感图像灰度级的个数，hi为遥感图像各灰度等级的像素个数，Z为优化后的遥感图像各灰度级所对应的像素个数，S₁为灰度级像素分布，S₂为与对比度相关的灰度级分布，S₃为与亮度相关的灰度级分布，Lamda、Gamma分别为S₂、S₃的系数，两个系数可调节。

进一步地，在其中一个实施例中，步骤3中基于归一化色差提取步骤2获得的遥感图像的特征，具体包括：

步骤3-1，对步骤2获得的遥感图像进行归一化色差处理，所用公式为：

针对绿色分量：

或针对蓝色分量：

或针对红色分量：

或

式中，X为归一化色差值；

步骤3-2，二值化步骤3-1归一化色差处理后的遥感图像，实现特征提取，所用公式为：

式中，Y为预设固定阈值。

这里，由于遥感图像所要提取的特征与背景有色差，可以根据颜色特征提取特征。在彩色图像分割之前，首先需要选择颜色空间，本发明选择RGB颜色空间，然后再利用颜色空间中的一个或多个初始颜色分量作为颜色特征，来区分背景与特征的色差。之后基于颜色特征，设计图像分割算法，实现背景与特征的分割。由此提出了上述归一化色差的固定阈值图像分割算法。

进一步优选地，在其中一个实施例中，步骤4中对步骤3获得的特征图进行滤波处理，具体采用中值滤波法。

这里，中值滤波是一种非线性数字滤波器技术，经常用于去除图像或者其它信号中的噪声。这个设计思想就是检查输入信号中的采样并判断它是否代表了信号，使用奇数个采样组成的观察窗实现这项功能。观察窗口中的数值进行排序，位于观察窗中间的中值作为输出。然后，丢弃最早的值，取得新的采样，重复上面的计算过程。中值滤波对于斑点噪声和椒盐噪声来说尤其有用。对二值化后的遥感图像就行中值滤波，可以去除斑点、椒盐噪声使提取的特征更加明显。

作为一种具体示例，在其中一个实施例中，对本发明基于蝙蝠算法与归一化色差的遥感图像特征提取方法进行进一步验证说明，包括以下内容：

1、采集航拍农村厂房遥感图像、城市绿地遥感图像如图2所示。

2、利用蝙蝠算法优化遥感图像的对比度，本示例中设置蝙蝠的个数为30个，搜寻猎物的次数为10次，对遥感图像的各灰度值所对应的像素个数进行优化，并通过调节对比度系数与亮度系数来对图像的对比度进行调节。对图2进行蝙蝠优化后，通过调节不同的Lama、Gama值获得两组对比度(Lama＝25,Gama＝100000、Lama＝15,Gama＝80000)不同的遥感图像，分别如图3和图4所示。

选取农村厂房未经处理的遥感图像、经Lama＝25,Gama＝100000的蝙蝠算法优化后的遥感图像与传统的直方图均衡化后的遥感图像进行对比，如图5所示，并将三种图像的弧度直方图画出进行比较，如图6所示，由图可以看出，原图的灰度直方图灰度级分布“中间多，两边少”，导致图像的对比度不明显；直方图均衡化后的灰度直方图灰度级分布较均匀；蝙蝠优化后的图像的灰度直方图灰度分布最均匀、最广泛，因此对比度最明显。

3、基于归一化色差提取蝙蝠算法优化后的遥感图像图3的特征，结果如图7所示，之后对二值化后的遥感图像进行中值滤波，去除斑点、椒盐噪声使提取的特征更加明显，结果如图8所示。利用传统的直方图均衡化增强图2遥感图像的对比度，之后进行归一化色差与中值滤波处理，获得的特征二值图如图9所示。对比图8和图9，可以看出，经蝙蝠算法增强对比度后的遥感图像利用归一化色差法提取的特征更完整。

在一个实施例中，提供了一种基于蝙蝠算法与归一化色差的遥感图像特征提取装置，包括：

存储器，用于存储程序；

处理器，用于运行所述程序；

其中，所述程序在所述处理器中运行时，用于执行以下步骤：

步骤1，采集航拍遥感图像；

步骤2，利用蝙蝠算法优化所述遥感图像的对比度；

步骤3，基于归一化色差提取步骤2获得的遥感图像的特征；

步骤4，对步骤3获得的特征图进行滤波处理。

关于每一步的具体限定可以参见上文中对于基于蝙蝠算法与归一化色差的遥感图像特征提取方法的限定，在此不再赘述。

在一个实施例中，还提供了一种存储介质，在所述存储介质上存储了程序指令，在说书程序指令被计算机或处理器运行时使得所述计算机或处理器执行本发明实施例的基于蝙蝠算法与归一化色差的遥感图像特征提取方法的相应步骤。所述存储介质例如可以包括智能电话的存储卡、平板电脑的存储部件、个人计算机的硬盘、只读存储器、可擦除可编程只读存储器、便携式紧致盘只读存储器、USB存储器、或者上述存储介质的任意组合。所述计算机可读存储介质可以是一个或多个计算机可读存储介质的任意组合。

综上，本发明提出的基于蝙蝠算法与归一化色差的遥感图像特征提取方法，针对遥感图像的颜色特征对对象进行提取，提取的结果完整保留了对象的整体特征，且操作简单。

以上显示和描述了本发明的基本原理、主要特征及优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。

Claims (5)

1.一种基于蝙蝠算法与归一化色差的遥感图像特征提取方法，其特征在于，所述方法包括以下步骤：

步骤1，采集航拍遥感图像；

步骤2，利用蝙蝠算法优化所述遥感图像的对比度；

步骤3，基于归一化色差提取步骤2获得的遥感图像的特征；

步骤4，对步骤3获得的特征图进行滤波处理。

2.根据权利要求1所述的基于蝙蝠算法与归一化色差的遥感图像特征提取方法，其特征在于，步骤2所述利用蝙蝠算法优化所述遥感图像的对比度，所用公式为：

S₁＝∑(transpose(u)-hi)²

S₂＝∑(transpose(u)-sm)²

dh＝transpose(u)

S₃＝∑(dh)²

Z＝S₁+Lamda*S₂+Gamma*S₃

式中，transpose(u)为1×256的对角单位矩阵，u为彩色图像通道，sm为遥感图像灰度级的个数，hi为遥感图像各灰度等级的像素个数，Z为优化后的遥感图像各灰度级所对应的像素个数，S₁为灰度级像素分布，S₂为与对比度相关的灰度级分布，S₃为与亮度相关的灰度级分布，Lamda、Gamma分别为S₂、S₃的系数，两个系数可调节。

3.根据权利要求1所述的基于蝙蝠算法与归一化色差的遥感图像特征提取方法，其特征在于，步骤3所述基于归一化色差提取步骤2获得的遥感图像的特征，具体包括：

步骤3-1，对步骤2获得的遥感图像进行归一化色差处理，所用公式为：

针对绿色分量：

或针对蓝色分量：

或针对红色分量：

或

式中，X为归一化色差值；

步骤3-2，二值化步骤3-1归一化色差处理后的遥感图像，实现特征提取，所用公式为：

式中，Y为预设阈值。

4.根据权利要求1所述的基于蝙蝠算法与归一化色差的遥感图像特征提取方法，其特征在于，步骤4所述对步骤3获得的特征图进行滤波处理，具体采用中值滤波法。

5.基于蝙蝠算法与归一化色差的遥感图像特征提取装置，其特征在于，所述装置包括：

存储器，用于存储程序；

处理器，用于运行所述程序；

其中，所述程序在所述处理器中运行时，用于执行以下步骤：

步骤1，采集航拍遥感图像；

步骤2，利用蝙蝠算法优化所述遥感图像的对比度；

步骤3，基于归一化色差提取步骤2获得的遥感图像的特征；

步骤4，对步骤3获得的特征图进行滤波处理。

Images