遥感图像分割方法、装置、电子设备和存储介质

1.本发明涉及图像处理技术领域，尤其涉及一种遥感图像分割方法、装置、电子设备和存储介质。


背景技术：

2.遥感，从字面意义上来讲为“遥远的感知”，即一种远距离探测技术，能在不接触目标，且离目标很远的情况下探测目标，通过一系列传感器来获得探测目标的形状，空间分布特征等一系列数据。通过对这些数据的加工处理和变换，能够对远距离的地物目标进行特征提取和识别，因此，遥感技术在林业、电子、光学、军事、水文和农业等领域都有着重要的应用。
3.随着遥感技术的发展，如何从遥感图像中获得所需要的信息也成为了关键点。由于遥感图像中携带了巨大的信息量，为了更好的得到和利用这些信息，需要对遥感图像进行一定的加工和处理，使得遥感图像能更好地被应用在各领域。而图像分割技术能将输入的图像分割成一个个特定的区域，这样能够更好地执行之后的图像分析任务，可以说是遥感图像处理坚实的基础与关键的步骤。
4.而现在的遥感图像分割手段也大多是依据常见的图像分割技术所做的创新，同时由于遥感图像会包含着更多的光谱波段信息，使得传统的图像分割技术在对遥感图像进行分割时分割效果不佳，如分辨率和准确性不够高。


技术实现要素：

5.本发明提供一种遥感图像分割方法、装置、电子设备和存储介质，用以解决现有技术中对遥感图像进行图像分割处理时，分割效果不佳的问题。
6.本发明提供一种遥感图像分割方法，包括：对遥感图像进行处理，得到所述遥感图像对应的强度信息、色相信息和饱和度信息；
7.获取所述遥感图像的近红外通道信息，并对所述强度信息和所述近红外通道信息分别进行处理，得到所述强度信息和所述近红外通道信息分别对应的低频分量和高频分量；
8.将所述强度信息的低频分量与近红外通道信息的高频分量进行组合，得到重组强度分量；
9.根据所述色相信息、所述饱和度信息和所述重组强度分量进行处理，得到所述遥感图像的分割结果。
10.根据本发明提供的一种遥感图像分割方法，所述对遥感图像进行处理，得到所述遥感图像对应的强度信息、色相信息和饱和度信息，包括：
11.获取所述遥感图像在rgb三通道中每一个色彩通道的图像信息；
12.根据所述图像信息进行处理，得到所述遥感图像的强度信息、色相信息和饱和度信息。
13.根据本发明提供的一种遥感图像分割方法，所述根据所述图像信息进行处理，得到所述遥感图像的强度信息、色相信息和饱和度信息，包括：
14.根据所述图像信息进行计算，得到所述遥感图像的强度信息和色相强度；
15.将所述图像信息中的绿色通道的图像信息和蓝色通道的图像信息进行比较，并根据所述图像信息和得到的比较结果，确定所述遥感图像的饱和度信息。
16.根据本发明提供的一种遥感图像分割方法，所述对所述强度信息和所述近红外通道信息分别进行处理，得到所述强度信息和所述近红外通道信息分别对应的低频分量和高频分量，包括：
17.根据nsct算法对所述强度信息和所述近红外通道信息分别进行变换，得到nsct系数；
18.根据所述nsct系数，得到所述强度信息和所述近红外通道信息分别对应的低频分量和高频分量。
19.根据本发明提供的一种遥感图像分割方法，所述根据所述色相信息、所述饱和度信息和所述重组强度分量进行处理，得到所述遥感图像的分割结果，包括：
20.在所述遥感图像中确定初始聚类中心和初始隶属度；
21.根据所述强度信息、所述色相信息和所述饱和度信息，得到强度权重、色相权重和饱和度权重；
22.建立所述强度信息、所述色相信息和所述饱和度信息分别对应的邻域加权距离；
23.根据所述初始聚类中心、所述强度权重、所述色相权重、所述饱和度权重和所述邻域加权距离，得到目标函数；
24.根据所述目标函数对所述初始聚类中心和所述初始隶属度进行更新，并在所述目标函数满足预设条件时得到聚类中心和隶属度；
25.根据所述聚类中心和所述隶属度对所述遥感图像进行分割，得到分割结果。
26.根据本发明提供的一种遥感图像分割方法，所述根据所述强度信息、所述色相信息和所述饱和度信息，得到强度权重、色相权重和饱和度权重，包括：
27.将所述强度信息、所述色相信息和所述饱和度信息进行两两交互，得到交互信息，其中所述交互信息包括强度色相信息、强度饱和度信息以及色相饱和度信息；
28.根据所述强度信息、所述色相信息和所述饱和度信息进行计算，得到分别对应的方差；
29.根据所述交互信息和所述方差进行计算，得到强度权重、色相权重和饱和度权重。
30.根据本发明提供的一种遥感图像分割方法，所述根据所述目标函数对所述初始聚类中心和所述初始隶属度进行更新，包括：
31.计算得到所述目标函数的第一函数值，并确定所述第一函数值与预设值的大小；
32.当所述第一函数值大于所述预设值时，更新所述聚类中心和所述隶属度，并根据更新后的所述聚类中心和所述隶属度计算所述目标函数的第二函数值；
33.若所述第二函数值大于所述预设值，则执行步骤：更新所述聚类中心和所述隶属度，至所述目标函数满足预设条件。
34.本发明还提供一种遥感图像分割装置，包括：
35.图像处理模块，用于对遥感图像进行处理，得到所述遥感图像对应的强度信息、色
相信息和饱和度信息；
36.信息处理模块，用于获取所述遥感图像的近红外通道信息，并对所述强度信息和所述近红外通道信息分别进行处理，得到所述强度信息和所述近红外通道信息分别对应的低频分量和高频分量；
37.信息融合模块，用于将所述强度信息的低频分量与近红外通道信息的高频分量进行组合，得到重组强度分量；
38.图像分割模块，用于根据所述色相信息、所述饱和度信息和所述重组强度分量进行处理，得到所述遥感图像的分割结果。
39.本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述遥感图像分割方法。
40.本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述遥感图像分割方法。
41.本发明提供的遥感图像分割方法、装置、电子设备和存储介质，在对遥感图像进行分割处理时，对遥感图像进行转换处理，得到对应的强度信息、色相信息和饱和度信息，同时获取遥感图像的近红外通道信息，并根据强度信息和近红外通道信息得到重组强度分量，且重组强度分量由强度信息的低频分量和近红外通道信息的高频分量组合而成，最后根据色相信息、饱和度信息和重组强度分量进行分割处理，得到遥感图像分割结果。实现了在对遥感图像进行分割处理时，将遥感图像的近红外通道波段的数据信息作为分割的依据和参考，提高了分割的准确性。
附图说明
42.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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。
43.图1是本发明提供的遥感图像分割方法的流程示意图；
44.图2是本发明提供的进行图像分割的步骤的流程示意图；
45.图3是本发明提供的遥感图像分割装置的结构示意图；
46.图4是本发明提供的电子设备的结构示意图。
具体实施方式
47.为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
48.下面结合图1-图2描述本发明的遥感图像分割方法，由于现在对遥感图像进行分割处理时，采用常规的图像分割方式进行改进，如采用基于区域的分割和基于边缘的分割等，并未考虑和利用到近红外波段的四波段数据，因此，提供本技术的方法，在对遥感图像
进行分割处理时，引入近红外波段数据，具体地，采用了基于hsi的自适应鲁棒邻域加权fcm遥感图像分割算法对遥感图像进行分割，首先将遥感图像的红绿蓝(red-green-blue，rgb)和近红外波段变换到色调-饱和度-强度(hue-saturation-intensity，hsi)色彩空间，再根据邻域加权的思路提出该算法的目标函数，隶属度和聚类中心，最后利用该算法对遥感图像进行分割，得到分割结果。可以更好的提高对遥感图像的分辨率和分割准确性。
49.参照图1，图1是本发明提供的遥感图像分割方法的流程示意图，其中，该方法包括：
50.步骤101，对遥感图像进行处理，得到遥感图像对应的强度信息、色相信息和饱和度信息。
51.具体地，在对遥感图像进行分割处理时，首先得到遥感图像所对应的强度信息、色相信息和饱和度信息。而在进行处理时，通过将遥感图像的rgb三通道的图像信息进行转换，以转换到hsi色彩空间，进而得到所需要的相关信息。
52.示例性地，在进行处理时，包括：获取遥感图像在rgb三通道中每一个色彩通道的图像信息；根据图像信息进行处理，得到遥感图像的强度信息、色相信息和饱和度信息。
53.也就是，在进行处理时，首先获取遥感图像在rgb(red-green-blue，红绿蓝)三通道的图像信息，然后利用相关的公式进行转换，得到在色彩空间的相关信息。而在进行转换和处理时，具体包括：根据图像信息进行计算，得到遥感图像的强度信息和色相强度；将图像信息中的绿色通道的图像信息和蓝色通道的图像信息进行比较，并根据图像信息和得到的比较结果，确定遥感图像的饱和度信息。
54.其中，在进行转换时，首先得到三个通道的图像信息，分别为r、g和b，强度信息为i，色相信息为h，饱和度信息为s。
55.因此，强度信息为：
[0056][0057]
色相信息为：
[0058][0059]
其中，
[0060]
饱和度信息为：
[0061][0062]
步骤102，获取遥感图像的近红外通道信息，并对强度信息和近红外通道信息分别进行处理，得到强度信息和近红外通道信息分别对应的低频分量和高频分量。
[0063]
在对遥感图像进行分割处理时，需要将近红外波段数据引入，进而使得在进行图像分割时具有更好的分割效果。因此，此时将获取遥感图像的近红外通道信息，然后近红外通道信息进行变换处理，得到近红外通道信息的高频分量和低频分量，同时也会在用相同的方式对在步骤101中所得到的强度信息进行同样的处理，得到强度信息的高频分量和低
频分量。
[0064]
示例性地，在对强度信息和近红外通道信息进行处理时，可以采用nect(非下采样轮廓波变换，nonsubsampled contourlet变换)算法进行相应的处理，其中nect算法主要有两个部分组成，包括非下采样金字塔滤波器组(nspfb)和非下采样方向滤波器组(nsdfb)。
[0065]
非下采样金字塔滤波器组(nspfb)：
[0066][0067][0068]
其中，l
i,j
表示第i层第j个金字塔低频子带系数，h
i,j
表示第i层第j个金字塔带通子带系数，和分别表示低通和高通滤波器系数，h1和h2表示滤波器的尺度因子，n表示滤波器的长度。
[0069]
非下采样方向滤波器组(nsdfb)：
[0070][0071]
其中，h
i,j,d
表示第i层第j个方向d的高频子带系数，d表示方向索引。
[0072]
nsct变换：
[0073][0074]
其中，l表示分解层数，f表示原始图像，h
i,j
和l
l,1
分别表示nspfb和nsdfb变换后的子带系数，可以用逆变换合成原始图像。
[0075]
而在利用nsct算法对强度信息和饱和度信息进行处理时，包括：根据nsct算法对强度信息和近红外通道信息分别进行变换，得到nsct系数；根据nsct系数，得到强度信息和近红外通道信息分别对应的低频分量和高频分量。
[0076]
示例性地，在nsct中，低频分量通常来自于nspfb组的低频子带系数，而高频分量通常来自于nsdfb组的高频子带系数。因此，可以通过提取nspfb组的低频子带系数和nsdfb组的高频子带系数来得到nir通道图像的低频分量和高频分量。因此在进行处理时，包括：对nir通道图像进行nsct变换，得到nsct系数；从nsct系数中提取出低频分量和高频分量。
[0077]
具体来说，设nsct系数为c＝c
j,l,k
，其中j表示尺度，l表示方向，k表示子带，j＝1,2,
…
,j，l＝0,1,2,
…
,l-1，k＝1,2,
…
,kj，j表示总共的尺度数，l表示每个尺度的方向数，kj表示第j尺度的子带数。那么，nir(近红外)通道信息的低频分量可以表示为：
[0078][0079]
其中，表示第j尺度第l方向的小波函数，k
low
标识nspfb组的低频子带系数，l
nir
标识nir通道图像在每一个尺度上的方向数。
[0080]
类似的，nir通道的高频分量可以表示为：
[0081][0082]
其中，k
high
表示nsdfb组的高频子带系数的子带编号。
[0083]
另外，在对强度信息进行变换处理时，方式与对近红外通道信息的处理方式相同。
[0084]
由于噪声一般也在高频，所以此处对nir高频分量噪声进行处理，对高频分量h
nir
(x,y)进行阈值处理，将小于噪声阈值的系数设为0，将大于噪声阈值的系数保留，并乘以一个系数进行放缩。这个阈值可以根据具体的应用场景和噪声水平进行调整。
[0085][0086]
其中，y(x)表示阈值处理函数，一般为：
[0087][0088]
其中，τ表示噪声阈值，可以根据具体的应用场景和噪声水平进行调整。另外，为了避免噪声被过度压缩，可以将阈值处理后的系数乘以一个系数进行放缩，例如：
[0089]h″
nir
(x,y)＝α
·h′
nir
(x,y)
[0090]
其中，α为系数，一般取1.2-1.5。
[0091]
将h
″
nir
(x,y)与li(x,y)组合再进行nsct逆变换可以得到新的强度分量i
new
。
[0092]inew
＝invnsct(li(x,y),h
″
nir
(x,y))；
[0093]
具体地，对于每个尺度j和方向k，可以得到对应的高频子带系数，通过对这些高频子带系数进行加权平均得到重构后的高频分量：
[0094][0095]
其中，w
j,k
表示加权系数，表示第j个尺度和第h个方向的高频子带系数。
[0096]
对于低频分量，可以利用多级逆小波变换得到重构后的低频分量：
[0097][0098]
其中，表示第0级的低频分量，表示第l个尺度和第k个方向的低频子带系数，ф
l,k
(x,y)表示第l层第k个带通的低频小波基函数。
[0099]
通过上述方式，对强度信息和近红外通道信息进行处理，即可得到分别对应的低频分量和高频分量。
[0100]
步骤103，将强度信息的低频分量与近红外通道信息的高频分量进行组合，得到重组强度分量。
[0101]
其中，用rgb的低频分量与nir通道的高频分量的原因在于：对图像而言，低频分量代表着图像中亮度或者灰度值变化缓慢的区域，也就是图像中大片平坦的区域，描述了图像的主要部分，是对整幅图像强度的综合度量。高频分量对应着图像变化剧烈的部分，也就是图像的轮廓或者噪声以及细节部分，主要是对图像边缘和轮廓的度量。
[0102]
rgb图像的低频图像包含人类视觉系统感知的低亮度信息，而近红外图像的波长比较长，高频分量包含了更多边缘细节和空间细节，使用近红外图像的高频分量可以提高对图像中物体边缘和细节的捕捉能力，从而提高遥感图像处理和分析的效果。
[0103]
具体地，在基于nsct算法完成对强度信息和近红外通道信息进行转换分解之后，将强度分量的低频分量与近红外通道信息的高频分量进行组合，得到重组强度分量，进而进行后续的分割处理。
[0104]
示例性地，以上述处理过程为例，在得到和之后，进行相加处理即可得到nsct的逆变换结果：
[0105][0106]
步骤104，根据色相信息、饱和度信息和重组强度分量进行处理，得到遥感图像的分割结果。
[0107]
具体地，在完成对遥感图像的处理，得到新的强度分量之后，将会根据所得到的色相信息、饱和度信息和新的强度分量完成图像的分割处理，得到遥感图像所对应的分割结果。
[0108]
示例性地，在进行分割处理时，采用基于邻域加权距的模糊c均值算法，利用加权距离来度量邻域像素的相似性，写出邻域加权距离、隶属度和聚类中心，最后通过迭代处理，完成分类得到分类结果。
[0109]
参照图2，图2是本发明提供的进行图像分割的步骤的流程示意图，其中，该步骤包括步骤201至步骤206。
[0110]
步骤201，在遥感图像中确定初始聚类中心和初始隶属度；
[0111]
步骤202，根据重组强度分量、色相信息和饱和度信息，得到强度权重、色相权重和饱和度权重；
[0112]
步骤203，建立重组强度分量、色相信息和饱和度信息分别对应的邻域加权距离；
[0113]
步骤204，根据初始聚类中心、强度权重、色相权重、饱和度权重和邻域加权距离，
得到目标函数；
[0114]
步骤205，根据目标函数对初始聚类中心和初始隶属度进行更新，并在目标函数满足预设条件时得到聚类中心和隶属度；
[0115]
步骤206，根据聚类中心和隶属度对遥感图像进行分割，得到分割结果。
[0116]
具体地，在进行分割处理时，可以在遥感图像中确定初始聚类中心和初始隶属度，并根据所得到的色相信息、饱和度信息和重组强度分量得到进行迭代分割处理时的强度权重、色相权重和饱和度权重，同时写出强度、色相和饱和度分别所对应的邻域加权距离，最后根据所得到的相关数据构建得到相应的目标函数，进而基于目标函数确定图像分割的结果，具体根据目标函数的计算结果的大小确定图像分割的准确性和是否完成图像分割。
[0117]
示例性地，在得到强度、色相和饱和度的权重时，包括：将重组强度分量、色相信息和饱和度信息进行两两交互，得到交互信息，其中交互信息包括强度色相信息、强度饱和度信息以及色相饱和度信息；根据重组强度分量、色相信息和饱和度信息进行计算，得到分别对应的方差；根据交互信息和方差进行计算，得到强度权重、色相权重和饱和度权重。
[0118]
在进行权重的计算和确定时，可以采用下述的方式得到：
[0119][0120][0121][0122]
其中，mi(i,h)，mi(h,s)和mi(s,i)分别是强度、色相和饱和度之间的互信息，λ是一个常数，用于控制互信息的影响程度，和分别是强度、色相和饱和度的方差。
[0123]
而对于上述各权重，将会用于后续目标函数的构建，进而完成分类过程的迭代处理，且各权重需要满足下述条件：
[0124]
(1)恒定分量的权重值较低：如果一个分量近似恒定，则其方差接近于0，因此其权重值会趋近于0；
[0125]
(2)高变化分量的权重值较低：如果一个分量具有由噪声引起的高变化，则其方差会相应较高，因此其权重值会减小；
[0126]
(3)考虑互信息：互信息测量了两个分量之间的相关性，因此将互信息考虑在内可以更准确地计算权重。
[0127]
进一步地，在确定各权重时，还将写出邻域加权距离，包括强度、色相和饱和度三个量的邻域加权距离，具体地，对于各信息所对应的邻域加权距离可以如下所示：
[0128]
强度的邻域加权距离为：
[0129][0130]
饱和度的邻域加权距离为：
[0131]
[0132]
色相的邻域加权距离为：
[0133][0134]
其中，xk是遥感图像的像素，vc是聚类中心。
[0135]
另外，在计算色相的邻域加权距离时，注意到色相是一个圆形变量，因此与强度的邻域加权距离公式相比，色相的加权距离计算公式有所不同。其中，lh表示色相分量能达到的最大值，标明了色相分量的范围。hw(xk)是一个表示色相重要性的权重，因为在高强度或低强度下，饱和度值较低，色相值变得不稳定和无关，所以需要考虑色相的重要性，称这个权重为色相权重(hw)。事实上，这个局部权重是xk强度值的函数，其定义在下式中。其中，s控制函数的斜率，并根据经验设置为20。li是强度分量能达到的最大值，标明了强度分量的范围。
[0136][0137]
权重w
kr
表示领域像素xr贡献于中心像素xk的程度，定义为：
[0138][0139]
利用拉格朗日乘子，得到模糊隶属度：
[0140][0141]
聚类中心为：
[0142][0143]
其中，arg(x)表示复数x的相位，范围为[0,2π]。
[0144]
进一步地，在根据所得到的所有数据得到进行分类迭代处理时的目标函数时，所得到的目标函数可以为：
[0145][0146]
其中，表示第k个数据点到第c个簇的模糊隶属度。m(m≥1)表示算法的模糊性，即m越小越接近于硬聚类算法，但是如果m过大的话，聚类的效果可能会很差。doin(xk,vc)、dosn(xk,vc)和dohn(xk,vc)分别表示强度、色相和饱和度的邻域加权距离。wi、wh和ws分别代表了强度、色相和饱和度的权重。
[0147]
需要说明的是，在进行计算时，可以只选择强度和色调来进行计算。主要在于：在
his分量中，强度承载图像的最大信息，第二个重要分量是色调，h和i分量通常比s分量更加稳定，因为s分量容易受到光照变化和图像噪声的影响，且h分量提供了基本的颜色信息，所以选择h和i分量对图像进行分割，这样可以降低计算复杂度。
[0148]
然后在进行图像的分割时，分割结果所对应的数据可以基于上述目标函数进行计算得到对应的函数结果，以根据函数结果确定分割是否完成。
[0149]
因此，在确定分割是否完成时，包括：计算得到目标函数的第一函数值，并确定第一函数值与预设值的大小；当第一函数值大于预设值时，更新聚类中心和隶属度，并根据更新后的聚类中心和隶属度计算目标函数的第二函数值；若第二函数值大于预设值，则执行步骤：更新聚类中心和隶属度，至目标函数满足预设条件。
[0150]
也就是，可以根据目标函数计算得到相应的函数值，然后将其与所设定的阈值进行比较，来确定是否迭代完成，而在迭代完成时所对应的分类结果即为遥感图像的分割结果。而在确定所得到的函数值未满足条件时，将再次进行迭代处理，而在进行迭代处理时，将会根据一次分割处理后的结果对初始聚类中心和初始隶属度进行更新，然后根据新的聚类中心和隶属度进行下一次的分割处理，直到最终所得到的分割结果满足条件，即所得到的函数值小于所设定的阈值。
[0151]
示例性地，分割的具体流程可以概括为：设置聚类数c，模糊因子m，最大迭代次数t和迭代终止条件ε；计算图像的色相和强度分量；对聚类中心和隶属度矩阵赋一个初始值，并且初始化迭代次数为1；根据式计算新的隶属度，以及计算新的聚类中心，当达到停止条件或者迭代次数达到要求则停止计算，否则将迭代次数计数器加1，同时进行隶属度和聚类中心的计算和后续的判断，直到满足停止条件。
[0152]
在上述实施例的遥感图像分割方法中，在对遥感图像进行分割处理时，对遥感图像进行转换处理，得到对应的强度信息、色相信息和饱和度信息，同时获取遥感图像的近红外通道信息，并根据强度信息和近红外通道信息得到重组强度分量，且重组强度分量由强度信息的低频分量和近红外通道信息的高频分量组合而成，最后根据色相信息、饱和度信息和重组强度分量进行分割处理，得到遥感图像的分割结果。实现了在对遥感图像进行分割处理时，将遥感图像的近红外通道波段的数据信息作为分割的依据和参考，提高了分割的准确性。
[0153]
下面对本发明提供的遥感图像分割装置进行描述，下文描述的遥感图像分割装置与上文描述的遥感图像分割方法可相互对应参照。
[0154]
图3是本发明提供的遥感图像分割装置的结构示意图，如图3所示，该遥感图像分割装置300包括：
[0155]
图像处理模块301，用于对遥感图像进行处理，得到遥感图像对应的强度信息、色相信息和饱和度信息；
[0156]
信息处理模块302，用于获取遥感图像的近红外通道信息，并对强度信息和近红外通道信息分别进行处理，得到强度信息和近红外通道信息分别对应的低频分量和高频分量；
[0157]
信息融合模块303，用于将强度信息的低频分量与近红外通道信息的高频分量进行组合，得到重组强度分量；
[0158]
图像分割模块304，用于根据色相信息、饱和度信息和重组强度分量进行处理，得
到遥感图像的分割结果。
[0159]
基于上述实施例，图像处理模块301还用于：
[0160]
获取所述遥感图像在rgb三通道中每一个色彩通道的图像信息；
[0161]
根据图像信息进行处理，得到遥感图像的强度信息、色相信息和饱和度信息。对遥感图像进行处理，得到在rgb三通道中每一个色彩通道的图像信息；
[0162]
根据图像信息进行处理，得到遥感图像的强度信息、色相信息和饱和度信息。
[0163]
基于上述实施例，图像处理模块301还用于：
[0164]
根据图像信息进行计算，得到遥感图像的强度信息和色相强度；
[0165]
将图像信息中的绿色通道的图像信息和蓝色通道的图像信息进行比较，并根据图像信息和得到的比较结果，确定遥感图像的饱和度信息。
[0166]
基于上述实施例，信息处理模块302还用于：
[0167]
根据nsct算法对强度信息和近红外通道信息分别进行变换，得到nsct系数；
[0168]
根据nsct系数，得到强度信息和近红外通道信息分别对应的低频分量和高频分量。
[0169]
基于上述实施例，图像分割模块304还用于：
[0170]
在遥感图像中确定初始聚类中心和初始隶属度；
[0171]
根据重组强度分量、色相信息和饱和度信息，得到强度权重、色相权重和饱和度权重；
[0172]
建立重组强度分量、色相信息和饱和度信息分别对应的邻域加权距离；
[0173]
根据初始聚类中心、强度权重、色相权重、饱和度权重和邻域加权距离，得到目标函数；
[0174]
根据目标函数对初始聚类中心和初始隶属度进行更新，并在目标函数满足预设条件时得到聚类中心和隶属度；
[0175]
根据聚类中心和隶属度对遥感图像进行分割，得到分割结果。
[0176]
基于上述实施例，图像分割模块304还用于：
[0177]
将重组强度分量、色相信息和饱和度信息进行两两交互，得到交互信息，其中交互信息包括强度色相信息、强度饱和度信息以及色相饱和度信息；
[0178]
根据重组强度分量、色相信息和饱和度信息进行计算，得到分别对应的方差；
[0179]
根据交互信息和方差进行计算，得到强度权重、色相权重和饱和度权重。
[0180]
基于上述实施例，图像分割模块304还用于：
[0181]
计算得到目标函数的第一函数值，并确定第一函数值与预设值的大小；
[0182]
当第一函数值大于预设值时，更新聚类中心和隶属度，并根据更新后的聚类中心和隶属度计算目标函数的第二函数值；
[0183]
若第二函数值大于预设值，则执行步骤：更新聚类中心和隶属度，至目标函数满足预设条件。
[0184]
在上述实施例的遥感图像分割装置中，在对遥感图像进行分割处理时，对遥感图像进行转换处理，得到对应的强度信息、色相信息和饱和度信息，同时获取遥感图像的近红外通道信息，并根据强度信息和近红外通道信息得到重组强度分量，且重组强度分量由强度信息的低频分量和近红外通道信息的高频分量组合而成，最后根据色相信息、饱和度信
息和重组强度分量进行分割处理，得到遥感图像的分割结果。实现了在对遥感图像进行分割处理时，将遥感图像的近红外通道波段的数据信息作为分割的依据和参考，提高了分割的准确性。
[0185]
图4示例了一种电子设备的实体结构示意图，如图4所示，该电子设备可以包括：处理器(processor)410、通信接口(communications interface)420、存储器(memory)430和通信总线440，其中，处理器410，通信接口420，存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令，以执行遥感图像分割方法，该方法包括：对遥感图像进行处理，得到遥感图像对应的强度信息、色相信息和饱和度信息；获取遥感图像的近红外通道信息，并对强度信息和近红外通道信息分别进行处理，得到强度信息和近红外通道信息分别对应的低频分量和高频分量；将强度信息的低频分量与近红外通道信息的高频分量进行组合，得到重组强度分量；根据色相信息、饱和度信息和重组强度分量进行处理，得到遥感图像的分割结果。
[0186]
此外，上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0187]
另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的遥感图像分割方法，该方法包括：对遥感图像进行处理，得到遥感图像对应的强度信息、色相信息和饱和度信息；获取遥感图像的近红外通道信息，并对强度信息和近红外通道信息分别进行处理，得到强度信息和近红外通道信息分别对应的低频分量和高频分量；将强度信息的低频分量与近红外通道信息的高频分量进行组合，得到重组强度分量；根据色相信息、饱和度信息和重组强度分量进行处理，得到遥感图像的分割结果。
[0188]
又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的遥感图像分割方法，该方法包括：对遥感图像进行处理，得到遥感图像对应的强度信息、色相信息和饱和度信息；获取遥感图像的近红外通道信息，并对强度信息和近红外通道信息分别进行处理，得到强度信息和近红外通道信息分别对应的低频分量和高频分量；将强度信息的低频分量与近红外通道信息的高频分量进行组合，得到重组强度分量；根据色相信息、饱和度信息和重组强度分量进行处理，得到遥感图像的分割结果。
[0189]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性
的劳动的情况下，即可以理解并实施。
[0190]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
[0191]
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

技术特征：
1.一种遥感图像分割方法，其特征在于，包括：对遥感图像进行处理，得到所述遥感图像对应的强度信息、色相信息和饱和度信息；获取所述遥感图像的近红外通道信息，并对所述强度信息和所述近红外通道信息分别进行处理，得到所述强度信息和所述近红外通道信息分别对应的低频分量和高频分量；将所述强度信息的低频分量与近红外通道信息的高频分量进行组合，得到重组强度分量；根据所述色相信息、所述饱和度信息和所述重组强度分量进行处理，得到所述遥感图像的分割结果。2.根据权利要求1所述的遥感图像分割方法，其特征在于，所述对遥感图像进行处理，得到所述遥感图像对应的强度信息、色相信息和饱和度信息，包括：获取所述遥感图像在rgb三通道中每一个色彩通道的图像信息；根据所述图像信息进行处理，得到所述遥感图像的强度信息、色相信息和饱和度信息。3.根据权利要求2所述的遥感图像分割方法，其特征在于，所述根据所述图像信息进行处理，得到所述遥感图像的强度信息、色相信息和饱和度信息，包括：根据所述图像信息进行计算，得到所述遥感图像的强度信息和色相强度；将所述图像信息中的绿色通道的图像信息和蓝色通道的图像信息进行比较，并根据所述图像信息和得到的比较结果，确定所述遥感图像的饱和度信息。4.根据权利要求1所述的遥感图像分割方法，其特征在于，所述对所述强度信息和所述近红外通道信息分别进行处理，得到所述强度信息和所述近红外通道信息分别对应的低频分量和高频分量，包括：根据nsct算法对所述强度信息和所述近红外通道信息分别进行变换，得到nsct系数；根据所述nsct系数，得到所述强度信息和所述近红外通道信息分别对应的低频分量和高频分量。5.根据权利要求1所述的遥感图像分割方法，其特征在于，所述根据所述色相信息、所述饱和度信息和所述重组强度分量进行处理，得到所述遥感图像的分割结果，包括：在所述遥感图像中确定初始聚类中心和初始隶属度；根据所述重组强度分量、所述色相信息和所述饱和度信息，得到强度权重、色相权重和饱和度权重；建立所述重组强度分量、所述色相信息和所述饱和度信息分别对应的邻域加权距离；根据所述初始聚类中心、所述强度权重、所述色相权重、所述饱和度权重和所述邻域加权距离，得到目标函数；根据所述目标函数对所述初始聚类中心和所述初始隶属度进行更新，并在所述目标函数满足预设条件时得到聚类中心和隶属度；根据所述聚类中心和所述隶属度对所述遥感图像进行分割，得到分割结果。6.根据权利要求5所述的遥感图像分割方法，其特征在于，所述根据所述重组强度分量、所述色相信息和所述饱和度信息，得到强度权重、色相权重和饱和度权重，包括：将所述重组强度分量、所述色相信息和所述饱和度信息进行两两交互，得到交互信息，其中所述交互信息包括强度色相信息、强度饱和度信息以及色相饱和度信息；根据所述重组强度分量、所述色相信息和所述饱和度信息进行计算，得到分别对应的
方差；根据所述交互信息和所述方差进行计算，得到强度权重、色相权重和饱和度权重。7.根据权利要求5所述的遥感图像分割方法，其特征在于，所述根据所述目标函数对所述初始聚类中心和所述初始隶属度进行更新，包括：计算得到所述目标函数的第一函数值，并确定所述第一函数值与预设值的大小；当所述第一函数值大于所述预设值时，更新所述聚类中心和所述隶属度，并根据更新后的所述聚类中心和所述隶属度计算所述目标函数的第二函数值；若所述第二函数值大于所述预设值，则执行步骤：更新所述聚类中心和所述隶属度，至所述目标函数满足预设条件。8.一种遥感图像分割装置，其特征在于，包括：图像处理模块，用于对遥感图像进行处理，得到所述遥感图像对应的强度信息、色相信息和饱和度信息；信息处理模块，用于获取所述遥感图像的近红外通道信息，并对所述强度信息和所述近红外通道信息分别进行处理，得到所述强度信息和所述近红外通道信息分别对应的低频分量和高频分量；信息融合模块，用于将所述强度信息的低频分量与近红外通道信息的高频分量进行组合，得到重组强度分量；图像分割模块，用于根据所述色相信息、所述饱和度信息和所述重组强度分量进行处理，得到所述遥感图像的分割结果。9.一种电子设备，包括存储器、处理器及存储在所述存储器上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程序时实现如权利要求1至7任一项所述遥感图像分割方法。10.一种非暂态计算机可读存储介质，其上存储有计算机程序，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至7任一项所述遥感图像分割方法。

技术总结
本发明提供一种遥感图像分割方法、装置、电子设备和存储介质，其中方法包括：对遥感图像进行处理，得到遥感图像对应的强度信息、色相信息和饱和度信息；获取遥感图像的近红外通道信息，并对强度信息和近红外通道信息分别进行处理，得到强度信息和近红外通道信息分别对应的低频分量和高频分量；将强度信息的低频分量与近红外通道信息的高频分量进行组合，得到重组强度分量；根据色相信息、饱和度信息和重组强度分量进行处理，得到遥感图像的分割结果。实现了在对遥感图像进行分割处理时，将遥感图像的近红外通道波段的数据信息作为分割的依据和参考，提高了分割的准确性。提高了分割的准确性。提高了分割的准确性。


技术研发人员：曾捷 王紫如 程波铭 叶能 叶飞扬 丁旭辉 卜祥元 安建平
受保护的技术使用者：北京理工大学
技术研发日：2023.05.31
技术公布日：2023/9/12