基干神经网络卫星影像与航拍实景影像自适应颜色分割方法探讨.docVIP

基于神经网络的卫星影像与航拍实景影像自适应颜色分割方法研究 　　摘要：针对智能区分系统中的实景图像真彩色的自动检测问题，研究了基于神经网络的实景影像自适应颜色分割方法。提取了图像中的所有像素进行灰度归一化，然后计算出像素矢量矩阵，利用像素矢量进行概率神经网络（PNN）的训练，通过训练后的神经网络进行图像自适应二值化阈值颜色分割，主要分割红，黄，蓝3种颜色。实验结果表明：自适应图像分割方法比固定阈值分割方法在图像分割效果上有显著的改善 关键词：图像颜色分割；RGB颜色空间；HSI颜色空间；概率神经网络；神经网络训练 中图分类号：TP75 文献标识码：A 文章编号：1674-9944（2016）06-0173-07 1 引言 1.1 研究意义 森林资源状况及其变化，不仅影响地区乃至全球环境的变化，而且还影响社会经济的持续发展。随着遥感技术的发展，森林植被遥感影像分类逐渐成为森林资源调查和监测不可缺少的内容。目前遥感分类技术在林区的应用还处于比较落后的状态。如何利用普遍可以得到的遥感数据资源和其他林业数据，研究出更适合于我国东北林区的遥感图像计算机分类的新方法，提高森林植被的分类精度，以满足林业部门的需要，是本研究的主要工作 因此，研究航拍影像中森林植被的自动分割、检测与识别方法，对于智能监督分类、自动划分森林区域、采集大数据森林信息、智能划分变化监测区域监督执法，节约人力物力、提高工作效率和质量都具有重要的实用价值 1.2 国内外研究现状综述 罗晓萍等的基于SVM和模糊免疫网络的实景影像识别，提出了一种检测和识别方法，根据颜色和形状，利用支持向量机的非线性分类能力将其图像区域从实景图像中检测出来，然后根据多样性，高容噪性的模糊免疫网络来识别。杨修铭等针对单一波普反射标志的检测，定义了一个“红色”阈值区域，利用这个阈值区域对图像进行阈值分割，从而确定显著类型标志所在的候选区域；在RGB颜色空间，利用三个颜色分量之间的灰度差和所设置阈值之间的关系来进行图像分割和颜色检测。蒋刚毅等、黄志勇等提出了一种基于RGB视觉模型的实景影像分割算法，其利用归一化后的颜色分量之间的差值和所设定阈值的关系，来进行颜色分割；李宁等同样采用颜色分量之差的方法来进行图像分割 这类方法直接在RGB颜色空间对森林植被的特征颜色进行分割，不需要进行颜色空间的转换，处理时间短，有利于实时应用，但此类方法的缺点是受光照条件的影响较大。目前国外有基于多阈值PCNN的运动目标检测算法，通过多阈值思想，基于混合高斯模型减背景算法的基础上，在脉冲耦合神经网络对前景和背景的分割过程中，运用多阈值，其迭代次数由简化的最大熵准则决定，并且提出了一种新型的模型学习率 2 固定阈值图像分割方法 颜色信息是森林植被航拍影像最重要的视觉特征，森林植被在夏季时主要颜色为绿色，在夏季时候选择光线好、清晰度高的航拍影像就能很容易引起智能神经网络的判断区划。由于颜色信息不随物体的大小和观察的视角而变化，并具有较强的可分离性，所以，通过特征颜色分割，可在实景航拍影像中大致检测出森林植被的位置。根据颜色分割时所选择的颜色空间的不同，基于RGB颜色空间的方法通过编程获得基于图像的RGB颜色数据，进行阈值划分然后自动录入数据库，得到神经网络的大量练习数据，根据数据通过算法函数运算得到判定值。之后在读取新图像时候通过判定值以及练习的数据进行比对判定出是否符合要求 从实景图像中快速、自动地将森林植被区域分割出来，是森林植被变化自动检测和识别的前提。由于植被具有特定色域的颜色类型，基于颜色信息的图像分割可以有效地进行森林管理监测对比 2.1 RGB视觉模型原理及其数据的特点 眼睛通过3种可见光对视网膜的椎状细胞的刺激来感受颜色。这些光在波长为630nm（红）530nm（绿）450nm（蓝）时的刺激达到高峰，通过对各刺激强度的比较，感受到光的颜色。这种视觉理论就是使用红、绿、蓝3种基色来显示彩色的基础，称之为RGB色彩空间模型 以R、G、B3个参数为坐标，可以看到一个单位立方体来描述RGB颜色模型，如图1所示。红、绿、蓝是互相正交的坐标轴，每个坐标轴都量化为0～255，O对应最暗，255对应最亮，彩色立方体中任一点都对应一种颜色，以下都是常见颜色的RGB数值 黑色=（0，0，0）；白色=（255，255，255）；灰色=（128，128，128）；青色=（0，255，255）；品红=（255，0，255）；黄色=（255，255，0）；红色=（255，0，0）；绿色=（0，255，0）；蓝色=（0，0，255） RGB彩色系统是通过对颜色进行加运算来完成颜色综合的彩色系统，其远点是黑色，通过在黑色中加入不同分量的红色，绿色，蓝色来得