技術(shù)領(lǐng)域

本發(fā)明屬于地球科學(xué)研究領(lǐng)域，特別涉及遙感地學(xué)空間統(tǒng)計(jì)分析和模式識(shí)別等方面，具體涉及基于區(qū)域不一致性評(píng)價(jià)自動(dòng)優(yōu)選遙感影像分割參數(shù)的方法。

背景技術(shù)

在遙感領(lǐng)域，針對(duì)不同應(yīng)用和目的，不同的影像分割算法不斷被提出，而多分辨率分割(Multiresolution Segmentation)算法的出現(xiàn)，被認(rèn)為是遙感影像分割的一個(gè)里程碑。該算法在影像分割時(shí)，綜合了影像的光譜信息和空間信息，能產(chǎn)生內(nèi)部同質(zhì)性最高的影像對(duì)象，其主要參數(shù)有尺度、形狀因子、緊湊度因子，這些參數(shù)的不同組合會(huì)產(chǎn)生不同的分割結(jié)果。選擇質(zhì)量最好的分割結(jié)果的過(guò)程被稱(chēng)為參數(shù)優(yōu)選，而參數(shù)優(yōu)選必須要解決的問(wèn)題是對(duì)分割質(zhì)量的具體評(píng)價(jià)。因此，如何獲得最優(yōu)分割參數(shù)組合來(lái)評(píng)價(jià)影像分割質(zhì)量是OBIA中必須解決的一個(gè)問(wèn)題。

不一致性分割結(jié)果評(píng)價(jià)方法基于參考多邊形(Reference Polygon)和對(duì)應(yīng)的匹配分割多邊形(Corresponding Polygon)之間的不一致性(Discrepancy)來(lái)度量當(dāng)前參數(shù)組合所產(chǎn)生的分割數(shù)據(jù)的質(zhì)量。它是一種客觀的經(jīng)驗(yàn)性評(píng)價(jià)方法(Empirical Method)，它是用幾何不一致性度量的是參考多邊形與匹配多邊形之間面積的差異，而算術(shù)不一致性度量的是兩者多邊形數(shù)量的差異。

在不一致性評(píng)價(jià)體系(Potential Segmentation Error,PSE-Number-of-Segments Ratio,NSR-Euclidean Distance 2,ED2)中，PSE是潛在分割誤差面積比，NSR是分割多邊形數(shù)量比，ED2是PSE與NSR的歐幾里得距離。斜U型(Euclidean Distance2,ED2-Scale Patterns,SP)模式是基于對(duì)PSE-SP,NSR-SP,ED2-SP曲線(xiàn)的分析提出的。在給定形狀、緊湊度參數(shù)的情況下，影像分割單元平均面積隨尺度參數(shù)的增序近似呈冪函數(shù)的形式單調(diào)遞增，分割單元的面積隨尺度參數(shù)的遞增近似呈冪函數(shù)。相應(yīng)地，分割單元的數(shù)量隨尺度參數(shù)遞減近似呈冪函數(shù)。ED2作為PSE和NSR的組合形式會(huì)隨著尺度參數(shù)的變化呈現(xiàn)傾斜的U型曲線(xiàn)形式，如圖1所示。

2、現(xiàn)有技術(shù)方案

分割質(zhì)量評(píng)價(jià)的方法有不一致性法和優(yōu)度法?；诓灰恢滦栽u(píng)價(jià)方法通過(guò)比較參考數(shù)據(jù)集和分割數(shù)據(jù)集，從幾何不一致性和算術(shù)不一致性?xún)蓚€(gè)方面對(duì)分割質(zhì)量進(jìn)行綜合評(píng)價(jià)。主要的不一致性評(píng)價(jià)指標(biāo)有Clinton等、Weidner等提出的一系列分割質(zhì)量評(píng)價(jià)指標(biāo)QR(Quality Rate)、UR(Under-Segmentation Rate)、OR(Over-Segmentation Rate)和ED1；Liu等基于幾何不一致性和算術(shù)不一致性提出了ED2(Euclidean Distance 2)指標(biāo)；而Yang等通過(guò)分析ED1、ED2系列評(píng)價(jià)指標(biāo)，進(jìn)一步提出了ED3、ED3-Modified和SEI(SegmentationEvaluation Index)。同時(shí)，Zhang等提出了F-measure指標(biāo)和MOA(Multiscale ObjectAccuracy)和BCA(Bidirectional Consistency Accuracy)?；趦?yōu)度法的分割參數(shù)質(zhì)量評(píng)價(jià)指標(biāo)主要是通過(guò)局部方差來(lái)進(jìn)行構(gòu)建的；等(2010)將Kim提出的局部方差評(píng)價(jià)最優(yōu)分割尺度的方法進(jìn)行了自動(dòng)化，構(gòu)建了最優(yōu)尺度參數(shù)選取的工具ESP；等(2014)對(duì)ESP工具進(jìn)行了改進(jìn)。

通過(guò)分析和總結(jié)最優(yōu)尺度分割參數(shù)選擇方法，提出尺度評(píng)定應(yīng)該結(jié)合形狀、紋理等信息，最終實(shí)現(xiàn)尺度分割參數(shù)的自動(dòng)選取，然而目前自動(dòng)化方法多為非監(jiān)督分割，在一定程度上存在選擇的分割參數(shù)尺度偏大，對(duì)地物類(lèi)別的分辨針對(duì)性不強(qiáng)，欠分割現(xiàn)象明顯等問(wèn)題，這會(huì)給后續(xù)影像分類(lèi)帶來(lái)不利的影響。

發(fā)明內(nèi)容

本發(fā)明的目的是克服現(xiàn)有技術(shù)的不足，提供了一種基于區(qū)域不一致性評(píng)價(jià)自動(dòng)優(yōu)選遙感影像分割參數(shù)組合的方法。

技術(shù)負(fù)責(zé)人： 劉勇 資源環(huán)境學(xué)院