基于區域不一致性評價(jià)自動(dòng)優(yōu)選遙感影像分割參數的方法

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)空間統計分析和模式識別等方面，具體涉及基于區域不一致性評價(jià)自動(dòng)優(yōu)選遙感影像分割參數的方法。

背景技術(shù)

在遙感領(lǐng)域，針對不同應用和目的，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，被認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)生內部同質(zhì)性最高的影像對象，其主要參數有尺度、形狀因子、緊湊度因子，這些參數的不同組合會(huì )產(chǎn)生不同的分割結果。選擇質(zhì)量最好的分割結果的過(guò)程被稱(chēng)為參數優(yōu)選，而參數優(yōu)選必須要解決的問(wèn)題是對分割質(zhì)量的具體評價(jià)。因此，如何獲得最優(yōu)分割參數組合來(lái)評價(jià)影像分割質(zhì)量是OBIA中必須解決的一個(gè)問(wèn)題。

不一致性分割結果評價(jià)方法基于參考多邊形(Reference Polygon)和對應的匹配分割多邊形(Corresponding Polygon)之間的不一致性(Discrepancy)來(lái)度量當前參數組合所產(chǎn)生的分割數據的質(zhì)量。它是一種客觀(guān)的經(jīng)驗性評價(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量的差異。

在不一致性評價(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、緊湊度參數的情況下，影像分割單元平均面積隨尺度參數的增序近似呈冪函數的形式單調遞增，分割單元的面積隨尺度參數的遞增近似呈冪函數。相應地，分割單元的數量隨尺度參數遞減近似呈冪函數。ED2作為PSE和NSR的組合形式會(huì )隨著(zhù)尺度參數的變化呈現傾斜的U型曲線(xiàn)形式，如圖1所示。

2、現有技術(shù)方案

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

通過(guò)分析和總結最優(yōu)尺度分割參數選擇方法，提出尺度評定應該結合形狀、紋理等信息，最終實(shí)現尺度分割參數的自動(dòng)選取，然而目前自動(dòng)化方法多為非監督分割，在一定程度上存在選擇的分割參數尺度偏大，對地物類(lèi)別的分辨針對性不強，欠分割現象明顯等問(wèn)題，這會(huì )給后續影像分類(lèi)帶來(lái)不利的影響。

發(fā)明內容

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

技術(shù)負責人： 劉勇 資源環(huán)境學(xué)院