[发明专利]基于区域不一致性评价自动优选遥感影像分割参数的方法

权利要求书

1.一种基于区域不一致性评价自动优选遥感影像分割参数的方法，其特征在于包括如下步骤：

步骤一：输入待分割的遥感影像和参考数据集，初始化参数，所述的初始化参数包括给定初始尺度分割参数区间值s₁和s₅，且s₅>s₁，给定尺度分割参数间最小步距d_min，给定ED2_min最大值L、形状因子、紧凑度因子和ED2_min极小值ζ；

步骤二：如果s₅-s₁>4d_min，则在初始尺度分割参数值s₁和s₅的基础上设置5个尺度分割参数及其步距，否则需重新设置初始尺度分割参数值s₁和s₅，这里d>d_min为约束条件，s₁，s₂，s₃，s₄，s₅五个尺度分割参数具体计算如下：

s₂＝s₁+d

s₄＝s₅-d

步骤三：根据s₁，s₂，s₃，s₄，s₅尺度分割参数上各自的分割数据集和参考数据集，分别统计其参考多边形数量、分割多边形数量，重叠面积、过分割面积、欠分割面积、依次计算出每一个尺度分割参数对应的不一致性度量参数对应的PSE，NSR和ED2，记为PSE_t，NSR_t和ED2_t，其中t＝{1,2,3,4,5}；具体计算流程如下：

在每个尺度分割参数中，用R＝{r_i:i＝1,2,...,m}表示m个参考多边形的集合，P＝{p_j:j＝1,2,...,n}表示分割多边形的集合，|r_i∩p_j|表示参考多边形r_i和分割多边形p_j相交部分的面积，|r_i|和|p_j|分别为参考多边形r_i和分割多边形p_j的面积，P'＝{p_k:k＝1,2,...,v}表示与参考数据集相对应的分割数据集的集合；定义Pa和Pb为集合P的两个子集，且满足匹配准则：

也就是说匹配准则是参考多边形和分割多边形相交部分的面积至少是参考多边形或匹配多边形的面积一半，则参考多边形相匹配的分割多边形的集合P'就为Pa和Pb的并集；同时定义∑|R_i|为m个参考多边形的总面积，∑|P_k|为跟m个参考多边形相匹配的分割多边形总面积，∑|R_i∩P_k|为参考数据集和匹配的分割数据集重叠面积，|r_i-p_j|＝|r_i|-|r_i∩p_j|是在匹配多边形之外的那部分参考多边形的面积为过分割面积，|p_j-r_i|＝|p_j|-|r_i∩p_j|是在参考多边形之外的那部分匹配多边形的面积为欠分割面积；因此，PSE、NSR和ED2可以表示为：

根据s1，s2，s3，s4，s5尺度分割参数上各自的分割数据集和参考数据集，计算每个尺度分割参数对应的ED2,记ED2₁,ED2₂,ED2₃,ED2₄,ED2₅，最后得到计算5个尺度分割参数点上的ED2最小值和最大值：

ED2_min＝min{ED2₁,ED2₂,ED2₃,ED2₄,ED2₅}

ED2_max＝max{ED2₁,ED2₂,ED2₃,ED2₄,ED2₅}

步骤四:模式匹配过程

分析ED2随s₁～s₅尺度分割参数变化的趋势并动态调整五个尺度分割参数，不断地匹配PSE-NSR-ED2不一致评价模型Case a～Case q 17种变化模式，获得在固定形状因子和紧凑度因子下遥感影像的最优尺度分割参数；

步骤五：依次按照形状因子＝0.1,0.2,…,0.9，紧凑度因子＝0.1,0.2,…,0.9的组合方式进行步骤一到步骤四的迭代运算，得到81个参数组合上的最优尺度分割参数；然后对这81组最优尺度分割参数进行再排序，从中选出的最小ED2组对应的尺度分割参数，形状因子及紧凑度因子三个参数组合即为最优分割参数组合。