[发明专利]一种遥感影像最优分割结果确定的自动化方法

说明书

技术领域

本发明属于图像处理技术领域，具体涉及一种遥感影像最优分割结果确定的自动化方法。

背景技术

自Landsat-1遥感卫星应用以来，基于像元的影像分析（Pixel-based Image Analysis）方法一直是遥感界进行遥感影像分析的主流方法。然而，随着1999年IKONOS遥感卫星成功发射，以及后来的QuickBird、GeoEye-1、WorldView-I/II/III、高分一号和高分二号等卫星数据投入应用，遥感影像空间分辨率有了极大提高，这使得基于像元的影像分析方法受到越来越多的质疑。

目前，比较通用做法是采用面向对象影像分析方法（Geographic Object-based Image Analysis, GEOBIA）进行高空间分辨率遥感影像分析。而GEOBIA方法中一个关键步骤是影像分割。影像分割结果质量直接决定数据后期处理质量（例如：图像分类）。目前主流的影像分割算法有多尺度分割、均值漂移分割何分水岭分割算法，然而以上算法大多需要通过设置分割参数来生成相应的分割结果。不同的分割参数，会产生不同质量的分割结果，对影像进行分割操作时，一般都会经历“过度分割―最优分割―欠分割”等三个阶段。因此，对不同质量的分割结果进行评价，从中确定出最优分割结果就显得至关重要。为此，许多解决方法被尝试性提出。然而，人为干预较多，且费时费力，使得这些方法自动化程度普遍不高，进而影响方法的实用性。近些年，陆续有一些自动确定最优分割结果方面的研究成果相继问世，但其实际使用效果并不理想，其客观性还有待进一步加以验证。遥感影像最优分割结果的自动化确定是未来科学研究所优先关注的研究领域。

GEOBIA方法目前需亟待解决的一个问题是如何提高最优分割结果确定的自动化程度。而目前这方面的研究仍处于探索阶段，通用的解决方案仍然缺乏。因此，研究和发展遥感影像最优分割结果确定的自动化方法，以弥补GEOBIA现有不足，得到客观的、自动化程度更高的遥感影像最优分割结果具有重要的理论意义和应用价值。

发明内容

本发明的目的是为解决现有技术的不足而提供一种遥感影像最优分割结果确定的自动化方法。

本发明所采用的技术方案是：

一种遥感影像最优分割结果确定的自动化方法，包括如下步骤：

（10）对一种或多种影像分割方法设置不同的分割参数，并对遥感影像进行分割，得到一系列影像分割结果；

（20）利用光谱信息离散度指标构建分割对象内部光谱均一性的度量指标和相邻分割对象间光谱异质性的度量指标；

（30）利用步骤（20）中两个所述度量指标构建单个分割对象分割质量、影像整体分割质量的度量指标；

（40）采用变分法对步骤（10）中不同分割结果的影像整体分割质量进行对比分析，获得影像整体最优分割结果；

（50）构建分割对象异质度度量指标，然后从所述影像整体最优分割结果中提取处于欠分割和过分割状态的分割对象作优化处理，获得影像全面最优分割结果。

优选的，步骤（10）中所述影像分割方法为多尺度分割和/或均值漂移分割和/或分水岭分割算法。

优选的，步骤（20）中所述光谱均一性的度量指标为；光谱异质性的度量指标为。

优选的，步骤（30）中单个分割对象分割质量的度量指标为；影像整体分割质量的度量指标为。

优选的，在步骤(40) 中采用变分法分析E值的变化，△E的极大值点对应的影像分割结果就是影像整体最优分割结果。

优选的，步骤（50）中所述分割对象异质度度量指标为：。

优选的，步骤（50）在进行提取处于欠分割和过分割状态的分割对象前先将影像整体最优分割结果进行融合，具体的方法是：将影像整体最优分割结果分别用S1，S2，…，St表示；对比分析S1，S2，…，St中对应分割对象边界间包含关系，将S1，S2，…，St进行排队，用表示，对于分割对象的边界来说，存在关系；

再将影像整体最优分割结果作为分割操作的边界约束条件，采用对应的分割参数组合对影像重新进行分割，得到新的分割结果；将作为分割操作新的边界约束条件，采用对应的分割参数组合对影像重新进行分割，得到新的分割结果；如此循环直到结束；最后得到新的分割结果，即为新的影像整体最优分割结果。