[发明专利]一种确定影像分类分割尺度阈值的方法

说明书

本发明公开一种确定影像分类分割尺度阈值的方法,包括：输入遥感影像，并设置影像参数和初始的分割尺度，所述影像参数包括光谱和形状因子；采用异质性分割估算算法，对遥感影像进行一次循环的N次分割，所述N为设定的分割次数；针对遥感影像分割后形成的网络层级结构，统计分析计算的尺度层数，分析每一层的异质性局部方差，及其和上下层之间的方差变异；获取方差变异较大的层数，进而提取该层的异质性指标，并作为分割尺度阈值。在地理国情遥感监测中，面对多尺度高空间分辨率卫星遥感数据，能有效解决分割尺度的估算，提供参考尺度，将能有效解决其过程中需要的时间成本，提高了地理国情遥感监测效率,有效提高分类效率。

技术领域

本发明涉及空间影像分析领域，具体涉及一种确定影像分类分割尺度阈值的方法。

背景技术

我国地域辽阔、人口众多，目前正处于经济快速发展的转型期，地表变化细致、频繁，地理国情庞大、复杂。面对这样的形势，地理国情监测作为新时期空间信息科学的重要使命，其实施需要利用空天地一体化遥感技术和全球卫星导航定位技术等实现信息一体化的采集和快速更新。地理国情监测对象的时效性和全面性，在很大程度上，要求地观测具有强大的采集更新能力。卫星遥感是对地观测的重要组成部分，以“三高”，即高空间分辨率、高光谱分辨率和高时间分辨率，的趋势快速发展，其在农林业、国土、交通、矿产资源自然灾害、城市规划、海洋等方面的技术应用满足地理国情监测的对象特征内在要求和国情外在的需求。其中，以高空间分辨率卫星影像最具信息价值，已成为经济建设、国情监测、社会公众信息服务等方面的重要空间信息源。

高空间分辨率遥感影像的信息提取是遥感应用的基础。但随着影像空间分辨率的提高，同类地物内部光谱差异逐渐增大，基于像元(Pixel Based)光谱统计、异质性分离、粒度效果的自动分类技术已经不能满足当前遥感信息提取的要求，成为了制约高分辨率影像应用的主要瓶颈。面向对象影像分析(Object Based Image Analysis,OBIA)为其信息提取提供了新的思路，核心在于精确的影像分割。

影像分割是以影像亮度值的不连续性和相似性特征作为参考值，基于同质性或异质性准则，参看图1，设定最佳分割尺度将影像划分为若干子区域，而目前对于这个过程中的最佳分割尺度没有准确的估算,依靠经验阈值来设定分割尺度进行不同尺度遥感数据分割，需要花费大量时间和有较好技术的遥感工程师完成多次实验来获取经验，是OBIA中最花费时间的过程。如果能快速且有一种科学的计算影像分割尺度阈值的方法，将大大减少人力物力成本和时间成本。

发明内容

本发明的目的在于针对上述现有技术中存在的问题，提出了一种确定影像分类分割尺度阈值的方法，在地理国情遥感监测中，面对多尺度高空间分辨率卫星遥感数据，能有效解决分割尺度的估算，提供参考尺度，将能有效解决其过程中需要的时间成本，提高了地理国情遥感监测效率,有效提高分类效率。

为达到上述发明的目的，本发明通过以下技术方案实现：

本发明公开一种确定影像分类分割尺度阈值的方法，包括步骤如下：

步骤1，输入遥感影像，并设置影像参数和初始的分割尺度，所述影像参数包括光谱和形状因子；

步骤2，采用异质性分割估算算法，对遥感影像进行一次循环的N次分割，所述N为设定的分割次数；

步骤3，针对遥感影像分割后形成的网络层级结构，统计分析计算的尺度层数，分析每一层的异质性局部方差，及其和上下层之间的方差变异；

步骤4，获取方差变异较大的层数，进而提取该层的异质性指标，并作为分割尺度阈值。

进一步，所述异质性分割估算算法如下：

步骤21，从待分割种子队列以单个像元为起点，计算与临近像元合并后的异质性指标，判断该异质性指标是否小于指标阈值，是则分割结束，否则继续下一步；