[发明专利]一种基于dM

说明书

本发明涉及一种基于_M的非监督图像分割质量评价方法,先对原始图像进行双边滤波和二维Gabor滤波操作，以提取光谱特征和空间特征向量，对得到的空间特征进行变换，提取三个主成分，并与光谱特征进行叠加，形成光谱‑空间特征集，以光谱‑空间特征集为底图，计算各个维度分割区域的分层空间异质性，得到关于分层空间异质性强弱的值，并使用莫兰指数计算各个维度分割结果的空间自相关性，计算特征集中各个维度中表示分层空间异质性强弱值的均值与莫兰指数的均值，构建两个值的空间，计算空间内各点与点（1,0）的马氏距离，最后根据马氏距离对图像的分割质量进行评价。本发明的有益效果：增强了质量评价的精度和稳定性，评价结果更符合人类视觉特征。

技术领域

本发明涉及图像分割技术领域，具体来说，涉及一种基于d_M的图像分割质量评价方法。

背景技术

图像分割是整个图像分析领域的一项关键技术，在遥感图像领域，图像分割是面向对象图像分析的先决条件，其分割结果可以用于后续的地物分类、目标识别、场景理解等任务，因此对分割结果进行准确、定量、有效地评价对基于面向对象的遥感图像分析具有重要的意义，同时，分割质量评价也可以进一步比较分割算法效能，优化分割参数以获取更好的分割结果。

现阶段图像分割质量评价方法主要可以分为主观评价、系统级评价、分析评价、监督评价和非监督评价五种类型。主观评价在遥感图像分析中具有较大的局限性，因为遥感图像中同物异谱和同谱异物的现象十分普遍，不同的人对于同一影像的解译会存在较大的偏差；系统级评价依赖与特定分析系统的结果对分割步骤的质量进行评价，不具有普适性；分析评价无需实验，直接对分割算法原理本身进行评价，但这种评价方法需要较多的先验知识，并不适合单独使用；监督评价将分割结果与专家通过目视解译所提供的分割参考结果进行对比统计，计算实际分割结果与理想分割结果的差别，虽然这种有监督的评价方法可以满足目视解译的要求，但是由于有人为参考的介入，具有较强的主观因素，此外对于大尺度图像的参考分割结果制作工作往往比较耗时，使得监督评价方法效率较低。

非监督的分割评价方法无需提供理想的分割参考标准，而是建立一种基于人类认知的特定质量标准来评价分割结果，图像分割的本质是同质性区域合并和异质性区域分离，因此现有的非监督评价方法多通过设计统计指标，计算分割区域局部与整体的统计值，再将这些指标联合得到整体的质量评分，对分割结果进行评价，非监督的分割评价方法具有定量、客观和高效的特点，但对于统计指标的设计，合理的指标联合策略以及对于空间信息的利用都有待于进一步优化。

针对相关技术中的问题，目前尚未提出有效的解决方案。

发明内容

针对相关技术中的上述技术问题，本发明提出一种基于d_M的图像分割质量评价方法，通过从原始图像中提取光谱和空间特征构建待评价的特征集，从图像分割区域特征统计的角度，引入了空间分层异质性和空间自相关作为区域内外同质和异质性评价的测度，两个测度用于计算分割结果在特征集中的统计值，最终联合两个测度得到一个全局的评价标准d_M，最终提供了一种基于上述两种测度的图像分割评价方法，为不同图像分割方法或不同分割参数所产生的不同分割结果提供一种客观定量的评价依据。

为实现上述技术目的，本发明的技术方案是这样实现的：

一种基于d_M的非监督图像分割质量评价方法,包括以下步骤：

S1对原始影像进行非线性的双边滤波操作，以提取待评价的光谱特征；

S2对原始图像进行二维Gabor滤波，得到空间特征向量；

S3对得到空间特征进行PCA变换，从空间特征向量的维度中提取前三个主成分，并与提取的光谱特征进行叠加，形成光谱-空间特征集；