[发明专利]面向区域合并分割的影像分割错误无监督检测与修复方法

说明书

本发明属于影像分割技术领域，具体涉及一种面向区域合并分割的影像分割错误无监督检测与修复方法，该方法对待区域合并分割的影像判断该影像的分割结果中，是否存在某一区域在区域合并时被错误归属的分割分歧情况；若存在某一区域被错误归属的分割分歧情况，则将此区域分别归属于此区域的邻接区域得到此区域对应的多种分割结果，比较多种分割结果的分割质量；将分割结果中分割质量最优的分割结果对应的归属邻接区域作为优先区域合并的区域后，进行该待区域合并分割的影像的区域合并。本发明的方法是基于自主检测并进行修正的过程，因此进行面向区域合并分割的影像分割错误无监督检测与修复无需人工干预即可得到降低分割错误后的结果。

技术领域

本发明属于影像分割技术领域，具体涉及一种面向区域合并分割的影像分割错误无监督检测与修复方法。

背景技术

遥感技术是实现对地大尺度观测和信息提取的首选，被广泛应用于环境监测、城市规划、生态分析、灾害预警等领域。在遥感影像空间分辨率较低的时代，研究者普遍采用基于像素的遥感影像分析方法，不仅精度较低，且饱受椒盐噪声和混合像元的困扰。随着遥感影像空间分辨率的不断提高，面向对象的遥感影像分析方法逐渐成为遥感影像分析的主流。这类方法将同质像素聚类为对象，并以对象作为影像分析的最小单元。通过引入对象，不仅增加了特征可挖掘深度，还规避了基于像素方法的椒盐噪声和混合像元问题，实现了遥感信息提取精度上的跨越性进步。

对象的生成是面向对象遥感分析方法的基础和核心，通常通过影像分割算法实现，影像分割技术在高分遥感图像处理中发挥着重要作用。自20世纪末提出面向对象的遥感影像分析方法以来，二十余年间诞生了大量不同的遥感影像分割算法，包括均值漂移分割、分水岭分割、马尔科夫随机场分割、区域合并分割等。同时随着深度学习技术的发展，基于深度学习的遥感影像分割也在逐渐推广。尽管这些遥感影像分割算法的实现细节不同，适用的影像场景也不同，但是结果的形式是一致的，即在某种特征空间上构建的同质像素聚合体。

获得与地理实体匹配精准、分析尺度一致的分割结果是所有影像分割算法的目标。影像分割中的错误会对后续应用产生极大负面影响，但当前没有任何一种影像分割算法能够实现适用于所有场景的无错误分割。将分割错误定义为对象与地理实体不匹配的现象，并将其分类为过分割错误和欠分割错误。许多学者对分割错误形成的机理进行分析，并以此辅助设计优化影像分割算法。同时也有学者发现分割错误与分割尺度之间的关联，将静态的单尺度分割结果向多尺度推进。多尺度分割概念的引入明显减少了分割错误，但即使在同一尺度下，过分割错误与欠分割错误也可能同时存在。因此，尽管有诸多尝试，但从源头上消除分割错误(等价于提出完美普适的分割算法)至今仍未实现。

分割错误普遍存在于各种影像分割结果中，不仅严重降低分割质量，而且检测和修复的自动化程度很低。为了降低分割错误对分割结果的影响，一般情况下都会在生成分割结果后通过人工干预进行分割错误的检出和修正，自动化程度很低。

发明内容

本发明的目的在于提供一种面向区域合并分割的影像分割错误无监督检测与修复方法，用以解决现有的降低分割错误对分割结果的影响的方式，需要人工识别分割错误并进行修正，导致自动化程度低的问题。

为解决上述技术问题，本发明提供了一种面向区域合并分割的影像分割错误无监督检测与修复方法，包括如下步骤：

1)对待区域合并分割的影像判断该影像的分割结果中，是否存在某一区域在区域合并时被错误归属的分割分歧情况；

2)若存在某一区域被错误归属的分割分歧情况，则将此区域分别归属于此区域的邻接区域得到此区域对应的多种分割结果，比较多种分割结果的分割质量；

3)将分割结果中分割质量最优的分割结果对应的归属邻接区域作为优先区域合并的区域后，进行该待区域合并分割的影像的区域合并。