[发明专利]一种高分辨率遥感图像多尺度自适应决策融合分割方法

摘要

本发明是一种高分辨率遥感图像多尺度自适应决策融合分割方法。首先，应用分形网络演化分割算法，设置一系列递增尺度参数得到多尺度分割序列；其次，定义区域多尺度Moran′s I指数、临界分割尺度和欠分割Moran′s I指数阈值；最后，以最大分割尺度作为初始临界尺度逐个区域判定是否欠分割，如果欠分割则以多尺度Moran′s I指数首次达到最小值尺度作为新的临界尺度，依次递归进行尺度下推直至最小分割尺度层或当前层不存在欠分割区域，最终结合多尺度分割层之间的空间继承关系得到分割结果。本发明融合了多尺度分割信息，有效减弱过分割与欠分割、易分割与精确性的矛盾，可广泛应用于面向对象的专题目标识别等领域。

主权项

高分辨率遥感图像多尺度自适应决策融合分割方法，其步骤为：第一步：生成高分辨率遥感图像多尺度分割结果基于分形网络演化分割算法，通过设置一系列递增尺度的分割参数，得到高分辨率遥感图像的多尺度分割序列，较大尺度的分割结果是由较小尺度的分割结果进行区域合并而来，如第三层是由第二层的分割区域通过区域合并得到，其相邻分割层与层之间具有严格的空间继承与对应关系；第二步：依据高分辨率遥感图像的多尺度分割结果，定义区域多尺度Moran’s I指数以及临界分割尺度2‑1)在多尺度分割结果中，最大尺度分割结果中的每个区域都对应着一个多尺度的分割区域序列，通过计算最大尺度上每个区域在所有尺度上对应区域的整体Moran’s I指数，构成该区域的多尺度Moran’s I指数序列，称为区域多尺度Moran’s I指数，全局Moran’s I指数计算公式：$I=\frac{N{\Σ}_i{\Σ}_j{w}_{ij}(x_i-\stackrel{\‾}{x})(x_j-\stackrel{\‾}{x})}{\left({\Σ}_i{\Σ}_j{w}_{ij}\right){\Σ}_i{(x_i-\stackrel{\‾}{x})}^2}$上述公式中：N是研究区内的区域总数，w_ij是空间权重，表示区域i和区域j的邻近关系，X_i和X_j分别是区域i和区域j的属性值，是所有区域属性的平均值；2‑2)在区域的多尺度分割序列中，由过分割变成欠分割的尺度转折点定义为临界分割尺度，根据区域多尺度Moran’s I指数的最大值和随尺度的变化趋势，找到过分割和欠分割的临界点，该临界点所对应的分割尺度即为该多尺度分割序列的临界分割尺度；第三步：多尺度分割结果的自适应决策融合3‑1)在此定义一个Moran′s I指数阈值，以多尺度分割序列中最大分割尺度作为初始临界尺度，对其上的每个区域计算多尺度Moran’s I指数序列，如果多尺度Moran′s I指数序列中的最大值超过该阈值，则说明该区域存在欠分割现象，同样，如果多尺度Moran′s I指数序列中的最大值没有超过该阈值，则说明该区域不存在欠分割现象；3‑2)临界尺度上的区域如果欠分割，则区域多尺度Moran′s I指数首次达到最小值的点所对应的分割尺度即为新的临界分割尺度，进而将当前临界分割尺度作为新的初始临界尺度，依次对新临界分割尺度上的每个区域自适应的递归进行“尺度下推”，直至到达最小分割尺度层或者当前层不存在欠分割区域，按照第三步中的方法依次对最大分割尺度上的每个区域进行自适应决策融合，进而结合多尺度分割层之间的空间继承关系，得到多尺度自适应决策融合后的最终分割结果。