[发明专利]基于后验概率信息熵的遥感图像最优分割尺度确定方法

摘要

本发明提供了一种基于后验概率信息熵的遥感图像最优分割尺度确定方法。所述方法包括遥感影像的多尺度分割、基于信息熵变化指标自动选择单个物体的最优分割尺度。该方法基于SVM分类器得到每个像元的后验概率矢量，然后计算不同尺度下每个分割体的平均后验概率矢量，再计算不同分割尺度下每个分割体的信息熵，得到每个像元在不同分割尺度下所属分割体的熵值曲线，根据熵值曲线计算熵值与分割尺度的一阶差分并找到熵值变化最大的尺度，最终以该尺度作为当前像元的最优分割尺度。该方法有效克服了面向对象分割中的“过分割”与“低分割”问题，同时实现了对象最优尺度的自动选择，是一种有效的地面目标自动分割方法。

主权项

一种基于后验概率信息熵的遥感图像最优分割尺度确定方法，其特征在于，方法包括如下步骤：步骤A，对遥感影像进行多尺度分割并计算像元级后验概率矢量：该步骤利用eCognition 8.9软件以10为分割步长，依次以(50,60,70，…,990,1000)分割尺度对遥感图像进行分割，得到多尺度分割结果；选择像元级训练样本，使用SVM分类器计算每个像元的后验概率矢量，基于所述多尺度分割，以及每个像元的后验概率矢量，分别结果计算每一个分割尺度下每个分割体的平均后验概率矢量。步骤B，基于信息熵变化指标选择最优分割尺度：该步骤根据步骤A获得的多尺度的后验概率矢量，对每一个分割体按分割尺度递增的顺序分别计算后验概率的熵，熵的计算公式如下：Es,j=-Σi=1nps,j,i×log2(Ps,j,i)]]>其中Pj,i表示s分割尺度下第j个分割体属于第i类的概率，n代表类别个数，Es,j代表s分割尺度下第j个分割体的信息熵值。基于各个尺度下的信息熵，计算信息熵随着相邻分割尺度变化的一阶差分ΔE，将获得的信息熵变化的最大值位置的分割尺度作为最优分割尺度。