面向?qū)ο筮b感影像分析中的尺度分割參數(shù)自動(dòng)選擇方法
【專利摘要】本發(fā)明公開了一種面向?qū)ο筮b感影像分析中的尺度分割參數(shù)自動(dòng)選擇方法：最佳空間尺度分割參數(shù)，通過求取平均局部方差曲線變程方法確定；最佳屬性尺度分割參數(shù)，通過局部方差直方圖估計(jì)方法確定；最佳合并閾值參數(shù)，采用各向異性空間相關(guān)性統(tǒng)計(jì)求取水平和垂直變程來確定；采用指標(biāo)評價(jià)方法進(jìn)行分割結(jié)果的尺度效應(yīng)評價(jià)及尺度分割參數(shù)優(yōu)化調(diào)整。本發(fā)明兼顧地學(xué)空間統(tǒng)計(jì)學(xué)和模式識別理論方法，實(shí)現(xiàn)分割前最優(yōu)尺度分割參數(shù)的自動(dòng)選擇，確定的最優(yōu)尺度分割參數(shù)可以基于統(tǒng)計(jì)學(xué)理論明確地加以解釋，具有更高的理論可信度，提高了面向?qū)ο筮b感影像信息提取和分析的效率和精度。
【專利說明】面向?qū)ο筮b感影像分析中的尺度分割參數(shù)自動(dòng)選擇方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及遙感地學(xué)分析方法領(lǐng)域，特別涉及一種面向?qū)ο筮b感影像分析中的尺度分割參數(shù)自動(dòng)選擇方法。
【背景技術(shù)】
[0002]面向?qū)ο筮b感影像處理與分析(GEOBIA)研究目前還處于起步，目前學(xué)術(shù)界還沒有對面向?qū)ο蟮某叨雀拍钸M(jìn)行明確的界定。根據(jù)面向?qū)ο笾髁魃虡I(yè)軟件對影像對象的定義——影像對象是相同屬性像元組成的連通區(qū)域，面向?qū)ο笥跋裉幚砼c分析中的尺度的表層含義是影像對象或?qū)ο蠹?xì)節(jié)在空間跨度上的大??；而從影像對象提取算法，即影像分割算法的角度，面向?qū)ο笥跋裉幚砼c分析中的尺度選擇主要對應(yīng)了多尺度分割算法中的尺度分割參數(shù)選擇。其中前者體現(xiàn)了面向?qū)ο蟪叨仍诶碚撋系亩x，后者體現(xiàn)了面向?qū)ο蟪叨仍诜椒ㄉ系亩x。
[0003]圖像處理領(lǐng)域一般采用分割斑塊內(nèi)部的均質(zhì)性和分割斑塊之間的異質(zhì)性作為評價(jià)指標(biāo)，對面向?qū)ο蟪叨刃?yīng)進(jìn)行分析，并通過一定評價(jià)模型輔助選擇最佳分割尺度，但這種方法都是基于大量分割后的評價(jià)來進(jìn)行尺度優(yōu)選，計(jì)算量比較大，選擇出的最優(yōu)尺度很難從機(jī)理上加以解釋，從尺度科學(xué)研究的角度，其科學(xué)性和普適性欠佳。
[0004]在模式識別領(lǐng)域，圖像處理領(lǐng)域的多尺度分割中尺度分割參數(shù)選擇常常表現(xiàn)為多尺度模式聚類帶寬選擇，其實(shí)質(zhì)是一種分割前的最優(yōu)尺度預(yù)測。然而這些方法采用的數(shù)據(jù)大多是現(xiàn)實(shí)生活中很少出現(xiàn)的離散的模擬數(shù)據(jù)，其對遙感影像地學(xué)分析的適用性和有效性難以保證，其整體最優(yōu)的尺度對于局部模式能否也保證最優(yōu)也不能確定，因此其求出的最佳帶寬或多或少缺少實(shí)用價(jià)值。
[0005]而事實(shí)上，分割尺度參數(shù)的確定應(yīng)該是基于統(tǒng)計(jì)的原始影像全局或局部特征的一種估計(jì)，尤其對于面向地學(xué)應(yīng)用的遙感影像多尺度分割來說更是如此。此外，地表系統(tǒng)是由不同級別的子系統(tǒng)構(gòu)成的復(fù)雜系統(tǒng)，由于影像中包含的地物目標(biāo)尺寸大小不同，需要在不同的處理尺度下反映，而目前的面向?qū)ο筮b感影像分析，往往基于離散或單一的尺度，很難實(shí)現(xiàn)對影像的全局性的理解。
[0006]因此，結(jié)合空間統(tǒng)計(jì)學(xué)理論方法，面向不同類型的地物或景觀格局，實(shí)現(xiàn)分割前最優(yōu)尺度分割參數(shù)的選擇，才能有效提高面向?qū)ο筮b感影像處理與分析的精度和自動(dòng)化程度，才能更深入地研究遙感尺度聚合問題的地學(xué)規(guī)律及實(shí)質(zhì)?；诳臻g統(tǒng)計(jì)學(xué)的面向?qū)ο筮b感影像分析中的尺度分割參數(shù)自動(dòng)選擇方法成為面向?qū)ο蟪叨刃?yīng)分析需要著重考慮的問題。

【發(fā)明內(nèi)容】

[0007](一 )主要解決的技術(shù)問題
[0008]本發(fā)明要解決的技術(shù)問題是，基于空間統(tǒng)計(jì)學(xué)方法在分割前確定多尺度影像分割的最優(yōu)尺度分割參數(shù)，提高面向?qū)ο筮b感信息提取與分析的處理精度及自動(dòng)化程度。[0009]( 二)技術(shù)方案
[0010]為此，本發(fā)明將影響遙感影像多尺度分割的尺度分割參數(shù)概括為空間尺度分割參數(shù)匕、屬性尺度分割參數(shù)b和合并閾值參數(shù)M。其中，空間尺度分割參數(shù)匕的實(shí)際含義是分割過程中像元在空間域的合并距離閾值，對應(yīng)實(shí)際計(jì)算窗口的尺寸；屬性尺度分割參數(shù)\的實(shí)際含義是分割過程中像元在屬性域的屬性合并閾值，對應(yīng)兩類別間的灰度特征差值；合并閾值參數(shù)M的實(shí)際含義是分割斑塊合并的閾值，即分割后最小斑塊的像元數(shù)目。
[0011]在此基礎(chǔ)上，針對這三個(gè)尺度分割參數(shù)hs、hpM，本發(fā)明提供了一種面向?qū)ο筮b感影像分析中的尺度分割參數(shù)自動(dòng)選擇方法，包括:
[0012]步驟10、輸入遙感影像，所述遙感影像為全色影像；
[0013]步驟20在各向同性假設(shè)前提下，求取不同窗口尺寸下的圖像平均局部方差曲線變程，確定分割最佳空間尺度分割參數(shù)hs ；
[0014]步驟30、在步驟20求得的最佳分割窗口尺寸下，統(tǒng)計(jì)其局部方差直方圖，求取直方圖峰值，確定最佳屬性尺度分割參數(shù)匕;
[0015]步驟40、在各向異性假設(shè)前提下，通過求取原始輸入圖像在水平和垂直方向上的變程確定最佳合并閾值參數(shù)M ；
[0016]步驟50、在以上步驟20、30和40的基礎(chǔ)上，采用分割測度多指標(biāo)或分割斑塊塊內(nèi)均質(zhì)性/塊間異質(zhì)性指標(biāo)進(jìn)行分割結(jié)果評價(jià)，在此基礎(chǔ)上對上述3個(gè)尺度分割參數(shù)hs、hr,M進(jìn)行適當(dāng)?shù)膬?yōu)化調(diào)整。
[0017]其中，所述步驟20中的不同尺度下的圖像的平均局部方差，為在窗口尺寸分別為
3,5,......，η (η≥3且η為奇整數(shù)；一般η≤61即可滿足要求)時(shí)的局部方差圖像的均
值。在各向同性假設(shè)前提下，平均局部方差曲線，即平均局部方差隨著計(jì)算窗口尺寸大小變化的曲線，可以看作是空間變異函數(shù)曲線的近似，因此，在各向同性假設(shè)前提下，空間相關(guān)性的作用范圍即平均局部方差曲線的變程所對應(yīng)的窗口尺寸即為最佳空間尺度分割參數(shù)hs。
[0018]局部方差圖像大小與原始圖像相同，其每一像元值為原始圖像每一像元P(i，j)在窗口尺寸為η時(shí)的局部方差。因此在窗口尺寸取η的情況下，圖像的平均局部方差A(yù)LV的計(jì)算公式如下:
【權(quán)利要求】
1.將影響遙感影像多尺度分割的尺度分割參數(shù)概括為空間尺度分割參數(shù)、屬性尺度分割參數(shù)和合并閾值參數(shù)，在此基礎(chǔ)上針對這三個(gè)尺度分割參數(shù)，公開了一種面向?qū)ο筮b感影像分析中的尺度分割參數(shù)自動(dòng)選擇方法，其特征在于: 步驟10、輸入遙感影像，所述遙感影像為全色影像； 步驟20、在各向同性假設(shè)前提下，求取不同窗口尺寸下的圖像平均局部方差曲線變程，確定分割最佳空間尺度分割參數(shù)； 步驟30、在步驟20求得的最佳分割窗口尺寸下，統(tǒng)計(jì)其局部方差直方圖，求取直方圖峰值，確定最佳屬性尺度分割參數(shù)； 步驟40、在各向異性假設(shè)前提下，通過求取原始輸入圖像在水平和垂直方向上的變程確定最佳合并閾值參數(shù)； 步驟50、在以上步驟20、30和40的基礎(chǔ)上，采用分割測度多指標(biāo)或分割斑塊塊內(nèi)均質(zhì)性/塊間異質(zhì)性指標(biāo)進(jìn)行分割結(jié)果評價(jià)，在此基礎(chǔ)上對上述3個(gè)尺度分割參數(shù)進(jìn)行適當(dāng)?shù)膬?yōu)化調(diào)整。
2.如權(quán)利要求1所述的面向?qū)ο筮b感影像分析中的尺度分割參數(shù)自動(dòng)選擇方法，其特征在于，步驟20中的不同窗口尺寸下的圖像的平均局部方差，為在窗口尺寸分別為3，5，......，n(n≥3且η為奇整數(shù))時(shí)的局部方差圖像的均值，在各向同性假設(shè)前提下，當(dāng)該平均局部方差取最大值時(shí)，其對應(yīng)的窗口尺寸η即為最佳空間尺度分割參數(shù)hs。
3.如權(quán)利要求1所述的面向?qū)ο筮b感影像分析中的尺度分割參數(shù)自動(dòng)選擇方法，其特征在于，步驟30中最佳屬性尺度分割參數(shù)匕，匕由局部方差圖像統(tǒng)計(jì)直方圖的峰值來確定。
4.如權(quán)利要求1所述的面向?qū)ο筮b感影像分析中的尺度分割參數(shù)自動(dòng)選擇方法，其特征在于，步驟40中最佳合并閾值參數(shù)M，M是在各向異性假設(shè)前提下，結(jié)合先驗(yàn)知識由原始圖像的水平方向和垂直方向的變異函數(shù)的變程計(jì)算得到。
5.如權(quán)利要求1所述的面向?qū)ο筮b感影像分析中的尺度分割參數(shù)自動(dòng)選擇方法，其特征在于，所述步驟50中，針對遙感目標(biāo)識別具體任務(wù)，采用分割測度多指標(biāo)，包括分割斑塊內(nèi)部非均質(zhì)度E1、分割斑塊間灰度對比度E2、分割斑塊間散度對比度E3、分割斑塊邊界點(diǎn)梯度E4四個(gè)指標(biāo)對多尺度分割的效果及尺度分割參數(shù)的尺度效應(yīng)進(jìn)行評價(jià)，并在此基礎(chǔ)上輔助實(shí)現(xiàn)尺度分割參數(shù)的優(yōu)化調(diào)整。
6.如權(quán)利要求1所述的面向?qū)ο筮b感影像分析中的尺度分割參數(shù)自動(dòng)選擇方法，其特征在于，所述步驟50中，針對面向?qū)ο筮b感信息提取具體任務(wù)，采用分割斑塊內(nèi)部均質(zhì)性HM、分割斑塊間異質(zhì)性HT指標(biāo)對多尺度分割的效果及尺度參數(shù)的尺度效應(yīng)進(jìn)行評價(jià)，并在此基礎(chǔ)上輔助實(shí)現(xiàn)尺度分割參數(shù)的優(yōu)化調(diào)整。
【文檔編號】G06T7/00GK103646400SQ201310687140
【公開日】2014年3月19日 申請日期:2013年12月17日 優(yōu)先權(quán)日:2013年12月17日
【發(fā)明者】明冬萍 申請人:中國地質(zhì)大學(xué)（北京）