[发明专利]一种面向遥感影像分割的影像对象合并方法

说明书

技术领域

本发明涉及一种面向遥感影像分割的基于对象合并指数(Object Merge Index，OMI)进行对象基元合并的方法，属于遥感影像处理与分析技术领域。

背景技术

影像分割是实现面向对象的高分辨率遥感影像信息提取的一个重要步骤。在图像工程与计算机视觉领域，有大量的图像分割算法，但是大多数的分割算法在多光谱遥感影像分析中使用效果欠佳。在遥感影像分析领域较为常用的分割算法主要有均值漂移分割算法、分水岭分割算法、eCognition多分辨率分割算法等。遥感影像分割是提取地物目标基元的首要步骤，影像分割的最佳状态是将想要提取的真实地物目标用影像对象的形式表达出来，分割出的地物空间边界与目视解译的边界类似，与地物真实界线符合度较高。最佳的分割结果就是得到有地理意义的影像对象(基元)，使得针对此基元所计算得到的形状、纹理和空间关系等特征能够有效用于分类。

在传统的遥感图像分割方法中(如均值漂移分割算法或多分辨率分割算法)，往往都需要针对所分析的影像设定一个表达影像分割详细程度的尺度参数，此尺度参数在分割中的象元合并或基元合并过程起到控制作用，尺度参数与分割基元的面积有直接或者间接的联系。然而，由于地理现象的区域性特征与复杂性，同一幅影像中不同的区域地物类型可能不同，其复杂程度不一样，而传统分割算法对同一幅影像分割所采用的尺度参数却是一样的，其对不同复杂程度的影像区域缺乏自适应性。所以，使用传统分割方法时，当选择的尺度参数适合于分割高复杂度区域的影像时，对于低复杂度区域则会过分割，而如果采用较大的尺度参数分割，则对复杂区域地物欠分割。特别在对大区域范围的影像进行自动分析时，传统方法对于欠分割和过分割的矛盾难以调和，无法从分割结果上提取有地理代表意义的影像基元，这就直接导致了与地物目标相关的形状、纹理、空间关系等特征难以有效利用，限制了面向对象分类的精度与有效性。

本发明提出了一种面向遥感影像分割的基于对象合并指数(OMI)进行对象基元合并的方法。经文献和专利检索发现，与本发明提出的基于边缘特征构建合并指数的对象合并方法类似的方法未见报道。

发明内容

本发明提出一种面向遥感影像分割的对象基元合并方法，该方法以传统通用的分割方法小尺度预分割结果为基础，设计一种新的对象合并指数(Object Merge Index，OMI)作为判别指标进行对象基元合并，实现对图像分割基元的优化。对象合并的判别规则主要依据当前对象与其邻域对象邻接处边界的边缘特征是否明显来判别。基于该合并方法的遥感影像二次分割具有较强的尺度自适应能力，能够较好地平衡过分割和欠分割的矛盾。

本发明提出的面向遥感影像分割的对象基元合并方法，包括以下实施步骤：

(1)选取待分析的遥感影像，计算其边缘量化影像CL；

(2)对待分析的遥感影像进行预分割，采用通用的分割方法(如均值漂移分割或者多分辨率分割算法)，使用较小的分割尺度，得到小尺度分割结果；

(3)遍历分割结果的所有对象，对象集合中取当前处理对象o；

(4)取当前处理对象的邻域对象集合V；

(5)对当前处理对象o和所有领域对象V进行对象合并操作，更新对象集合；

(6)取对象集合中下一个对象为当前处理对象，重复步骤(4)，(5)，直到所有对象都被处理完。

上述对象合并方法中所述步骤(1)，计算边缘量化影像CL，实现方法如下：

(1)选取待分析的遥感影像；

(2)选择对典型地物边界敏感的波段L_i，采用canny算法计算量化影像CL_i；

(3)融合所有的边缘量化影像，结果为

上述对象合并方法中所述步骤(5)，当前对象与其所有邻域对象V的合并操作，实现方法包括：

(1)获取当前中心处理对象o，计算其邻域对象集合V；

(2)顺序获取邻域对象集合中的对象，记当前领域对象为v；

(3)计算中心对象o与邻域对象v的对象合并指数OMI；

(4)如果OMI值小于设定的阈值OMI_Trsh，则合并对象o与v，否则标记该邻域对象v为不能合并；

(5)判定当前邻域对象集合V中元素是否被取完；

(6)步骤(5)判定结果为否，则取下一邻域对象，重复执行步骤(3)和(4)；

(7)步骤(5)判定结果为真，更新合并后的中心对象o，获取其新的邻域对象集合V；