[发明专利]一种新的高分辨率遥感影像的最优分割尺度自动选择方法

说明书

本发明公开了一种新的高分辨率遥感影像的最优分割尺度自动选择方法，利用多尺度MRF模型，建立高分辨率影像的多尺度分割模型，同时对影像层次分割和影像平面分别建模，描述层与层对象之间的上下文信息以及同一层中对象之间的空间依赖关系。将对象的光谱、颜色、纹理及拓扑关系等基本特征，归一化到马尔可夫随机场中，通过概率信息收敛计算，实现了一种计算机可自动进行全局最有分割尺度选择方法，参数选择计算和推断工程实现了计算机自动进行，获得理论上的最优分割尺度参数。该技术具有分割质量精度高、自适应性强和计算效率高的优点。

技术领域

本发明涉及影像处理技术领域，具体地说，涉及一种新的高分辨率遥感影像的最优分割尺度自动选择方法。

背景技术

面向对象的地物信息提取是高分辨率遥感影像分析的基础和前提。由于高分辨率遥感影像包含的信息丰富，地物类别复杂，且不同类型的地物对应不同的分割尺度，单一的分割尺度无法满足应用需求。在面向对象的高分辨率遥感影像分析中，常常利用影像多尺度分割方法，为不同类别特征的地物提供相应的尺度。为保证影像信息提取的精度、必须了解影像信息随着分割尺度变化的效应,因此影像信息尺度转换与最优尺度选择成为面向对象影像分析中要解决的基本问题。

传统的分割带有较强的主观性，通过目测判断和反复试错，选择一个合适的分割结果，因而很难建立一个最优尺度分割模型。从保证影像对象的同质性和影像对象的可分性的角度，黄慧萍、孙波中等提出图像最优分割的评价准则：影像对象内部异质性尽可能小，同时，不同类型对象之间的异质性尽可能的大，并且对象能够表达某种地物的基本特征。根据上述分割评价准则，目前国内外还没有一个客观的、定量的和普适的影像多尺度模型来确定最优分割尺度参数。

马尔可夫随机场是图象分割中一个有效且常用的工具。它有效地刻画出图像空间依赖关系，通过信息的局部交互，将上下文信息传递到整个图像，最终能够构建不同尺度的影像对象网络层次结构。但是，现有影像MRF模型往往采用自顶向下的方式构建影像的层次结构，由于最细粒度尺度的建立依赖于影像所有像素的标识计算，带来运算时间较长的问题，且由于像素信息较为单一，容易造成像元的误分类。

发明内容

本发明的目的在于克服上述技术存在的缺陷，提供一种新的高分辨率遥感影像的最优分割尺度自动选择方法。该方法利用多尺度MRF模型，建立高分辨率影像的多尺度分割模型，同时对影像层次分割和影像平面分别建模，描述层与层对象之间的上下文信息以及同一层中对象之间的空间依赖关系。将对象的光谱、颜色、纹理及拓扑关系等基本特征，归一化到马尔可夫随机场中，通过概率信息收敛计算，实现了一种计算机可自动进行全局最有分割尺度选择方法，参数选择计算和推断工程实现了计算机自动进行，获得理论上的最优分割尺度参数。该技术具有分割质量精度高、自适应性强和计算效率高的优点。

其具体技术方案为：

一种新的高分辨率遥感影像的最优分割尺度自动选择方法，包括以下步骤：

输入：影像下的图D＝(V,E,W)，其中V、E和W分别代表了图D的顶点集、边集和相似度矩阵；

输出：最优尺度分割的影像、全部尺度分割参数；

步骤1、利用分水岭方法得到过分割的影像，作为最细粒度的分割影像D0；

步骤2、提取上述影像中对象的光谱、颜色、纹理等特征值；

步骤3、使用期望最大化EM算法估计GMM参数

步骤4、For 1＝L to 0，执行步骤3-4：

1)在第l层MRF模型中，计算对象消息在MRF节点之间进行迭代传递，直至全局概率收敛，即

2)利用MAP准则，得到聚类对象标号的估计值：