[发明专利]一种基于对象相似性的最优分割尺度选择方法

权利要求书

1.一种基于对象相似性的最优分割尺度选择方法，其特征在于包括以下步骤：

步骤1：导入高分辨率原始遥感影像，并影像对进行预处理；

步骤2：对预处理后的遥感影像进行不同分割尺度的分割，得到多个尺度的分割结果；

步骤3：选取一定数量的原始遥感影像作为参考对象，并利用位置关系选择方法，检索出参考对象所对应的分割结果作为分割对象；

步骤4：对各个分割对象分别进行相似度分析，计算不同尺度下分割对象与参考对象之间的灰度相似度与纹理相似度，并构建最优分割尺度质量评价函数；

步骤5：根据最优分割尺度质量评价函数的值确定最终的最优分割尺度，形成最优分割尺度组。

2.根据权利要求1所述的基于对象相似性的最优分割尺度选择方法，其特征在于：步骤1中所述预处理包括全色和多光谱影像融合、影像裁剪。

3.根据权利要求2所述的基于对象相似性的最优分割尺度选择方法，其特征在于：所述全色和多光谱影像融合采用Envi软件NNDiffuse Pan Sharpening算法进行。

4.根据权利要求1所述的基于对象相似性的最优分割尺度选择方法，其特征在于：步骤2中所述不同分割尺度的尺度范围为40～120，间隔单位设置为5。

5.根据权利要求1或4所述的基于对象相似性的最优分割尺度选择方法，其特征在于：步骤2中采用分形网络进化分割算法对预处理后的遥感影像进行分割处理。

6.根据权利要求1所述的基于对象相似性的最优分割尺度选择方法，其特征在于：步骤4中所述灰度相似度的计算步骤为：

步骤A1：按照公式分别计算参考对象与分割对象的灰度值，其中R、G、B分别为影像的三个颜色分量；

步骤A2：按照公式计算参考对象与分割对象的灰度相似度G，其中，m表示参考样本对象的个数，n表示参考样本对应分割对象的个数，H_m和H_n分别为参考对象和分割对象的灰度值统计直方图。

7.根据权利要求1所述的基于对象相似性的最优分割尺度选择方法，其特征在于：步骤4中所述纹理相似度的计算步骤为：

步骤B1：基于灰度共生矩阵，按照公式分别计算某个分割尺度下各分割对象的纹理均值Mean，其中，k为影像灰度化后最大的灰度级，f(i，j)表示灰度值为i和j的像素对共生的概率；

步骤B2：按照公式计算参考对象与分割对象的纹理相似度W，其中，m表示参考对象的个数，n表示参考对象对应的分割对象的个数，Mean_m和Mean_n分别为参考对象与分割对象的灰度共生矩阵纹理均值。

8.根据权利要求1或6或7所述的基于对象相似性的最优分割尺度选择方法，其特征在于：步骤4中最优分割尺度质量评价函数的表达式为：

F(G,W)＝αG+(1-α)W，

其中，F(G,W)为最优分割尺度质量评价函数，G与W分别表示灰度相似度和纹理相似度，α为灰度相似度G在最优分割尺度质量评价函数中所占的权重，其值取0或1。

9.根据权利要求1所述的基于对象相似性的最优分割尺度选择方法，其特征在于：步骤5中所述最优分割尺寸获取过程为：

将不同分割尺度对应的最优分割尺度质量评价函数的值进行排序，其中min|F(G,W)-1|对应的尺度即为最优分割尺度。