[发明专利]一种基于对象相似性的最优分割尺度选择方法

说明书

本发明公开了一种基于对象相似性的最优分割尺度选择方法，包括导入高分辨率原始遥感影像，并影像对进行预处理；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；选取一定数量的样本作为参考对象，并利用位置关系选择方法，检索出质心完全处于参考对象范围内的分割结果作为分割对象；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；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等步骤。其显著效果是：提高了分割结果的客观真实性，解决了分割尺度选择困难的问题。

技术领域

本发明涉及到遥感图像处理技术领域，具体涉及一种基于对象相似性的最优分割尺度选择方法。

背景技术

在面向对象的图像处理中，不同地物对应不同的尺度，同一类地物在不同尺度下也显示不同的特征，分割尺度大小以及组合的合不合适，将直接影响分割后地物对象的大小、形状及后续分类精度，因此，分割尺度的选择便成为影像信息精确提取的关键。

最优尺度的选择方法主要可以分为定性和定量两种。其中定性方法主要是人为试错法，也就是“累试法”，主要是研究者通过试验来选择最优分割尺度，该方法无需建立模型，容易操作，但是效率较低，且最优尺度的确定结果缺乏客观性。随着学者们对最优分割尺度选择方法的深入研究，已由定性选择向定量选择转变。定量方法根据是否参考样本对象，分为监督方法和非监督方法两类。非监督方法不需要参考对象，根据“对象内匀质，对象间异质”的原则设置定量指标来描述分割质量，并建立指标与尺度的函数关系，从而确定最优的分割尺度。定量选择常用的算法有最大面积法、均值方差法、局部方差法等。现有的最优尺度的选择方法基本上只考虑了影像的光谱或几何特征，如最大面积法仅利用了影像几何特征中的面积特征，该方法仅在分布相对集中且面积较大的地物进行分割的情况下效果较好，而针对分布零散的地物效果则不理想；均值方差法是通过计算不同分割尺度下每个对象内部的像元均值与影像中所有对象均值的方差，仅利用了影像的灰度特征；局部方差法以像元为中心，设定一个移动窗口，计算窗口内像元的局部方差再取均值，局部方差值越大对应窗口大小即为最优尺度参数。

上述各种方法仅重点考虑了在不同尺度下分割对象间的光谱特征和几何特征，具有一定的局限性，未能充分利用影像纹理等其他特征。若仅考虑影像的光谱特征进行最优尺度选取容易受到光谱多样性的影响，导致尺度选取结果存在一定的不确定性，因此亟需一种考虑多种特征的尺度选择方法以克服上述缺陷。

发明内容

针对现有技术的不足，本发明的目的是提供一种基于对象相似性的最优分割尺度选择方法，该方法通过将原始影像进行多尺度分割后产生的对象作为分割对象，并在原始影像上选取的不同地物类别对应的一定数量的样本作为参考对象，然后从分割对象与参考对象的灰度相似性和纹理相似性两个要素出发，构建质量评价函数，从而解决分割尺度选择困难的问题。

为达到上述目的，本发明采用的技术方案如下：

一种基于对象相似性的最优分割尺度选择方法，其关键在于包括以下步骤：

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。

进一步的，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。