遥感影像多尺度分割中最优尺度的选取及评价

发布时间：2021-04-02 13:26

　　多尺度分割是面向对象图像分析技术的前提和关键,多尺度分割的质量直接影响着面向对象分类的精度,但尺度选择仍然是多尺度分割中的一个难题。针对此问题,根据遥感影像的最优分割尺度与影像上目标复杂度密切相关的事实,提出了一种自上而下基于分割对象复杂度选取最优尺度的方法。该方法在分割过程中,提取每一对象的影像特征构建其复杂度函数,通过设置阈值,经迭代计算来确定每一对象的最优分割尺度,进而得到具有全局最优尺度的分割结果,并将其应用于ZY-3多光谱数据和GF-2融合影像,得到分割和分类结果。并将其与单一最优尺度和非监督评价法的分割及分类结果进行比较,结果表明:该方法能够获取与地面目标相匹配的分割尺度,改善了分割效果,提高了分类精度,具有一定实用价值。 

【文章来源】：遥感技术与应用. 2020,35(03)北大核心CSCD

【文章页数】：11 页

【部分图文】：

技术路线图

选择ZY-3多光谱数据和GF-2融合数据作为数据源（图2所示），选取影像中不同的试验区（从城市区到半自然景观）来评估本研究方法的性能。采用RPC文件和DEM数据对ZY-3多光谱数据和GF-2数据进行正射校正，并进行快速大气校正；采用Gram-Schmidt sharping方法对GF-2多光谱和全色影像进行融合；根据研究区的矢量数据对影像进行裁剪。有关研究区影像数据的详细信息及地物类型如表1所示。并将所有数据都归化到UTM WGS84(Zone 48N-WGS84）投影系中。4 实验与分析

首先对两幅影像采用多分辨率分割算法以10步长进行一系列分割（尺度范围为10～250），分别计算每一分割结果的全局莫兰指数（MI）和加权方差（WVar）来衡量对象间的异质性和对象内的同质性，对两者进行归一化并取和得到每一分割结果的全局得分（GS），以GS值最小的分割结果为单尺度下的最优分割结果，此时的分割尺度即为最优尺度。经计算，基于ZY-3多光谱影像及GF-2融合影像的单一最优尺度分别为80和130。两者的分割结果如图4(a）、（d）所示。4.3 U-E实验

【参考文献】：
期刊论文
[1]一种面向对象的最优分割尺度计算模型[J]. 白韬,杨国东,王凤艳,刘佳为.  吉林大学学报(地球科学版). 2020(01)
[2]高分影像树种分类的最优分割尺度确定方法[J]. 刘金丽,陈钊,高金萍,高显连,孙忠秋.  林业科学. 2019(11)
[3]一种遥感影像自适应分割尺度的分类方法[J]. 王芳,王建,谢兵,何阳阳,陈爱玲,敬远兵.  测绘科学. 2019(11)
[4]高分二号数据的城市生态用地分类方法探讨[J]. 王芳,杨武年,邓晓宇,任金铜.  测绘科学. 2018(03)
[5]面向对象影像多尺度分割最大异质性参数估计[J]. 马燕妮,明冬萍,杨海平.  遥感学报. 2017(04)
[6]综合多层优选尺度的高分辨率影像分割[J]. 杨海平,明冬萍.  地球信息科学学报. 2016(05)
[7]基于均值漂移的遥感图像海陆边界分割算法[J]. 张毅飞,吕科,代双凤,杨磊.  光学技术. 2016(01)
[8]面向对象的高分辨率遥感影像分割精度评价方法[J]. 朱成杰,杨世植,崔生成,程伟,程晨.  强激光与粒子束. 2015(06)
[9]大规模遥感影像Mean Shift并行分割优化算法研究[J]. 王卫红,徐文涛,夏列钢,方赵林.  小型微型计算机系统. 2015(05)



本文编号：3115352