全局区域相异度阈值构建稀疏尺度集模型

发布时间：2021-11-29 10:11

　　目的尺度集模型是一种有效的影像多尺度分割模型,但数据结构复杂、构建效率低下且冗余尺度较多。针对这些问题,提出了一种由全局区域相异度阈值驱动构建稀疏尺度集模型的方法。方法本文方法改变了尺度集模型构建的驱动方式,通过重复进行增大全局区域相异度阈值以及合并所有小于当前全局区域相异度阈值的邻接区域这2个步骤完成尺度集的构建。同时,将依次出现的全局区域相异度阈值与从小到大的抽象尺度对应,采用深度优先搜索在区域邻接图中快速搜索满足条件的邻接区域,采用三次指数平滑法预测下一尺度的全局区域相异度阈值,采用基于局部方差和莫兰指数的尺度属性分析消除冗余的欠分割尺度。结果与传统尺度集相比,稀疏尺度集极大地简化了底层数据结构,通过调节模型核心参数可以有效消除冗余尺度。保守参数设置下,稀疏尺度集的构建速度提高至传统尺度集的3.11倍,且二者区域合并质量无明显差别。结论本文提出的稀疏尺度集模型能够在不引起合并质量下降的前提下大幅度提高模型构建速度,将具有更加广泛与灵活的应用。 

【文章来源】：中国图象图形学报. 2020,25(09)北大核心CSCD

【文章页数】：11 页

【部分图文】：

稀疏尺度集概念图

3)将Z插入到RAG中，更新所有与Z相邻区域的邻接关系。采用邻接表保存RAG，由于严格遵循区域两两合并的准则，对于初始区域数为N的RAG，整个合并过程中生成的新区域数至多为N-1，因此邻接表的大小不会超过2×N-1。初始化Z的邻接信息需要对X、Y的邻接区域取并集，本文给定每个区域一个下标，在邻接表中初始化RAG的时候，对每个区域的邻接区域均按照下标从小到大进行排序，并在后续RAG的更新中始终维护该顺序关系，使得取并集的时间复杂度由O(N2)下降为O(N log N)。

图3为全局区域相异度阈值序列构建示例。中小尺度下，反推实际值与预测值偏差极小。从虚线对应的尺度开始，出现了明显的预测滞后现象，表现为预测值明显小于反推实际值，差值随尺度增大而增大。该问题主要由三次指数平滑预测法本身的性质，以及大尺度下相异度较大的邻接区域被强行合并造成。预测滞后问题会导致大尺度条件下，相邻尺度间区域合并数不稳定。本文在1.3节介绍合并终止判断的方法，在提升尺度集构建效率的同时规避预测滞后问题。1.3 合并终止判断

【参考文献】：
期刊论文
[1]基于谱空间统计特征的高分辨率影像分割尺度估计[J]. 明冬萍,周文,汪闽.  地球信息科学学报. 2016(05)
[2]基于区域合并的高分辨率遥感图像多尺度分割[J]. 张学良,冯学智,肖鹏峰.  南京大学学报(自然科学). 2015(05)
[3]面向影像分割的多尺度快速区域合并方法[J]. 吴宁,陈秋晓.  计算机工程与应用. 2012(06)
[4]面向对象遥感影像分类的最优分割尺度选择研究[J]. 于欢,张树清,孔博,李晓峰.  中国图象图形学报. 2010(02)

博士论文
[1]基于区域的遥感影像多尺度表达方法与应用研究[D]. 胡忠文.武汉大学 2013

硕士论文
[1]时间序列指数平滑算法的改进研究[D]. 李颖.辽宁工程技术大学 2009



本文编号：3526322