一种面向对象的最优分割尺度计算模型

发布时间：2021-08-11 08:27

　　作为信息提取和分类的前提,面向对象的影像分割尺度参数的设置直接影响到提取和分类的精度。本文以GF-2影像数据为例,在已有分割理论和方法的基础上提出一种基于最优分割尺度的计算模型（OS模型）。该模型以主成分分析所得的主成分以及新建的归一化植被指数（normalized vegetation index,NDVI）特征层作为分割参考层,综合考虑均质因子的影响,构建加权尺度评价指数,插值拟合最优分割尺度。构建误差系数（E_c）对模型进行评价,结果表明:OS模型误差系数（E_c=1.15%）小于传统模型（E_c=3.28%）,且分割对象更均匀、与实际地物更接近。 

【文章来源】：吉林大学学报(地球科学版). 2020,50(01)北大核心CSCD

【文章页数】：9 页

【部分图文】：

融合后的实验区

通过PCA对原影像的多个波段信息进行降维[15],具有以下优点:1)降维后的几个主成分依旧保留原影像的绝大部分信息;2)维度不变的情况下加入NDVI特征层,丰富分割参考信息;3)各主成分的百分比可以作为分割时特征层权重以及加权尺度评价指数权重的设置依据。2.2 影像分割

本文采用多尺度分割算法对影像进行分割。该算法是一种最小化异质性、最大化各自同质性的优化过程,采取“自下而上”的合并方式。其中像元的合并始于影像中任意一个位置,首先将特征相近的像元合并成一个区域,其次相邻的区域根据分割对象的差异性继续合并[17],直到差异性超过某一阈值时,分割停止形成最终的对象,这一阈值就是分割尺度[18]。分割的结果同时取决于波段权重、均质因子和尺度(s),其中均质因子由紧致度因子(wcom)和形状因子(wshp)共同决定。波段权重根据PCA的结果进行分配,紧致度因子、形状因子和尺度的影响在图3中给出。紧致度因子反映对象的紧密程度,当尺度和形状因子确定时,紧致度因子越小,分割对象越碎(图3a);当尺度和紧致度因子确定时,形状因子越大,分割的结果在形状上的差异越小,分割对象越规整(图3b);当形状因子和紧致度因子确定时,尺度越大,分割对象的块越大,即尺度过大会造成影像的欠分割,造成不同地物的混合,尺度太小会造成影像的过分割,使同一地物被分割成多个对象(图3c),因此需选择合适的分割参数进行分割。2.3 计算模型构建

【参考文献】：
期刊论文
[1]基于特征空间优化的随机森林算法在GF-2影像湿地分类中的研究[J]. 詹国旗,杨国东,王凤艳,辛秀文,国策,赵强.  地球信息科学学报. 2018(10)
[2]一种高分辨率遥感影像的最优分割尺度自动选取方法[J]. 殷瑞娟,施润和,李镜尧.  地球信息科学学报. 2013(06)
[3]一种改进的遥感影像面向对象最优分割尺度计算模型[J]. 胡文亮,赵萍,董张玉.  地理与地理信息科学. 2010(06)
[4]一种面向对象的高分辨率影像最优分割尺度选择算法[J]. 张俊,汪云甲,李妍,王行风.  科技导报. 2009(21)
[5]面向对象的最优分割尺度计算模型[J]. 何敏,张文君,王卫红.  大地测量与地球动力学. 2009(01)
[6]城市植被尺度鉴别与分类研究[J]. 张友静,樊恒通.  地理与地理信息科学. 2007(06)
[7]面向对象的遥感图像分类方法研究[J]. 杨长保,丁继红.  吉林大学学报(地球科学版). 2006(04)
[8]高分辨率影像城市绿地快速提取技术与应用[J]. 黄慧萍,吴炳方,李苗苗,周为峰,王忠武.  遥感学报. 2004(01)

博士论文
[1]面向对象影像分析中的尺度问题研究[D]. 黄慧萍.中国科学院研究生院（遥感应用研究所） 2003



本文编号：3335836