[發明專利]一種面向地理對象的高分遙感影像分割方法

有效

• 申請號: 201710747795.6
• 申請日: 2017-08-28
• 公開（公告）號: CN107657616B
• 公開（公告）日: 2019-10-01
• 發明（設計）人: 王超;石愛業;郭曉丹;謝亞琴
• 申請（專利權）人: 南京信息工程大學
• 主分類號: G06T7/11
• 分類號: G06T7/11;G06T7/187
• 代理公司: 南京經緯專利商標代理有限公司 32200
• 代理人: 施昊

本發明公開了一種面向地理對象的高分遙感影像分割方法。首先，通過對影像進行過分割來構建初始種子區域集合，并確定尺度參數集合；而后，通過跟蹤對象置信度指標OC的尺度間變化來指引多尺度區域合并過程，使區域合并結果逐步逼近實際的地理對象。不同于傳統多尺度分割方式，為了應對有限尺度無法全面描述不同尺寸地理對象的不足，本發明首先通過分割來充分標記潛在的地理對象，再通過分析OC曲線的尺度間變化來跟蹤和指引多尺度合并過程，從而使區域合并結果不斷逼近實際的地理對象。

技術領域

本發明屬于圖像處理技術領域，特別涉及了一種面向地理對象的高分遙感影像分割方法。

背景技術

近年來，隨著遙感影像空間分辨率的不斷提高，面向對象的圖像分析(OBIA，Object-Based Image Analysis)技術在攝影測量及遙感領域得到了廣泛應用。圖像分割是開展OBIA的前提與基礎，所謂分割，就是將圖像劃分為彼此不重疊的均質區域來提取場景中有意義的地理對象，從而為后續的分類、變化檢測等影像解譯提供分析基元。

與中、低分辨率遙感影像相比，高分辨遙感影像提供了更加豐富的光譜、紋理及空間細節信息，但隨之而來的過分割及對象邊界不確定等問題也更加突出。針對這些問題學者們已經提出了很多應對策略，其中，多尺度分割是目前最為流行的一類算法。不同于單尺度分割，多尺度分割算法進一步利用了遙感影像所包含的多尺度層級結構信息，有助于對不同尺寸、不同種類的地理對象進行深入剖析和全面描述。例如，知名商業軟件eCognition采用了分形網絡演化FNEA(Fractal Net Evolution Approach)算法，在感興趣的尺度范圍內，確保分割結果中大尺與小尺度對象并存；Gaetano等則在自適應提取形態學及光學標記點的基礎上，通過與邊緣梯度影像進行特征融合進而提出了一種由粗到精的多尺度分割算法，該算法能有效避免分割過程中高頻信息的損失并改善過分割現象；Meng Yan等則提出了一種尺度參數自適應的非監督多尺度分割算法，通過監測多尺度之間空間自相關指標的變化速度來確定最優尺度參數集合，分割過程的自動化程度均顯著提高。

盡管如此，現有高分辨率遙感影像分割算法通常僅專注于如何準確地劃分為將影像劃分為相互鄰接的異質區域，但分割結果卻與真實場景中的地理對象(如建筑物、道路等)存在著較大差異。而即便是采用了多尺度分割，也難以完全克服復雜的可塑性單元問題。除非對每個地理對象都單獨考慮與之匹配的尺度參數，否則一些地理對象便不會被提取出來，因此幾乎不可能保證每個地理對象都能夠在分割結果中找到與之一一對應的區域。然而在城市動態監測等相關領域中，更有意義的分割結果應當能夠較好的識別實際的地理對象。因此，如何使分割結果盡可能地接近實際地理對象，是多尺度分割中亟待解決的關鍵及難點問題。

發明內容

為了解決上述背景技術提出的技術問題，本發明旨在提供一種面向地理對象的高分遙感影像分割方法，克服有限的尺度無法與地理對象完全匹配所導致的局限。

為了實現上述技術目的，本發明的技術方案為：

一種面向地理對象的高分遙感影像分割方法，包括以下步驟：

(1)通過對原始遙感影像進行過分割，提取初始種子區域集合，根據初始種子區域集合構建區域鄰接圖RAG；在過分割產生的量化影像中，計算每個種子區域對應的對象置信度指標OC，并作為其初始最大對象置信度OC_max；

(2)在下一尺度中，對于每個種子區域R_C，在RAG中確定所有與其臨接的種子區域集合，分別計算R_C與該種子區域集合中每個種子區域R_D之間的相似度，根據相似度結果進行區域合并；