[發(fā)明專利]基于信息增益率的衛(wèi)星影像分割最佳分割尺度確定方法

有效

• 申請?zhí)枺?/td>: 201810732696.5
• 申請日: 2018-07-05
• 公開（公告）號: CN109063577B
• 公開（公告）日: 2021-08-31
• 發(fā)明（設計）人: 楊玲波;黃敬峰
• 申請（專利權）人: 浙江大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/34;G06K9/62
• 代理公司: 杭州求是專利事務所有限公司 33200
• 代理人: 陳升華

本發(fā)明公開了一種基于信息增益率的衛(wèi)星影像分割最佳分割尺度確定方法，包括：獲取高分辨率衛(wèi)星遙感影像，并進行預處理，選擇具有代表性的區(qū)域作為最佳分割尺度確定的樣區(qū)，并對樣本區(qū)域的地物類型進行分類，獲取樣區(qū)影像分類成果，作為最佳分割尺度確定的參考影像；設置一系列從小到大的分割尺度參數(shù)，使用多尺度分割技術，分別對樣區(qū)影像進行多尺度分割，獲取一系列分割對象矢量；基于香農(nóng)信息熵公式，計算參考影像及分割矢量的信息熵，并計算參考影像加入分割矢量后的條件熵，進而計算分割矢量的信息增益和信息增益率；根據(jù)信息增益率最大的原則選取最佳分割尺度。最終基于最佳分割尺度，對原始影像進行多尺度分割。

技術領域

本發(fā)明涉及面向對象影像分割參數(shù)選取技術領域，具體涉及一種基于信息增益率的衛(wèi)星影像分割最佳分割尺度確定方法。

背景技術

近年來，隨著各類衛(wèi)星不斷發(fā)射，農(nóng)作物監(jiān)測的可用數(shù)據(jù)源日益增多，基于多源衛(wèi)星遙感數(shù)據(jù)進行農(nóng)作物識別成為一種新的趨勢，較好地解決了單一衛(wèi)星影像時間分辨率不足的缺陷(Sharma et al.2017；Colkesen and Kavzoglu 2017；Morton et al.2011；Novelli et al.2016)。然而，不同衛(wèi)星數(shù)據(jù)的空間分辨率往往不一致，傳統(tǒng)的基于像元的方法需要使用重采樣等方式使其分辨率一致(Mansaray et al.2017；Sharma etal.2017)，但混合像元及尺度效應的存在制約了重采樣影像的識別精度。而隨著面向地理對象影像分析(Geographic Object-Based Image Analysis，GEOBIA)技術的發(fā)展(Rau etal.2013；Martha 2011；Benz et al.2004)，以地理對象作為分類的基本單元，獲取地理對象在多源影像上的特征并進行地理對象識別，可以避免影像重采樣及其帶來的不足。

影像分割是面向對象分類的基礎，其將一景影像分割為多個地理對象，每個對象由相近地物的像元組合而成(Martha 2011)。多尺度分割算法是當前應用最廣泛的影像分割方法，是一種從單個像元開始、自下而上不斷進行區(qū)域合并的算法。在合并的過程中，當兩個相鄰相似對象合并為一個對象后，若異質(zhì)性的變化小于定義的尺度參數(shù)，則進行合并，否則合并停止(Benz et al.2004)。影像最佳分割尺度參數(shù)(Segmentation ScaleParameter，SSP)的確定是多尺度分割中的關鍵步驟。過大的尺度參數(shù)將會導致地物的欠分割，反之則會造成過分割(Laliberte et al.2004)。當前，最佳分割尺度參數(shù)的確定方法主要是試錯法結合目視判讀(Feizizadeh et al.2017)，通過人工比對不同分割尺度下影像分割效果(Rau et al.2013)或分類精度(Ma et al.2015)來確定最佳尺度參數(shù)。這一方法的優(yōu)勢在于影像分割結果較為符合人的主觀判斷，缺點則是主觀性較強、缺少定量分析，且工作量大。為定量化確定最佳分割尺度參數(shù)，提高自動化程度，一些自動或半自動的最佳分割尺度選擇算法被開發(fā)出來(Gao et al.2017；Johnson and Xie 2011；Kalantar etal.2017；Martha et al.2011)。如Johnson and Xie(2011)提出了一種非監(jiān)督的最佳尺度參數(shù)確定方法，利用歸一化全局方差和全局莫蘭指數(shù)，通過研究不同尺度下對象內(nèi)部同質(zhì)性和對象之間異質(zhì)性的變化趨勢確定最佳分割尺度，這一方法已在一些的研究中得到了應用(Puissant et al.2014；Zhang and Xie 2012)。然而，在實際應用中，由于分類對象的復雜性和多義性，使用非監(jiān)督方法獲取的最佳分割尺度，可能與實際產(chǎn)生偏差，例如：當一塊耕地中存在光譜相近小麥和油菜作物時，分類對象為耕地時，可以將油菜和小麥作為一種一個對象，但當分類的對象為具體的作物時，則必須使用更小的分割尺度以將這兩類作物區(qū)分開。

使用基于監(jiān)督方法的最佳分割尺度確定技術則可以避免這一問題的出現(xiàn)。監(jiān)督方法主要通過使用被認為是“真值”的參考對象結果，對比分割獲取的分割對象結果，從而對分割結果的可靠性進行評估。然而，當前應用較多的有監(jiān)督最佳分割尺度確定方法，主要是基于拓撲或幾何度量指標來評價參考對象與分割對象的吻合度，方法的應用較為復雜，限制了其應用。

發(fā)明內(nèi)容