[發明專利]遙感影像非監督分割評價方法和裝置

有效

• 申請號: 201910058086.6
• 申請日: 2019-01-22
• 公開（公告）號: CN109816668B
• 公開（公告）日: 2019-12-24
• 發明（設計）人: 姜莉莉
• 申請（專利權）人: 中國科學院地理科學與資源研究所
• 主分類號: G06T7/11
• 分類號: G06T7/11
• 代理公司: 11387 北京五洲洋和知識產權代理事務所(普通合伙)
• 代理人: 劉春成

本發明屬于遙感影像處理技術領域，公開了一種遙感影像非監督分割評價方法和裝置。方法包括獲取遙感影像的多個分割對象；根據各個分割對象的面積對各個分割對象的所有波段的平均方差進行加權得到面積加權方差；根據各個分割對象的局部光譜差異和平均光譜差異得到各個分割對象的相對異質性；根據分割對象的數量、遙感影像的波段數量和各個分割對象的相對異質性得到總體異質性；根據面積加權方差和總體異質性得到評價結果。裝置包括獲取模塊、面積加權方差得到模塊、相對異質性得到模塊、總體異質性得到模塊和評價結果得到模塊。本發明能避免因傳統評價方法造成的過分割或欠分割現象，使影像評價方法得到優化，使評價效果更顯著、評價精度高。

技術領域

本發明屬于遙感影像處理技術領域，特別涉及一種遙感影像非監督分割評價方法和裝置。

背景技術

隨著高分辨率遙感技術的快速發展，從遙感影像中可以看清地面上更細小的地理對象，如道路、房屋、汽車等。但是在獲得的高分辨率遙感影像中，經常會出現這樣一種現象：不同地理對象光譜反射率相同而同一地理對象在遙感圖像中具有不同的光譜反射率。由于此種問題的存在，傳統的基于像素的影像分析方法在實際應用時表現不佳。而面向對象技術(GEOBIA)由于對對象內的光譜方差敏感性較低，使得其正作為遙感分析的一種新方法得到愈加普遍的應用。面向對象技術可以有效地使用光譜、紋理和語義信息以及地理對象特征來提高后續的分類準確性，涉及到圖像分割，信息提取和圖像分類等過程。

將遙感圖像劃分為空間連續和光譜均勻區域的圖像分割過程通常被認為是實現面向對象技術的先決條件，因為影像的分割質量直接決定了面向對象技術的性能。目前在遙感影像分析研究領域，提出了許多種分割方法，如深度學習方法，分形網絡進化方法，多分辨率遞歸生成樹方法，分水嶺分割，光譜分割和多分辨率分割。在上述分割方法中，“尺度”參數用于控制分割對象的大小，并且不同的尺度可以導致不同的分割結果。因此，對于面向對象技術在確定最佳尺度和獲得有效分割結果以進行后續分析時，分割質量的評估被認為是分析過程中重要的一步。

由于分割質量已經顯示出對面向對象技術的影響，一些學者已經關注圖像分割評估方法來確定良好的分割尺度。通常，分割評估方法可以分為三種：視覺分析，監督評估和無監督評估。視覺分析方法涉及用戶通過直觀地比較多個分割來確定可以產生良好分割的最佳尺度，并且已經應用于若干研究中。然而，該方法的最大問題在于它是高度主觀和耗時的，因為需要詳細檢查一組分割以確定最佳分割，并且意見在最佳分割上變化。監督評估方法通過將分割結果與參考圖像進行比較來評估分割，并且該比較涉及計算一些不相似性度量以確定與參考最佳匹配的分割。它是最常用的分割評估策略，因為這種方法可以允許確定用戶認為重要的對象的最準確分割。然而，監督評估方法的局限性在于參考圖像是通過人類解釋生成的，并且參考多邊形的創建可能是主觀的和耗時的。與視覺和監督評估方法相比，無監督評估方法完全獨立于專家知識而不需要參考多邊形，并且根據某些測量來評估分割質量，這些測量通常與人類對形成良好分割因子的感知一致。這使得它比其他兩種方法更有效，更客觀。因此，最近無監督評估方法應用更佳廣泛。

無監督評估方法認為良好的分割對象應該具有兩個期望的屬性：每個對象應該是內部同質的并且應該與其相鄰對象分開。因此，大多數無監督評估方法涉及計算對象內同質性和對象間異質性度量，然后將這些值聚合成全局值。例如，現有技術中有的方法使用面積加權方差(area-weighed variance，WV)和全局Moran's I(MI)來計算對象內同質性和段間異質性。盡管這些現有方法有助于選擇最佳尺度參數的自動化，但他們忽略了同質性測量是局部評估標準的事實，而異質性測量是全局評估標準。由于同質性和異質性評估標準特性的差異，這可能導致分割結果出現偏差，即過分割或分割不足的結果。

發明內容