基于尺度优选的遥感影像分割方法技术
【技术实现步骤摘要】
基于尺度优选的遥感影像分割方法
本专利技术属于遥感影像处理领域，具体涉及一种基于对象复杂度的遥感影像分割方法，该方法可以自适应地选取最优尺度进行对象分割。
技术介绍
高(空间)分辨率遥感影像记录了丰富的精细的地物空间结构、纹理特征和场景格局，使得面向对象的遥感分析(Object-OrientedAnalysis,OOA)成为当前高分辨率遥感应用的主要技术手段。相对于传统的基于像元(per-pixel)的遥感分析技术，面向对象的影像分析方法在利用影像光谱特征的基础上，能够从影像分析层面出发、以更类似人工解译的方式，充分挖掘高分辨率影像丰富的几何特征、纹理特征、空间格局特征等，实现更高精度和更高效率的影像分析；并且该方法能够与GIS空间分析相结合，进一步融入社会经济、空间模型等高层次信息，为快速高效、高精度的遥感影像分析提供新思路。相应的面向对象遥感分析的参考文献包括，周亚男,骆剑承,程熙等.多特征融入的自适应遥感影像多尺度分割[J].武汉大学学报：信息科学版,2013,38(1):19-22、周成虎,骆剑承等.高分辨率卫星遥感影像地学计算[M].北京:科学出版社,2...
【技术保护点】
一种基于尺度优选的遥感影像分割方法，其特征在于，包括如下步骤：(1)选定一种基于区域生长与合并的遥感影像的分割算法，并设置除分割尺度外的其他分割参数；(2)依照原始待分割遥感影像的大小，预先构建以q为比率的分割尺度序列；并从大到小排序；(3)选择值最大的分割尺度作为当前分割尺度；(4)用当前分割尺度对遥感影像中的某个对象进行分割，生成多个较小尺度的分割子对象，计算每个分割子对象的复杂度FC；(5)根据复杂度判断每个分割子对象是否需要继续分割，如果需要继续分割，选取分割尺度序列中当前分割尺度的下一个值作为当前分割尺度，跳转到步骤(4)继续分割；否则，将所述分割子对象标定为分割...
【技术特征摘要】
1.一种基于尺度优选的遥感影像分割方法，其特征在于，包括如下步骤：(1)选定一种基于区域生长与合并的遥感影像的分割算法，并设置除分割尺度外的其他分割参数；(2)依照原始待分割遥感影像的大小，预先构建以q为比率的分割尺度序列；并从大到小排序；(3)选择值最大的分割尺度作为当前分割尺度；(4)用当前分割尺度对遥感影像中的某个对象进行分割，生成多个较小尺度的分割子对象，计算每个分割子对象的复杂度FC；(5)根据复杂度判断每个分割子对象是否需要继续分割，如果需要继续分割，选取分割尺度序列中当前分割尺度的下一个值作为当前分割尺度，跳转到步骤(4)继续分割；否则，将所述分割子对象标定为分割最优对象；(6)对遥感影像中所有对象按步骤(3)-(5)进行分割，直到所有分割子对象均被标定为分割最优对象，或者当前分割尺度是分割尺度序列中的最小值时，完成分割；(7)将分割出的所有对象融合到一个分割对象图层中。2.根据权利要求1所述的基于尺度优选的遥感影像分割方法，其特征在于，步骤(5)中判断分割子对象是否需要继续分割的判断条件为：将步骤(4)得到的每个分割子对象复杂度FC与预设的对象复杂度阈值TFC比较，如果FC>TFC，需要继续分割，否则，不需要继续分割。3.根据权利要求1所述的基于尺度优选的遥感影像分割方法，其特征在于，步骤(4)中分割子对象的复杂度FC为光谱复杂度、纹理复杂度、形状复杂度或角点复杂度中的一种；所述光谱复杂度FCspc的计算公式为：FCspc＝D+U+H；其中为光谱标准差；为对象光谱一致度；H＝∑nj/N·log(nj/N)，为对象信息熵；gi为像元i的光谱值，为对象区域内所有像元的光谱均值，为以i为中心的3×3领域像元集的光谱均值，N为对象区域内像元个数，nj为对象区域内光谱值为j的像元个数；所述纹理复杂度FCt的计算公式为：FCt＝J+G+S+Q+CV；其中纹理能量J：纹理反差G：纹理熵S：纹理逆差Q：纹理相关度CV：p(i,j)为影像灰度共生矩阵(i,j)处元素，μx,μy,σx,σy分别为px和py的均值和标准差，px和py分别是影像灰度共生矩阵每列与每行元素和；所述形状复杂度FCs的计算公式为：FCs＝GS+GC；其中对象光滑度GS为：GS＝Po/Pc；对象紧凑度GC为：Ao为对象的面积，Po为对象的周长...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。