一种结合四叉树结构与尺度估计的遥感影像分割方法技术

本发明专利技术公开了一种结合四叉树结构与尺度估计的遥感影像分割方法，具体包括遥感影像预处理、四叉树分区分割、空间分割尺度估计、属性分割尺度估计、分形网络演化算法分割、合并分割结果、精度验证。针对不同地类尺度特性引发的影像过分割、欠分割、错分割现象，本发明专利技术以FNEA算法为基底，依据四叉树结构，结合谱空间统计的尺度估计方法，实现了包含诸多地物特征的遥感影像分割，有效的提升了分割精度，避免了由错分割与欠分割现象导致的线状地物提取断裂、分类错误的问题，对于遥感影像分类、信息提取有重要的意义。提取有重要的意义。提取有重要的意义。

【技术实现步骤摘要】
一种结合四叉树结构与尺度估计的遥感影像分割方法


[0001]本专利技术属于遥感影像分割领域，尤其涉及一种结合四叉树结构与尺度估计的遥感影像分割方法。

技术介绍

[0002]近年来，我国高分辨率对地观测技术快速发展，诸多能够获取亚米级、米级影像的遥感卫星陆续升空，这些卫星获得的高分辨率遥感影像具有明显的光谱特征、丰富的纹理结构，能够清晰的识别地物，在自然资源管理、灾害监测等领域发挥了重要的作用。由于高分辨率遥感影像像元数量多，空间分辨率高，传统的基于像元分类方法难以保证图斑的完整性。因此，面向对象影像分析方法(Object
‑ꢀ
Based Image Analysis,OBIA)应运而生，并成为高分辨率遥感影像分类的主流方法。
[0003]影像分割是OBIA的重要步骤，决定着影像分类的精度。目前，OBIA大多采用分形网络演化算法(Fractal Net Evolution Approach,FNEA)实现影像多尺度分割。在多尺度分割中，不合适的分割尺度会导致过分割或欠分割现象，降低高分辨率遥感影像分类的精度。因此，确定最优分割尺度是多尺度分割的核心内容。
[0004]目前，分割尺度参数的确定大多采用监督评价与非监督评价两种方法实现。监督评价即对比分割结果与参考数据，利用两者的相似性度量评价分割效果，依据最优相似性度量确定最优分割尺度。例如，Liu等依据参考数据与分割结果的重叠、过分割和欠分割现象，提出了潜在分割误差、分割比率和欧几里德距离2 三种相似性度量，用于确定最优分割尺度。非监督评价方法则是在无外部参加数据的情况下，基于分割后图斑的同质性与异质性确定最优分割尺度的过程。 Woodcock与Strahler于1987年提出的局部方差与其变化率图被广泛的用于分割尺度的估计。Ming以均值漂移算法为例，在不考虑地物各向异性的前提下，采用平均局部方差实现空间分割参数最优估计。在该方法基础上，Ming将尺度参数概括为空间分割尺度参数、属性分割尺度参数与合并阈值参数，提出了采用谱空间统计法确定最优分割尺度的方法。该方法是在空间分割参数最优估计的基础上，通过统计局部方差直方图第一个峰值对应影像光谱值的方式确定属性分割尺度参数。马燕妮分析了FNEA算法与影像谱空间特征的关系，将基于谱空间统计的高分辨率影像分割尺度估计方法应用于FNEA算法中，选择农田实验区与建筑实验区进行实验，对尺度估计方法进行了验证。
[0005]综合来看，监督评价方法需要经过大量实验确定最优分割参数，其普适性欠佳。非监督评价方法虽可在分割前定量估计分割尺度，但该方法是否适用于大量不同地物对象构成的影像，还有待实验验证。不同的地物特征需要不同的分割尺度。分割尺度过小，将会产生过分割现象。分割尺度过大，将会产生欠分割现象，出现混合对象。针对此问题，诸多学者提出了一些解决方案。例如，杨海平提出了一种基于多层优选尺度的高分辨率影像分割算法。Myint为了提高面向对象分类精度，引入土地覆盖信息，在不同的地类上选择分割尺度，最后将其合并为多尺度分割结果。李秦等通过改进局部方差的方法建立随分割尺度变化的的局部方差变化图，针对地物分类特征差异选取各自适宜的分割尺度，建立多层次地物特
征分割规则，实现高分辨率遥感影像分割。洪亮等针对分割结果很难同时满足局部最优与全局最优的问题，提出一种新的顾及全局和局部最优的高分辨率遥感影像多尺度分割优化算法。
[0006]综上，前人针对不同地类的尺度特性问题，均是采用多次分割实验的方法实现不同地类的尺度估计。因此，本专利技术以FNEA算法为基底，结合四叉树结构与尺度估计方法，提出一种结合四叉树结构与尺度估计的遥感影像分割方法，实现不同地类遥感影像自适应分割。

技术实现思路

[0007]针对上述技术问题，本专利技术的目的在于克服已有技术的不足之处，提出一种结合四叉树结构与尺度估计的遥感影像分割方法。首先，基于四叉树结构对遥感影像进行四叉树分割，实现影像分块分区；之后，采用谱空间统计的尺度估计方估计各区域二次分割尺度；最后，采用分形网络演化算法(Fractal NetEvolution Approach,FNEA)算法实现遥感影像自适应多尺度分割。具体包括遥感影像预处理、四叉树分区分割、空间分割尺度估计、属性分割尺度估计、分形网络演化算法分割、合并分割结果、精度验证。该方法的优点是不需要分割指定分割参数、不需要完成多次不同分割尺度的分割实验，即可实现遥感影像的自适应分割。
[0008]为实现上述功能，本专利技术提供了一种结合四叉树结构与尺度估计的遥感影像分割方法，包括以下步骤：
[0009]S1：遥感影像预处理：主要包括辐射定标、大气校正、正射校正、图像配准、图像裁剪；
[0010]S2：四叉树分区分割：四叉树结构是一种树状数据结构，四叉树分割算法是基于四叉树结构对影像进行均匀检测分割的自适应分割算法，本文采用四叉树算法感影像进行分区处理，为之后自适应分割划定区域；
[0011]S3：空间分割尺度估计：空间分割尺度估计是采用空间尺度估计方法对遥感影像分割中的空间分割参数d
s
进行估计的过程，该过程主要包括构建窗口，计算窗口局部方差、计算影像平均局部方差、形成局部方差曲线图、根据曲线图确定分割尺度，本步骤主要针对S2步骤中的各分割区域，对各分割区域空间分割参数d
s
进行估计；
[0012]S4：属性分割尺度估计：属性分割尺度估计是采用属性尺度估计方法对遥感影像分割中的属性分割参数进行估计的过程，该过程主要包括建立2d
s
+1的尺度估计窗口、计算窗口局部方差、统计局部方差图的直方图、根据直方图确定属性分割尺度，本步骤主要针对S2步骤中的各分割区域，对各分割区域属性分割参数进行估计；
[0013]S5：分形网络演化算法分割：步骤S4得到的属性分割尺度即FNEA算法中的分割尺度，采用分形网络演化算法在S4确定的分割尺度下，对S2中的四叉树结构分割所得的各区域遥感影像进行二次分割；
[0014]S6：合并分割结果合并：将S5步骤中的所有区域分割结果进行合并，完成影像分割；
[0015]S7：精度验证：在分割区域内随机生成一定数量精度验证点，根据分割块获取精度验证点的影像分割块属性，目视判定精度判断点应属于本分割块还是相邻分割块，根据精
度验证点计算混淆矩阵与总体分割精度评价影像分割结果。
[0016]进一步的，步骤S1遥感影像预处理主要包括以下步骤：
[0017](1)辐射定标是将图像的亮度灰度值转换为绝对的辐射亮度，用于计算地物的光谱反射率或光谱辐射亮度，该过程为辐射定标；
[0018](2)大气校正是采用大气校正模型消除由大气影响所造成的辐射误差，反演地物真实的表面反射率的过程；
[0019](3)正射校正是指采用控制数据，利用数字高程模型(DEM)，对影像进行倾斜改正和投影差改正，将影像重采样成正射影像；
[0020](4)影像配准是指采用地面控制点或其他控制本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结合四叉树结构与尺度估计的遥感影像分割方法，其特征在于，包括如下步骤：S1：遥感影像预处理：主要包括辐射定标、大气校正、正射校正、图像配准、图像裁剪；S2：四叉树分区分割：四叉树结构是一种树状数据结构，四叉树分割算法是基于四叉树结构对影像进行均匀检测分割的自适应分割算法，本文采用四叉树算法感影像进行分区处理，为之后自适应分割划定区域；S3：空间分割尺度估计：空间分割尺度估计是采用空间尺度估计方法对遥感影像分割中的空间分割参数d
s
进行估计的过程，该过程主要包括构建窗口，计算窗口局部方差、计算影像平均局部方差、形成局部方差曲线图、根据曲线图确定分割尺度，本步骤主要针对S2步骤中的各分割区域，对各分割区域空间分割参数d
s
进行估计；S4：属性分割尺度估计：属性分割尺度估计是采用属性尺度估计方法对遥感影像分割中的属性分割参数进行估计的过程，该过程主要包括建立2d
s
+1的尺度估计窗口、计算窗口局部方差、统计局部方差图的直方图、根据直方图确定属性分割尺度，本步骤主要针对S2步骤中的各分割区域，对各分割区域属性分割参数进行估计；S5：分形网络演化算法分割：步骤S4得到的属性分割尺度即FNEA算法中的分割尺度，采用分形网络演化算法在S4确定的分割尺度下，对S2中的四叉树结构分割所得的各区域遥感影像进行二次分割；S6：合并分割结果合并：将S5步骤中的所有区域分割结果进行合并，完成影像分割；S7：精度验证：在分割区域内随机生成一定数量精度验证点，根据分割块获取精度验证点的影像分割块属性，目视判定精度判断点应属于本分割块还是相邻分割块，根据精度验证点计算混淆矩阵与总体分割精度评价影像分割结果。2.根据权利要求1所述的一种结合四叉树结构与尺度估计的遥感影像分割方法，其特征在于，所述步骤S1包括以下步骤：(1)辐射定标是将图像的亮度灰度值转换为绝对的辐射亮度，用于计算地物的光谱反射率或光谱辐射亮度，该过程为辐射定标；(2)大气校正是采用大气校正模型消除由大气影响所造成的辐射误差，反演地物真实的表面反射率的过程；(3)正射校正是指采用控制数据，利用数字高程模型(DEM)，对影像进行倾斜改正和投影差改正，将影像重采样成正射影像；(4)影像配准是指采用地面控制点或其他控制数据为遥感影像指定空间位置和坐标系的过程；(5)图像裁剪是采用研究范围裁剪遥感影像，提取遥感影像中研究区域影像的过程。3.根据权利要求1所述的一种结合四叉树结构与尺度估计的遥感影像分割方法，其特征在于，所述S2包括以下步骤：(1)指定四叉树结构预定阈值；(2)将影像分为四个子块，影像表示为一颗四叉树的树节点，四个子块分别为四叉树的叶节点，对每个叶节点所表示的子块进行方差计算；(3)判断方差值与预定阈值的大小关系；(4)若方差值小于预定阈值，计算该子块所有灰度值均值作为该子块灰度值，该块完成分割；
(5)若方差值大于预定阈值，则再将此子块分为4个子块，该过程称为剪枝。继续判定4个小子块方差是否小于预定阈值，若否，则继续进行剪枝，直到子块方差小于设定阈值为止。4.根据权利要求1所述的一种结合四叉树...

【专利技术属性】
技术研发人员：范强，魏宇，冯禹茗，
申请(专利权)人：辽宁工程技术大学，
类型：发明
国别省市：