一种高空间分辨率遥感影像的分割方法及系统的制作方法
【技术领域】
[0001] 本发明设及图像处理技术领域，尤其设及一种高空间分辨率遥感影像的分割方法 及系统。
【背景技术】
[0002] 地物语义影像目标的尺度自适应精确计算是遥感影像多尺度分割方法研究领域 的一个核屯、问题（WondcocK，1987 ;黄惠萍等，2003 ; Aplin，2006 ; C扣Iia化 et al .，2006 ; Addink，2007 ;黄昕，张良培等，2008; Driigut，2010;薬健雅，李志林等，2010;陈春雷等， 2011)。基于对象遥感影像分析中的尺度是指在多尺度影像分割过程中由物理影像基元构 成的分割区域所对应的语义影像目标几何与光谱特征模式异质性最小的阔值。一般语义影 像目标与有待识别或分类的物理影像基元之间的匹配程度(主要包括几何轮廓与光谱特征 两方面)是检验分割算法优劣的最佳准则(于欢，张树清等，2009;刘建华，2011)。然而由于 地理对象空间分布的尺度差异性W及高空间分辨率遥感影像数据自身的复杂性(如高分辨 率影像是一个多尺度地物分布的复杂统一），很难在一定的分割尺度参数(不能用单一的尺 度来描述其特性，并且运些参数都需要人为的确定，有时甚至需要目视解译修改对象的属 性等;李德仁等，2012;笔者注:算法缺乏自适应性)条件下实现语义影像目标与物理影像基 元二者的统一。分割参数设置过多依赖经验，导致影像分割与识别过程自动化程度降低且 分割精度下降;过度的参数依赖性与不确定性、处理目标的单一性，造成方法普适性较差。 分割得到的物理影像基元在当前兴趣尺度下的不合理合并或拆分，是导致不一致性问题的 技术根源(其一、物理影像基元存在粗差，其二、合并或拆分规则不合理）。此外，对语义影像 目标的定义需要符合影像理解的层次性特点，对已经构成了一个微观复杂格局的语义影像 目标群，必须通过空间格局分析等途径给予最终识别与理解，仅寄希望于物理影像基元的 归并来获取更高尺度层次的地物语义影像目标显然是不合理的(类似于地图概括理论）（刘 建华，2011)。
[0003] 显然，目前提出的尺度计算模型或方法均无法有效避免上述问题:①基于光谱值 域统计计算获取尺度，运类方法本质上还是基于传统像元光谱特征分析的思想。例如，平均 局部方差法(Wondcock，1987)及其改进的方法(Moran指数，2007; RMAS法，张俊等，2009;标 准差及至间相关性,何敏等，2009;ESP法,Lucian et al.,2010)，最大面积法(黄惠萍等， 2003)及其改进的方法(面积相对差法，张友静等，2007;胡文亮等，2010)，基于信息赌的方 法(韩鹏等，2003)等均存在其局限性(忽略或难W自适应量化在光谱值域统计计算时空域 尺度差异和统计类别间及类别内地物目标间的尺度差异性）。此外，eCognition软件集成的 多尺度分割算法同时运用光谱异质性统计值和形状异质性指数(紧凑度和平滑度)来约束 生成的物理影像基元，但算法的运些参数值不能自适应定量获取，必须依赖于大量随机性 人工尝试来确定。
[0004] 因此，如何从影像自身的性质出发确定合理的分割参数、尽可能地利用先验知识 指导分割、通过减少主观因素的制约优化现有算法将成为该研究领域努力的主要方向。② 地物语义影像目标尺度与地物类别最优尺度。高空间分辨率遥感影像具有描述地物几何与 属性细节信息丰富、目视效果直观等优点，其已具备作为地物识别基础数据的基本潜质。 "类内同质性大，类间异质性大"等准则已不适用于高空间分辨率遥感影像精细化尺度计 算;显然即便是同类地物之间，其空域尺度差异(张友静等，2007)或光谱值域差异也可能很 大(在高空间分辨率光学遥感影像中运类现象十分普遍且无法避免），该类地物目标之间并 不具备理想的尺度相似性，地物类别最优尺度将难W达到对同类地物语义影像目标尺度的 精细化描述。因此，理论与应用研究中应进一步探讨特定空域尺度条件下邻接物理影像基 元间的区分与归并准则并促使尺度层次实例化到具体地物语义影像目标等级。
【发明内容】
[0005] 鉴于上述问题，本发明提出了一种高空间分辨率遥感影像的分割方法及系统，可 W根据高分遥感影像自身的性质确定合理的分割参数，从而实现基于分割参数自适应进行 遥感影像的分割。
[0006] 根据本发明的一个方面，提供了一种高空间分辨率遥感影像的分割方法，该方法 包括：
[0007] 提取待处理的高空间分辨率遥感影像的矢量边缘特征W及光谱特征；
[0008] 根据所述遥感影像的光谱特征W及矢量边缘特征，确定所述遥感影像的分割参 数；
[0009] 根据所述分割参数对所述遥感影像进行影像分割，获取分割结果；
[0010] 判断所述分割结果是否满足预设条件，若所述分割结果不满足预设条件，则调整 所述分割参数，并根据调整后的分割参数对所述遥感影像进行均值漂移分割。
[0011] 其中，所述分割参数包括空域尺度参数、最小分割单元参数W及全局值域尺度参 数；
[0012] 相应地，所述根据所述遥感影像的光谱特征W及矢量边缘特征，确定所述遥感影 像的分割参数，具体包括：
[0013] 根据所述遥感影像的光谱特征、矢量边缘特征W及预设的第一尺度权重系数和伪 边缘消除系数计算空域尺度参数，具体如下：
[0015]根据所述遥感影像的光谱特征、矢量边缘特征W及预设的第二尺度权重系数和伪 边缘消除系数计算最小分割单元参数，具体如下：
[0017] 根据所述遥感影像的光谱特征，确定所述遥感影像中包括的波段总数，并获取每 一波段对应的图像像素个数W及每一像素的灰度值计算全局值域尺度参数；
[0018] 根据所述波段总数、每一波段对应的图像像素个数W及每一像素的灰度值计算全 局值域尺度参数，具体如下：
[0020] 其中，S为空域尺度参数，M为最小分割单元参数，R为全局值域尺度参数，a为第一 尺度权重系数，e为第二尺度权重系数，EP为伪边缘消除系数，BinfD为遥感影像的矢量边缘 特征信息量，TinfD为遥感影像的光谱特征信息量，FinfD为遥感影像的非边缘特征信息量， Finf。= Tinf。-Binf。，n为波段总数，N为图像像素个数，Xlj为i波段的第j个像素的灰度值。
[0021] 其中，所述提取待处理的高空间分辨率遥感影像的矢量边缘特征，具体包括:对所 述遥感影像进行矢量边缘检测，提取所述遥感影像的矢量边缘特征。
[0022] 其中，在所述根据所述分割参数对所述遥感影像进行影像分割之前，所述方法还 包括：
[0023] 根据影像分割对应的分割算法，确定用于进行影像分割的色彩空间；
[0024] 相应地，所述根据所述分割参数对所述遥感影像进行影像分割，具体为在确定出 的色彩空间中根据所述分割参数对所述遥感影像进行影像分割。
[0025] 其中，所述根据所述分割参数对所述遥感影像进行影像分割，具体包括:根据所述 分割参数，采用均值漂移算法对所述遥感影像进行影像分割。
[0026] 其中，所述根据所述分割参数，采用均值漂移算法对所述遥感影像进行影像分割， 具体包括：
[0027] 在所述空域尺度参数对应的空域范围内计算当前检测点对应的均值漂移向量；
[0028] 判断所述均值漂移向量是否满足预设终止条件，若满足预设终止条件，则根据所 述最小分割单元参数和全局值域尺度参数对所述遥感影像进行影像分割，若不满足预设终 止条件，则在所述空域范围内调整当前检测点，直到对应的均值漂移向量满足所述预设终 止条件。
[0029] 其中，在所述提取待处理的高空间分辨率遥感影像的矢量边缘特征W及光谱特征 之前，所述方法还包括:对所述遥感影像进行预处理；
[0030] 所述预处理包括全色处理、多光谱融合处理W及滤波处理。
[0031] 根据本发明的另一个方面，提供了一种高空间分辨率遥感影像的分割系统，该系 统包括：
[0032] 特征提取单元，用于提取待处理的高空间分辨率遥感影像的矢量边缘特征W及光 谱特征；
[0033] 参数确定单元，用于根据所述遥感影像的光谱特征W及矢量边缘特征，确定所述 遥感影像的分割参数；
[0034] 影像分割单元，用于根据所述分割参数对所述遥感影像进行影像分割，获取分割 结果；
[0035] 参数调整单元，用于判断所述分割结果是否满足预设条件，若所述分割结果不满 足预设条件，则调整所述分割参数；
[0036] 所述影像分割单元，还用于根据调整后的分割参数对所述遥感