面向对象的遥感影像多尺度自适应分割技术

摘要

遥感影像是高分辨率的图像，具有图像细节信息丰富、地物几何结构明显、纹理信息重要等特点。传统的遥感图像处理办法是基于像素的处理方法，无法考虑图像的空间特征和对象的拓扑关系，造成了定性分析的困难。目前遥感图像的处理办法是沿着面向对象的方向发展的。而面向对象的遥感图像处理方法则是一种融合了图像的光谱特征、形状信息和纹理信息等的新的研究方法。它使用对象作为处理的最小单元，以区域对象为一个单元来处理，而原先的面向像素的则是以像素为单元的。以对象为单元处理可以从局部和全局两个层面对图像进行分析，极大程度上利用到了几何信息和结构信息。 图像分割是面向对像遥感图像处理方法中的重要一环，分割的好坏也将直接影响到后续分析、识别和解译等的精度，它是进行图像分析的关键技术。由于遥感图像的复杂性和图像分割自身的不确定性，很多遥感图像分割算法中常存在的问题是分割不够准确，图像的局部区域存在过分割或欠分割。这些问题的根源在于对一幅图像用固定尺度的来研究分割算法。而采用多尺度方法来分割遥感图像，对不同精细程度的区域使用不同的尺度来分割图像，可以较好地解决上输的问题。 基于图论的分割算法是近年来国际上比较热门图像分割方法。该方法建立了图像和图的映射关系，旨在根据有显著性的权值来建立能量函数，通过求解能量函数转化的特征方程的最小特征值来处理图的分割，最后把图的分割映射回图像中去。由于建立图和显著性权值提取均可以基于像素，也可以基于区域，所以基于图论的分割算法是较好的面向对象的分割算法。 本文根据高分辨率遥感图像的特点，提出了一种综合使用光谱、形状和纹理的图像分割解决方案。其核心是基于N-Cut割集准则的改进的加权聚合算法，它从像素层次到对象层次、粗对象层次到精细对象层次逐步递归得到精细的分割区域。改进的加权聚合算法首先建立与图像对应的图，利用光谱，形状和纹理等信息，计算顶点之间的权值，按照N-Cut割集准则进行顶点的融合，进行初始分割。其后，它计算分割区域之间的特征，更新权值，进行迭代分割。在迭代分割过程中，可以根据所处理区域的精细特征，定义适合自身尺度的特征方程，实现多尺度分割。 实验证明，本文提出的改进加权聚合算法分割效果较好，提取出的区域轮廓符合图像本身的物理意义。