面向对象的高分辨率遥感影像分割分类评价指标.pdfVIP

第15卷 第4 期 地 球 信 息 科 学 学 报 Vol. 15, No.4 2013 年8 月 JOURNAL OF GEO-INFORMATION SCIENCE Aug., 2013 面向对象的高分辨率遥感影像分割分类评价指标 吴 波，林珊珊，周桂军 （福州大学空间数据挖掘与信息共享教育部重点实验室，福建省空间信息研究中心，福州350002） 摘要：由于总体精度或Kappa 系数的遥感影像分割/分类评价指标，对影像分割图斑的几何形状等真实结构未能有 效刻画，不能有效体现面向对象处理中边缘像元的真实分割/分类效果。本文基于分割对象的几何结构，提出了5 个面向对象的高分辨率遥感影像分割/分类精度评价指标：过分割、欠分割、边缘匹配、分割块数，以及形状误差，并 在IDL 平台实现了一个面向对象影像分析与评价的原型系统。通过对福州市QuickBird 影像的Meanshift 分割评 价，证实了其指标能够刻画出分割对象的深层结构，并符合地物对象分割/分类的真实分布。实验还表明，该评价 指标在确定分割算法的参数方面具有重要的应用价值。 关键词：高分辨率遥感影像；分割/分类评价；面向对象；几何结构 DOI ：10.3724/SP.J. 1047.2013.00567 1 引言 理与几何形状等真实结构进行有效刻画，因而不能 [9] 有效体现边缘像元分割/分类的真实情况 。由于 IKONOS 与QuickBird 等具有较高的空间分辨 分类/分割的错误大多在类别的边界像元中，那么, [1] 率图像 ，能在较小的空间尺度上观察地表的细节 像元的评价指标不考虑抽样样本像元的空间关系， [2] 变化，精确获取地物信息 。目前，其广泛应用于农 可能导致虽然总体精度或Kappa 系数较高，但存在 业、土地利用、自然资源和环境调查、城市规划、自 大量孤立像元或小图斑的现象；或者虽然具有不同 [3-6] 然灾害监测、海岸带和海洋制图等各个方面 。 的分割/分类结果，却具有相近的评价数值。图1是 为了提高分类精度，人们通常采用面向对象的 高分辨率遥感影像分割中可能出现的各种情况。 影像分割，再从分割对象中提取各种光谱、纹理、形 图1（a）表示一种地物被分成了多个小块，而且每一 [7] 状等影像特征来降低地物光谱相互混合的现象 。 个小块的大小不等，出现了过分割现象；图1（b ）表 譬如，面向对象的e Cognition 处理平台具有两个重 示多种地物被分成了一个大块，没有将不同地物进 要的特征：一是充分利用了对象信息（色调，形状， 行有效的分割，造成了欠分割现象；图1（c）表示分 纹理，层次），类间信息（与邻近对象，子对象，父对 割的边缘和真实的地物对象的边缘并不完全重合， 象的相关特征）；二是能利用多尺度信息分割，形成 形成了边缘匹配误差；图1（d）表示一种地物对象被 不同分辨率等级的图斑，并在最适宜的尺度层中提 分成的块数，一个地物被分成的块数越多，则表明 [1，8] 取 。由于e Cognition 的强大信息处