影像分割数据质量评价与参数优选方法研究.docVIP

影像分割数据质量评价与参数优选方法研究 　　摘要 针对遥感影像分割数据质量评价与参数优选问题，本文提出了一种基于顶点距离度量的评价指数，通过计算匹配分割对象顶点与参考多边形边界之间的位置关系及其距离度量评价影像分割结果。该方法可使所选最优分割数据集中的匹配分割对象与参考多边形之间保持较高的几何一致性，较大程度地减轻欠分割和过分割效应。通过对WorldView 2、QuickBird和ALOS等3个高分辨率卫星影像中农田、水体、林地和建筑物等多种地物类型的试验分析，表明多数最优分割数据集中匹配分割对象与参考多边形间的面积重合度达到70%及以上。本研究可为遥感影像分割数据质量评价和参数优选提供一种有效方法。 　　关键词 影像分割质量评价；基于对象影像分析；分割参数优选；顶点距离度量 　　中图分类号 P237 文献标识码 A 文章编号 1007-5739（2017）22-0222-04 　　近年来，随着全球性对地观测系统的快速发展建设，人们能够获取的遥感数据资源越来越丰富，每天达到TB量级，尤其是高分辨率遥感影像数据资源得到快速积累[1]。与此同时，以往发展起来的目视解译和基于像元遥感影像处理分析方法已经难以满足及时提取遥感信息的迫切需求。大多数遥感数据资源仍处于闲置状态，未能及时从中提取出有用的地理信息[2]。基于对象影像分析技术的发展有望对此提供有效的解决方案[2-3]。基于对象影像分析方法首先将影像进行分割生成具有光谱或纹理同质性的影像对象，并在影像对象的基础上完成信息提取与分类[4]。遥感影像分割尺度优选是决定基于对象影像分析结果的关键步骤之一。只有在获得了较高质量分割影像对象的基础上，信息提取与目标识别才能获得理想效果[5]。与参考地物进行比较，影像分割尺度较大或较小时会造成对应的影像对象发生无必要的欠分割或过分割[6-7]。欠分割使所得影像对象包含有多种类型的地物，而过分割则使影像对象仅对应参考地物的一个局部单元。 　　客观评价遥感影像分割质量的方法可以分为优度法和不一致性法2种[8]。优度法不依赖于参考地物，是通过对影像分割对象内部某种图像特征（一般包括影像对象的颜色、形状、大小、纹理和局部信息熵等特征）的同质性和邻域对象之间异质性的评价而确定最优分割的分割数据集[3]。不一致性法是通过参考地理对象与影像分割对象之间的几何差异性的比较而选取差异性最小的分割数据集。不一致性方法又可以分为基于距离和基于面积等2种度量方法[9]。基于距离差异的不一致性法已经有了许多研究工作。Lucieer和Stein通过计算参考多边形每个顶点与匹配分割对象所有顶点间最近距离的均值确定最佳分割尺度[10]。Clinton等根据参考多边形边界拐点与每个匹配对象顶点距离的均值进行分割质量评价[9]。Zhan等提出了一种通过度量参考多边形几何中心与匹配对象几何中心距离进行分割尺度优选的方法确定最优分割数据集[11]。 　　大多数方法通过度量匹配对象与参考多边形顶点间距离或几何中心点间距离进行分割数据质量评价。比较分割质量评价结果，选取评价结果最好的分割尺度为最优分割参数。如参数优选方法对欠分割和过分割影响未区分，最优匹配结果易出现相对严重的欠分割或过分割现象，而欠分割必然导致分类误差，过分割又不能保证地物空间信息的完整性[12-14]。本文构建了一种基于顶点距离度量的分割质量评价指数，该指数选取的最优分割尺度所对应分割对象能较大限度地减少欠分割和过分割现象。 　　1 方法与数据准备 　　1.1 方法 　　影像分割结果的好坏主要体现在分割获得的影像对象与待提取地理对象之间的吻合程度上[15]。影像分割参数优选可以描述为在一系列影像分割数据集中选取影像分割对象与欲提取地理对象之间吻合程度最好的分割数据集所对应的尺度参数[16-17]。 　　选取匹配的影像对象以参考多边形为基础。在所有分割对象中，选取与参考多边形重合面积最大的分割对象为匹配分割对象，以确保匹配对象与参考多边形之?g的一对一关系[18]。分割多边形的锯齿形边界包含多个顶点。每个顶点相对参考多边形的位置有3种，即在内部、外部和边界上。当匹配对象的所有顶点与参考多边形边界线距离之和最小时，匹配对象所对应的分割尺度为最优尺度。当顶点在参考多边形内部或外部时，每个顶点到参考多边形边界线的距离长短就表示了欠分割和过分割的程度。距离越大，表示欠分割或过分割现象越严重。 　　参考多边形与影像分割对象之间的空间关系可以概括为3种（图1）。其中，分割对象顶点与参考多边形的位置关系根据点与多边形邻近关系判定，点与多边形间距离为零表示点在多边形内部或边界上，非零表示点在多边形外部。实线和虚线分别代表参考多边形和分割对象。虚点线为匹配分割对象顶点到参考多边形的距离线段。实心圆表示匹配影像对