一种多尺度分割的最优尺度参数计算方法与流程

本发明属于数字图像处理技术领域，特别涉及一种多尺度分割的最优尺度参数计算方法。

背景技术：

影像分割是面向对象分类的基础。它将常规的栅格遥感影像通过影像分割的形式，转化为矢量面状数据，从而可以直接使用经典的地理信息系统中的点、线、面模型进行遥感影像的分析和解译，极大地提高了遥感影像自动解译的精度和类别精细程度。然而，当前广泛使用的多尺度分割算法中的最优分割尺度参数设置长久以来需要人工干预方能实现，严重影响了遥感影像解译的自动化程度。因为分割尺度参数决定了分割对象的大小，并由此决定了分割对象的特征描述，从而影响后续影像解译的精度，所以开展多尺度分割的最优分割尺度参数设置研究具有重要意义。

现有的最优分割尺度参数设置主要有三种思路：(1)人工目视判断分割结果，从而选择相应的最优分割尺度。该类方法精度虽然高，但依赖人眼目视，不具备自动化能力；(2)使用参考分割结果，定量化不同尺度分割结果与参考分割结果的相似程度，以此选择最优分割尺度(sut,zhangs.localandglobalevaluationforremotesensingimagesegmentation[j].isprsjournalofphotogrammetryandremotesensing,2017,130:256-276)。该类方法需要绘制参考分割结果，而这个工作仍然需要人工目视实现。(3)设计一种非监督评价指标，定量评价分割结果，从而选择最优分割尺度(l,csilliko,eisankc,etal.automatedparameterisationformulti-scaleimagesegmentationonmultiplelayers[j].isprsjournalofphotogrammetryandremotesensing,2014,88：119-127.)。但当影像的地物场景复杂时，这种方法选择的最优分割尺度仍然需要人工目视核查。可见，当前的三种思路方法都离不开人工目视判断，严重制约着遥感影像解译的自动化。

本发明通过构建分割尺度与分割对象数量的数据线性关系，实现了直接基于待分析地物目标的面积计算最优分割尺度，解决了遥感影像解译自动化的一个关键性难题。

对中外文专利文献等进行检索，现有技术中没有采用这种直接计算最优分割尺度的方法。

技术实现要素：

针对上述问题，本发明提出了一种多尺度分割的最优尺度参数计算方法，该方法通过构建分割尺度与分割对象数量的数据线性关系，实现了直接基于待分析地物目标的面积计算最优分割尺度。

本发明的具体技术方案是一种多尺度分割的最优尺度参数计算方法，其特征在于，包括以下步骤：

1)将分割尺度按指数增长设置为一个数列的集合s，见下式(i)，

s＝{si|si＝tⁱs0,i＝0,1,2,…,n-1}……(i)

其中，s0是起始的分割尺度，n是使得sn的分割对象数量为1但sn-1的分割对象数量大于1的正整数，t为常数，

用这中的分割尺度分别对遥感影像进行分割，获取相应分割尺度si对应的分割对象数量ni；

2)使用分割尺度si和分割对象数量ni进行线性对数关系拟合，得到分割尺度si和分割对象数量ni线性对数关系拟合后的直线的斜率k和截距c；

3)根据遥感影像范围的面积a和地物目标的平均面积a，得到地物目标的分割对象数量na＝a/a，再根据拟合后的直线计算地物目标的最优分割尺度sa。

更进一步地，所述的步骤2)中拟合对数线性关系的具体公式是，

其中，xi是分割尺度si取对数后的值，yi是分割对象数量ni取对数后的值，是样本点xi的均值，是样本点yi的均值。

更进一步地，所述的步骤1)中的s0＝1，所述的步骤2)中xi是分割尺度si取以2为底对数后的值，yi是分割对象数量ni取取以2为底对数后的值。

更进一步地，所述步骤3)中根据拟合后的直线计算地物目标的最优分割尺度sa的具体方法是，按下式(iv)计算，

本发明的有益效果是：本发明的方法通过构建分割尺度与分割对象数量的数据线性关系，直接基于待分析地物目标的面积计算最优分割尺度，而无需人工目视判断，实现了最优分割尺度选择的自动化。

本发明在地物目标光谱或者纹理比较匀质，并且大小比较稳定时，可以直接计算最优分割尺度，在遥感影像面向对象自动化解译方面具有重大潜力。

附图说明

图1为本发明的最优尺度参数计算的流程图；

图2为本发明一个具体实施例采用的原始遥感影像；

图3为具体实施例中的分割尺度与分割对象数据量的拟合关系；

图4为具体实施例中的最优分割尺度对应的分割结果。

具体实施方式

下面结合说明书附图对本发明的具体技术方案作进一步地描述。

在本实施例中，采用本发明的方法进行处理的遥感影像为法国spot5多光谱影像与全色融合影像，见附图2。影像空间分辨率为2.5米，图像尺寸为400行×400列，图像辐射分辨率为8比特。

如图1所示，本发明的一种多尺度分割的最优尺度参数计算方法的具体步骤如下：

1)设置形状参数0.1，紧致度参数0.9，然后对分割尺度以为步长进行指数采样，并使用这些采样的分割尺度进行遥感影像分割，获取相应分割尺度下si的分割对象数量ni。指数采样的得到分割尺度集合如公式(i)，

其中，s0是分割尺度的起始尺度，本实施例设置为1；n是使得sn的分割对象数量为1但sn-1的分割对象数量大于1的正整数，本实施例是16。

2)使用分割尺度si和分割对象数量ni拟合线性对数关系中的斜率k和截距c，具体公式为，

其中，xi是分割尺度si取以2为底对数后的值，yi是分割对象数量ni取以2为底对数后的值，是样本点xi的均值，是样本点yi的均值。拟合结果见附图3。

3)根据影像范围的面积a和地物目标的平均面积a，计算地物目标的最优分割尺度，具体公式为，

以上公式的是这样得到的，地物目标的分割数量为取以2为底的对数为代入公式(iii)中，可得移项变形后即

本实施例中，a＝160000像素，a＝1200像素。最终计算得到的最优分割尺度为41，相应的分割结果见附图4。

本发明的方法通过构建分割尺度与分割对象数量的数据线性关系，直接基于待分析地物目标的面积计算最优分割尺度，而无需人工目视判断，实现了最优分割尺度选择的自动化。在地物目标光谱或者纹理比较匀质，并且大小比较稳定时，通过本方法可以直接计算最优分割尺度，在遥感影像面向对象自动化解译方面具有重大潜力。

显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。