基于自適應帶寬的均值漂移方法的高分辨率遙感影像分類

孔輝

摘要：本文以像元形狀指數為基礎，引入面向對象的思想，進行改進所得到的自適應帶寬的均值漂移方法，對高空間分辨率影像進行提取，該方法的使用所得到的分類結果說明無論在精度還是視覺效果上更優于像元形狀指數方法，使得影像提取效果更好。

關鍵詞：均值漂移；高分影像；提取精度；面向對象

中圖分類號：P28 文獻標識碼：A 文章編號：1007-9416（2018）07-0102-01

關于高空間分辨率遙感影像特征提取，更多的是研究針基于形狀、幾何結構等空間特征。相較于紋理特征而言，高空間分辨率遙感影像的形狀、幾何結構特征更為豐富，能夠更細致的對目標的屬性進行描述，取得了較好的分類效果并提高了分類精度。基于均值漂移方法是一種基于非參數概率密度估計的統計迭代算法，本文利用像元形狀指數方法的研究基礎，采用一種帶寬自適應選擇的均值漂移方法，將圖像的最小基元由像元變為對象[1]，進行分類，與面向像元的方法進行比較。

1 面向對象思想

無論是基于支持向量機的光譜特征分類或者PSI方法還是其他特征提取方法，都是一種面向像元的影像分類方法。隨著遙感影像的空間分辨率不斷提升，影像具有了大量的純凈像元，純凈像元的增多一方面對于在較小尺度下描述目標的細節特征提供了幫助，另一方面也帶來了一個問題，就是單個像元的特征不再能夠完整表達目標[2]。即某種意義上說是降低局部的分辨率以忽視細節信息的特征帶來的影響。有鑒于此，面向對象的分類方法應運而生。

相對于以上的面向像元的分類方法，面向對象的分類方法與其最大的不同在于把對象作為影像特征提取和分析的最小單位，這一區別決定了面向對象的分類方法首先要做的是對象的提取。對象的提取實質上，是在某種尺度下，通過將具有相似的某種或某幾種屬性的像元聚類，形成像元的集合，這些集合就是對象。

2 MS方法

MS聚類方法：MS向量與非參數概率密度估計的關系，可以通過式（2.5）計算MS向量，用迭代的方法找到概率密度極大處，迭代公式為迭代終止的條件設定為MS向量小于一個極小的閾值ε，即認為當MS向量極小時初始樣本點漂移至局部概率密度的極大處，也可以稱作收斂點。通過以上迭代過程，可以得到每個樣本點的漂移路徑，記做，此時漂移路徑的末端即收斂點已經與每個樣本點聯系起來。以收斂點作為聚類中心，使得具有接近的收斂點的樣本點屬于同一類別。

3 自適應帶寬的MS方法

自適應帶寬的MS方法，是以帶寬作為變量，摒棄傳統單一帶寬會被細節信息所干擾，其可以適應局部的變化，不斷修改帶寬參數。該方法滿足兩個原則：（1）在小尺度下進行聚類；（2）在較大尺度聚類，能夠忽略過度的細節信息，避免分類造成干擾。在兩者之上結合P像元形狀指數方法所得到的方法。

這種自適應帶寬的方法對均值漂移方法的聚類過程進行了優化，從結果上看，這一方法在保留較小目標的基礎上，對較大的目標保證了足夠的平滑，或者說較大的目標并沒有被過度分割，而過度的細節信息則通過過平滑得到了忽略。可以看出，這種自適應帶寬的MS方法是一種多尺度的對象提取技術，較單一尺度的對象提取更為合理。

4 實驗數據處理

根據自適應帶寬MS方法對實驗影像進行聚類，首先通過PSI特征來確定空間帶寬與光譜帶寬。PSI參數數值定為， ，并將帶寬為小于2的定為細節信息，設定帶寬3，光譜帶寬0.8，并取8和0.2、4和0.1進行對比組。

可以發現自適應帶寬MS方法較固定帶寬MS方法取得了更為優秀的聚類結果，實現了過度細節信息的忽略以及更為準確的聚類。繼而合并收斂點較為接近的像元，得到一系列點集，將這些點集作為對象，并將其中像元數少于10的較小對象進行合并，并得到對象輪廓。

5 實驗結果

基于改進的自適應帶寬的均值偏移方法的提取結果如下，利用面向對象的分類方式，達到的分類精度為91.6%，具體的計算機處理過程不再列出如圖1。

可以發現，結合面向對象思想的分類方法很好的忽略了過度的細節信息，并不存在面向像元分類結果中存在的椒鹽噪聲現象，保留了大多數較小目標，尤其體現在影像左側建筑物內的較細的道路與河流左岸的草地得到了很好的識別，并通過幾何形狀特征一定程度減少建筑物與水泥路面的混淆，取得了較好的分類效果。

參考文獻

[1]沈占鋒，駱劍承，胡曉東.高分辨率遙感影像多尺度均值漂移分割算法研究[J].武漢大學學報（信息科學版），2010，35（3）：313-316.

[2]Comaniciu D，Meer P. Mean Shift：a Robust Approach Toward Feature Space Analysis[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2002，24（5）：603-619.

[3]王雷光，鄭晨，林立宇.基于多尺度均值漂移的高分辨率遙感影像快速分割方法[J].光譜學與光譜分析， 2011，31（1）：177-183.