多尺度分割技術在高分辨率遙感影像中的應用

劉毅飛

摘 要：近年來，多尺度分割技術在高分辨率遙感影像中得到了廣泛應用。因此，本文詳細分析了多尺度分割技術的使用背景、概念和技術原理，研究了改進的多尺度分割技術和最優尺度的確定方法。

關鍵詞：高分辨率遙感影像;多尺度分割技術;最優分割尺度

中圖分類號：P237文獻標識碼：A文章編號：1003-5168（2020）23-0025-02

Abstract： In recent years， multi-scale segmentation technology has been widely used in high-resolution remote sensing images. Therefore， this paper analyzed in detail the background， concepts and technical principles of the multi-scale segmentation technology， and studied the improved multi-scale segmentation technology and the method for determining the optimal scale.

Keywords： high-resolution remote sensing image;multi-scale segmentation technology;optimal segmentation scale

近年來，遙感技術發展迅速，影像分辨率得到顯著提高，人們可以更加清楚地了解地表信息。高分辨率遙感影像處理技術得到人們的廣泛關注[1]。但是，高分辨率遙感影像數據量明顯，同一地物的不同灰度可能不一致，地理空間過程具有尺度依賴性[2]。高分辨率遙感影像的特殊特點使得傳統的基于像元的分類方法不能滿足高分辨率影像分類要求[3]?，F階段，面向對象的分類方法在高分辨率遙感影像領域中應用最多。該方法的優點是分類精度高，傳統方法中的“椒鹽現象”“同物異譜”“異物同譜”現象對分類精度的影響有效降低[4-5]。

本文談及的尺度是對空間格局和過程的描述。地表空間影像復雜，基元是其重要的組成部分，不同基元之間關系復雜，它們不是單純的線性關系。另外，地表空間影像具有層次結構，每一層都有與之對應的時空尺度。因此，對地物進行信息提取的關鍵在于進行多尺度分析[6]。

1 多尺度分割技術

1.1 多尺度分割技術的原理

在多尺度分割技術中，保證分割后對象間的異質性達到最大最為關鍵[7]，該技術根據影像特征，選擇一個合適的閾值進行分割，然后合并分割過程中產生的相似光譜信息。在多尺度分割過程中，影像更容易分割，分割的影像范圍更加精確。因地物影像復雜且層次結構鮮明，影像觀察建立在不同的尺度上，所以若要更加全面地反映對象特征，多尺度分割技術必不可少。

1.2 多尺度分割算法

在運用多尺度分割技術時，合并算法的選擇至關重要，異質性最小的區域合并算法目前應用最為廣泛[8]。在區域合并算法中，像元首先被合并為較小的影像對象，影像對象繼續合并形成多邊形對象。通過不斷合并，各影像的平均異質性達到最小。在分割過程中，需要注意的是合并的準則和合并停止的標準，該標準的設立是為了將對象內部的同質性和對象間的異質性兩者統一起來。合理的標準設定顯著影響分割后影像的有效性，可以顯著地提高分類精度。

在多尺度分割中，需要遵循的原則是影像對象權重異質性最小。其間必須考慮光譜因子與形狀因子，因為它們可以保證權重異質性最小[9]。

通過光譜異質性和形狀異質性度量準則綜合確定的尺度參數將用于量測對象間異質性改變的最大值。利用此值作為判斷合并與否的標準，若該值的平方小于異質性的值，則停止合并。分割時，光譜因子權值和形狀因子的使用要根據具體情況而定。例如，盡量地將光譜因子權值調大;形狀因子可以顯著反映那些聚集度較高的影響。影像分割何時停止的標準由尺度決定，需要重點結合對影響分析感興趣的類別屬性。

目前，為了獲得更加清楚的地貌信息，學者對多尺度分割算法進行了大量研究，從區域合并的準則出發，優化原有算法。呂劍鋒[10]從KL散度原理的角度出發，改進多尺度分割算法。改進的方法提高了分割率，能準確識別地物信息，由此可見，該方法地物識別效果好。王更[11]引入能夠更好評估區域紋理特性的顏色-紋理模型對傳統的Mean-shift分割算法進行改進。該算法的最大特點是利用引進的區域紋理模型計算同質性，分割時依然采用Mean-shift分割算法，改進合并代價函數進行合并。

2 最優分割尺度的選擇

在多尺度分割技術中，最優分割尺度十分重要，選擇最優的分割尺度可以保證信息提取的精度[12]。常用的最優尺度選擇方法有三種，包括均質方差法、最大面積法和同質指數與異質指數法。

2.1 均質方差法

在均質方差法中，均質方差作為衡量最優分割尺度的標準。均質方差取值的大小決定著影像層中的純對象和對象間的光譜異質性。均質方差取值越大，影像分割精度越高。對象間最優分割尺度為均質方差的最大值。最優分割尺度的確定通過均質方差曲線圖就可確定，具體操作如下：在坐標軸中標明均值方差值和最優分割尺度，觀察對象均值方差與分割尺度的變化規律，均質方差最大時的分割尺度為最優分割尺度。

2.2 最大面積法

很多學者利用最大面積法對地物的分割尺度進行計算，分割結果也較為理想。面積即為組成對象的像元數和像元分辨率的乘積。面積進一步細分，分為最小對象面積、最大對象面積和整個影像的對象平均面積，最優分割尺度即為最大對象面積。同樣地，以對象的最大面積和最優分割尺度為軸進行繪制，觀察曲線的變化形態，結合有關規律得出最優分割尺度。

2.3 同質指數與異質指數法

同質指數與異質指數法用于比較分割結果的準確性?；贒efiniens軟件分割后層間的光滑度和緊致度，人們提出了該方法并進行了有關試驗，將其作為影像分割是否達到最優分割尺度的判斷方法。其間可以利用相應軟件計算相關參數，可以選用的軟件為Definiens軟件和Arc GIS軟件[13-14]。

3 結語

在高分辨率遙感影像中，多尺度分割技術的應用極大地提升了影像分類與提取效果，影像提取變得更加準確便捷。多尺度分割技術應用廣泛，各種數據都可以采用，它可以同時處理多波段多通道的數據。該方法有效整合各種算法的優勢，影像分類更加精準，已成為影像分割算法研究領域中一種新興的優化方法。在多尺度分割技術中，最優分割尺度的選擇十分關鍵，是衡量當前像元是否合并到相鄰影像對象上的基本標準。所以，根據不同地物空間信息和背景信息，如何確定和優化分割尺度參數得到越來越多的關注和研究。因此，最優分割參數的選取將成為影響后續分類提取結果和決定整個方法優劣成敗的關鍵，多尺度分割技術將在高分辨遙感影像中得到更廣泛的應用。

參考文獻：

[1]朱光良.IKONOS等高分辨率遙感技術的發展與應用分析[J].地球信息科學學報，2012（3）：108-110.

[2]陳忠.高分辨率遙感圖像分類技術研究[D].北京：中國科學院研究生院（遙感應用研究所），2006.

[3]韋玉春，湯國安，楊昕.遙感數字圖像處理教程[M].北京：科學出版社，2007.

[4]周春艷.面向對象的高分辨率遙感影像信息提取技術[D].青島：山東科技大學，2006.

[5]黃志堅.面向對象影像分析中的多尺度方法研究[D].長沙：國防科學技術大學，2014.

[6]孫波中.多尺度分割技術在高分辨率影像信息提取中的應用研究[D].西安：西安科技大學，2011.

[7]王鵬偉.基于多尺度理論的圖像分割方法研究[D].合肥：中國科學技術大學，2007.

[8]李敏，崔世勇，李成名，等.面向對象的高分辨率遙感影像信息提?。阂愿靥崛槔齕J].遙感信息，2008（6）：63-66.

[9]肖明堯，李雄飛，張小利，等.基于多尺度的區域生長的圖像分割算法[J].吉林大學學報（工學版），2017（5）：1591-1597.

[10]呂劍峰.高分辨率遙感影像多尺度分割方法研究[D].阜新：遼寧工程技術大學，2014.

[11]王更.高分辨率遙感影像多尺度分割算法研究與應用[D].徐州：中國礦業大學，2016.

[12]鮑蕾，張志，劉亞林.基于最佳尺度的武漢市土地覆蓋景觀格局分析[J].湖北大學學報（自然科學版），2009（2）：98-102.

[13]蘇簪鈾，邱炳文，陳崇成.基于面向對象分類技術的景觀信息提取研究[J].遙感信息，2009（2）：42-46.

[14]童磊，鄒崢嶸.基于高分辨率衛星影像的城市用地信息提取研究[J].測繪與空間地理信息，2009（2）：135-137.