一種改進(jìn)的面向?qū)ο笞顑?yōu)分割尺度模型*

唐羊洋　葉華平

(后勤工程學(xué)院后勤信息與軍事物流工程系　重慶　401311)

?

一種改進(jìn)的面向?qū)ο笞顑?yōu)分割尺度模型*

唐羊洋葉華平

(后勤工程學(xué)院后勤信息與軍事物流工程系重慶401311)

摘要面向?qū)ο蟮挠跋裉崛〖夹g(shù)中,分割尺度的選擇是一個關(guān)鍵問題。論文在前人研究的基礎(chǔ)上,以對象內(nèi)部的灰度標(biāo)準(zhǔn)差表示對象內(nèi)部的同質(zhì)性,以對象與鄰域平均差分的絕對值來表示對象間的異質(zhì)性,并綜合考慮了對象與目標(biāo)地物在形狀和光譜上的一致性,提出了一種最優(yōu)分割尺度計算模型。結(jié)果表明,此模型能快速得到最優(yōu)分割尺度,提高了建筑物提取精度。

關(guān)鍵詞建筑物; 分割; 最優(yōu)尺度

Class NumberTP391.4

1引言

近年來,為解決人們對于遙感信息的認(rèn)識和利用程度遠(yuǎn)遠(yuǎn)落后于遙感信息的獲取速度這一主要問題,利用高分辨率遙感影像實現(xiàn)地物信息的快速提取是目前的研究熱點。面向?qū)ο笠云浞先祟愐曈X特點的優(yōu)勢脫穎而出,與傳統(tǒng)的基于像素的方法不同,面向?qū)ο笫腔谟跋穹指畹玫降挠跋駥ο筮M(jìn)行信息的提取,其關(guān)鍵步驟有兩個:多尺度分割和影像信息提取?？梢哉f影像對象的質(zhì)量好壞直接影響后續(xù)信息分類提取的精度[1],而多尺度分割又涉及光譜異質(zhì)性、形狀異質(zhì)性(形狀參數(shù)又包括光滑度和緊致度)和分割尺度等參數(shù)[2],其中分割尺度決定了分割得到的影像大小及影像與地物的一致性程度,是得到高質(zhì)量的影像對象的關(guān)鍵參數(shù)。

目前,最優(yōu)尺度選取的方法主要有以下幾種: 1) 人工多次設(shè)置尺度參數(shù)[3～5],不斷嘗試選取最優(yōu)尺度。 2) 選取一個或幾個評價指標(biāo)來確定最優(yōu)尺度。如以影像的最大面積為指標(biāo)探討最大面積與尺度的關(guān)系[6];以局部方差作為鑒別最優(yōu)尺度的指標(biāo)[7～9];以影像與目標(biāo)的面積差[10～11],矢量距離差[12]來評價尺度的選取。 3) 建立最優(yōu)尺度選取模型[13～14]。這種方式與第二種方式有類似之處,通過選取與尺度變化相關(guān)的影像特征,建立尺度與變化特征的函數(shù)關(guān)系,從而實現(xiàn)最優(yōu)尺度的自動選取。第一種方法主要依靠經(jīng)驗,效率低,主觀性較大,且無法保證精度。第二種方法評價指標(biāo)的選擇很關(guān)鍵,現(xiàn)有方法要么選擇光譜指標(biāo),要么選擇形狀、面積指標(biāo),單一指標(biāo)評價有一定的片面性。目前流行的方法主要是第三種,本文綜合在前人研究的基礎(chǔ)上,提出一種改進(jìn)的最優(yōu)尺度選取模型。

2最優(yōu)分割尺度模型

2.1最優(yōu)尺度定義

從廣義上說,尺度是研究客體或過程現(xiàn)象的空間維和時間維,同時又可指某一現(xiàn)象或過程在空間和時間上涉及的范圍和發(fā)生頻率,它標(biāo)志著對所研究對象細(xì)節(jié)了解的水平。尺度包括時間尺度和空間尺度,本文主要探討的是影像對象的空間尺度[15]。最優(yōu)分割尺度的選擇可以分為兩種情況: 1) 當(dāng)提取的目標(biāo)是一種地物類型或者多種地物類型時,最優(yōu)分割尺度的目的是將特定提取的地物類型用一個或多個對象來表示,對象的大小與地物目標(biāo)大小接近,對象多邊形既不能太破碎,也不能邊界模糊,且對象內(nèi)部光譜異質(zhì)性較小。 2) 當(dāng)提取的目標(biāo)不僅限于影像上的特定地物而針對的是整幅影像時,最優(yōu)分割尺度的目的是實現(xiàn)分割后得到的影像對象內(nèi)部異質(zhì)性盡可能小,同時不同類別對象之間的異質(zhì)性盡可能大,并且對象能夠反映地物的基本特征,比如光譜、形狀、紋理、空間關(guān)系等。其中對象內(nèi)部同質(zhì)性確保影像對象的純度,而對象之間的異質(zhì)性保證影像對象的可分性[16]?？梢?對象內(nèi)部的同質(zhì)性和外部的異質(zhì)性是最優(yōu)尺度選擇的兩個重要因素。另外,目標(biāo)地物與分割對象的一致性也是衡量最優(yōu)尺度的重要標(biāo)準(zhǔn)[14]。

2.2對象內(nèi)部的同質(zhì)性和外部的異質(zhì)性[13]

2.2.1對象內(nèi)部的同質(zhì)性

對象內(nèi)部的同質(zhì)性采用對象的標(biāo)準(zhǔn)差σL來表示,對象的標(biāo)準(zhǔn)差由構(gòu)成一個影像對象所有通道的n個像素的像素值計算得到,其表達(dá)式如下[17]:

(1)

2.2.2對象外部的異質(zhì)性

對象外部的異質(zhì)性反映的是對象與相鄰對象的差異程度,這里用與鄰域的平均差分(絕對值)來表示,其計算方式是對于每一個相鄰的對象,計算層平均值的差分,根據(jù)對象間的邊界長度賦予權(quán)重(如果它們是直接相鄰的,特征距離=0)或者根據(jù)相鄰對象的面積賦予權(quán)重(如果討論的影像對象周圍的鄰域用某一半徑(像素級)來定義,特征距離>0)。這里采用直接相鄰對象的平均差分絕對值來衡量對象外部的異質(zhì)性,其計算如下[17]:

(2)

2.3對象與目標(biāo)地物的一致性

最優(yōu)分割的目的在于通過選取最優(yōu)尺度進(jìn)行分割,即在滿足同質(zhì)性和異質(zhì)性要求的同時,應(yīng)盡可能使得到的影像對象能最大程度接近于實際地物,保證影像對象與目標(biāo)地物的一致性。文獻(xiàn)[14]提出用面積和周長衡量對象與目標(biāo)地物的一致性,雖然這種方法有一定的可取性,但面積和周長考慮的均是對象的形狀特征,單一特征的表示存在一定的片面性。在此基礎(chǔ)上,本文綜合考慮對象與目標(biāo)地物在形狀與光譜特征上的一致性,提出以下基于面積、周長和光譜信息的一致性計算公式:

(3)

其中,m為選取的樣本總數(shù),Sop、Lop、Gop分別為目標(biāo)地物的實際面積、周長和光譜均值,Sp、Lp、Gp分別為與樣本對象相對應(yīng)的分割后對象的面積、周長和光譜均值。N越小,表示分割對象與目標(biāo)地物的差別越小,即對象與目標(biāo)地物的一致性越好。

2.4最優(yōu)分割尺度計算模型

基于式(1)～式(3),提出如下最優(yōu)分割尺度計算公式:

(4)

由上式可得,F(σL,ΔcL,N)值越小,對應(yīng)分割尺度最優(yōu)。因此,以分割尺度X為變量,對影像進(jìn)行n+1次分割,會得到n+1個F(σL,ΔcL,N)值,利用這些值進(jìn)行多項式插值,可以得到如下最優(yōu)分割尺度計算模型:

F(σL,ΔcL,N)=a0+a1x+a2x2+…+anxn

(5)

通過上式模型進(jìn)行計算,當(dāng)F(σL,ΔcL,N)達(dá)到最小時,對應(yīng)得到的尺度x即最優(yōu)分割尺度。

3實驗

本文所用的衛(wèi)星遙感影像由國土資源部提供,用于實驗的遙感影像截取于河南省中原區(qū),所用地理坐標(biāo)系為西安80坐標(biāo)系,影像分辨率為0.5m,影像大小為1125×1221個像素,有RGB三個圖層。如圖1所示。采用的多尺度分割方法為由BAATZ.M和SCHAPE.A提出的分形網(wǎng)絡(luò)演化法[18]。經(jīng)多次實驗,選取的參數(shù)為光譜異質(zhì)性權(quán)重Color=0.9,形狀異質(zhì)性權(quán)重Shape=0.1,緊密度權(quán)重Compactness=0.8,平滑度權(quán)重Smoothness=0.2。同時由于分割尺度低于20影像對象太破碎(如圖2),高于120時影像對象過大(如圖3),故選取尺度區(qū)間20～120,以10為步長對影像進(jìn)行分割,同時在每一個分割尺度下選取10個建筑物樣本,利用式(5)最優(yōu)分割尺度計算模型得到尺度與質(zhì)量參數(shù)F(σL,ΔcL,N)的關(guān)系(如圖5),從圖5可以看出,分割尺度在80時,F(σL,ΔcL,N)值最小,此時影像的分割效果最好(如圖4)。

圖1　原始遙感影像

圖2　10尺度分割影像

圖3　130尺度分割影像

圖4　80尺度分割影像

圖5　建筑物分割尺度質(zhì)量評價

4結(jié)語

尺度的選取是面向?qū)ο笥跋裥畔⑻崛≈械年P(guān)鍵問題,不同的尺度會產(chǎn)生不同的影像對象,分割尺度的選擇直接影響到地物的提取精度。文章提出一種以對象內(nèi)部的同質(zhì)性和對象外部的異質(zhì)性為標(biāo)準(zhǔn),以對象與目標(biāo)地物的一致性程度為控制參數(shù)的最優(yōu)分割尺度模型。其中,在對象與目標(biāo)地物一致性中,綜合考慮了形狀和光譜的一致性,避免了單一特征的片面性,提高了尺度參數(shù)選取的正確性。通過該模型可以快速得到影像分割的最優(yōu)尺度,避免了人工經(jīng)驗的主觀性,能有效提高后續(xù)地物提取的精度,有一定的應(yīng)用價值。

參 考 文 獻(xiàn)

[1] 陳忠.高分辨率遙感圖像分類技術(shù)研究[D].北京:中國科學(xué)院遙感應(yīng)用研究所,2006:47-52.

CHEN Zhong. Research on High Resolution Remote Sensing Image Classification Technology[D]. Beijing: Institute of Remote Sensing Applications Chinese Academy of Sciences,2006:47-52.

[2] 譚衢霖,劉正軍,沈偉.一種面向?qū)ο蟮倪b感影像多尺度分割方法[J].北京交通大學(xué)學(xué)報,2007,31(4):111-114.

TAN Qulin, LIU Zhengjun, SHEN Wei. An Algorithm for Object-Oriented Multi-Scale Remote Sensing Image Segmentation[J]. Journal of Beijing Jiaotong University,2007,31(4):111-114.

[3] TANSEY K, CHAMBERS I, ANSTEE A. Object-oriented classification of very high resolution airborne imagery for the extraction of bed grows and field margin cover in agricultural areas[J]. Applied Geography,2009,29(2):145-157.

[4] 李曉峰,張樹清,龐振平,等.矢量景觀指數(shù)在遙感信息提取中的應(yīng)用——以乾安湖群為例[J].遙感學(xué)報,2008,12(2):291-296.

LI Xiaofeng, ZHANG Shuqing, PANG Zhenping. et al. The Use of Vector Analysis Theory on Landscape Pattern in Remote Sensing Information Extraction — A Case Study on Qian_an Group Lakes[J]. Journal of Remote Sensing,2008,12(2):291-296.

[5] 周春艷,王萍,張振勇,等.基于面向?qū)ο笮畔⑻崛〖夹g(shù)的城市用地分類[J].遙感技術(shù)與應(yīng)用,2008,23(1):31-35.

ZHOU Chunyan, WANG Ping, ZHANG Zhenyong, et al. Classification of Urban Land Based on Object-Oriented Information Extraction Technology[J]. Remote Sensing Technology and Application,2008,23(1):31-35.

[6] 黃慧萍,吳炳方,李苗苗,等.高分辨率遙感影像城市綠地快速提取技術(shù)與應(yīng)用[J].遙感學(xué)報,2004,8(1):68-74.

HUANG Huiping, WU Bingfang, LI Miaomiao, et al. Detecting Urban Vegetation Efficiently with High Resolution Remote Sensing Data[J]. Journal of Remote Sensing,2004,8(1):68-74.

[7] Woodcock C E, Strahler A H. The Factor of Scale in Remote Sensing[J]. Remote Sensing of Environment,1987(21):311-332.

[8] 田巖,謝玉波,史文中,等.基于局部方差的多分辨率圖像分割方法[J].系統(tǒng)工程與電子技術(shù),2006,28(12):1922-1926.

TIAN Yan, XIE Yubo, SHI Wenzhong, et al. Multi-resolution image segmentation method based on local variance[J]. Systems Engineering and Electronics,2006,28(12):1922-1926.

[9] 姚宇華,嚴(yán)洪,蔣立正.基于局部最大方差分割的圖像二值化算法[J].微型電腦應(yīng)用,2003,19(8):49-51.

YAO Yuhua, YAN Hong, JIANG Lizheng. On Algorithms of Image Binarization Based on Local Maximum Difference[J]. Microcomputer Applications,2003,19(8):49-51.

[10] 汪求來.面向?qū)ο筮b感影像分類方法及其應(yīng)用研究[D].南京:南京林業(yè)大學(xué),2008:33-35.

WANG Qiulai. Research of Remote Sensing Classification Method Based on Object-Oriented and Applications[D]. Nanjing: Nanjing Forestry University,2008:33-35.

[11] 張友靜,樊恒通.城市植被尺度鑒別與分類研究[J].地理與地理信息科學(xué),2007,23(6):54-57.

ZHANG Youjing, FAN Hengtong. Scale Identification for Urban Vegetation Classification Using High Spatial Resolution Satellite Data[J]. Geography and Geo-Information Science,2007,23(6):54-57.

[12] 于歡,張樹清,孔博,等.面向?qū)ο筮b感影像分類的最優(yōu)分割尺度選擇研究[J].中國圖象圖形學(xué)報,2010,15(2):352-360.

YU Huan, ZHANG Shuqing, KONG Bo, et al. Optimal Segmentation Scale Selection for Object-Oriented Remote Sensing Image Classification[J]. Journal of Image and Graphics,2010,15(2):352-360.

[13] 張俊,汪云甲,李妍,等.一種面向?qū)ο蟮母叻直媛视跋褡顑?yōu)分割尺度選擇算法[J].科技導(dǎo)報,2009,27(21):91-94.

ZHANG Jun, WANG Yunjia, LI Yan, et al. An Object-Oriented Optimal Scale Choice Method for High Spatial Resolution Remote Sensing Image[J]. Science and Technology Review,2009,27(21):91-94.

[14] 胡文亮,趙萍,董張玉,等.一種改進(jìn)的遙感影像面向?qū)ο笞顑?yōu)分割尺度計算模型[J].地理與地理信息科學(xué),2010,26(6):15-18.

HU Wenliang, ZHAO Ping, DONG Zhangyu, et al. An Improved Calculation Model of Object-Oriented for the Optimal Segmentation-Scale of Remote Sensing Image[J]. Geography and Geo-Information Science,2010,26(6):15-18.

[15] 周成虎,駱劍承,等.高分辨率衛(wèi)星遙感影像地學(xué)計算[D].北京:科學(xué)出版社,2009:38.

ZHOU Chenghu, LUO Jiancheng, et al. High Resolution Satellite Remote Sensing Geonomy Calculate[D]. Beijing: Science Publisher,2009:38.

[16] 黃慧萍.面向?qū)ο笥跋穹治鲋械某叨葐栴}研究[D].北京:中國科學(xué)院,2003:111-114.

HUANG Huiping. Scale Issues in Object-Oriented Image Analysis[D]. Beijing: Chinese Academy of Sciences,2003:111-114.

[17] 關(guān)元秀,程曉陽.高分辨率衛(wèi)星影像處理指南[D].北京:科學(xué)出版社,2008:164-186.

GUAN Yuanxiu, CHENG Xiaoyang. High Resolution Satellite Remote Sensing Processing Guide[D]. Beijing: Science Publisher,2008:164-186.

[18] BAATZ M, SCHAPE A. Multiresolution Segmentation: an optimization approach for high quality multi-scale image segmentation[C]//Proceedings of the Angewandte Geographische Informationsverarbeitung Symposium. Salzburg: [s.n.],2000:12-23.

A Modified Optimum Segmentation Scale Model Based on Object Oriented

TANG YangyangYE Huaping

(Department of Logistics Information & Logistics Engineering, Logistical Engineering University, Chongqing401311)

AbstractIn the object oriented image extraction technology, the choice of segmentation scale is a key question. On the basis of previous studies, the internal homogeneity of the object is represented by the gray standard deviation of the object, and the heterogeneity of the object is represented by the absolute value of the mean difference between the object and the neighborhood, and concern the consistency of the object and the actual object in shape and spectrum, an optimal segmentation scale computation model is proposed. The results show this model can quickly get the optimal segmentation scale, improve the accuracy of building extraction.

Key Wordsbuilding, segmentation, optimum scale

* 收稿日期:2015年11月7日,修回日期:2015年12月27日

作者簡介:唐羊洋,男,碩士研究生,研究方向:信息系統(tǒng)與應(yīng)用。葉華平,男,碩士,教授,研究方向:信息系統(tǒng)與應(yīng)用。

中圖分類號TP391.4

DOI:10.3969/j.issn.1672-9722.2016.05.038