基于最小生成樹的高分辨率遙感影像層次化分割方法研究

林文杰

1. 廣東工業(yè)大學(xué)信息工程學(xué)院，廣東 廣州 510006； 2. 鵬城實驗室，廣東 深圳 518000

在更精細(xì)的空間尺度下，高分遙感影像呈現(xiàn)更豐富的地物細(xì)節(jié)信息，信息內(nèi)容的復(fù)雜性、空間性和海量性等特征，給傳統(tǒng)遙感影像分割方法帶來挑戰(zhàn)。針對這些挑戰(zhàn)，尋求一種更有效的分割模型和并行化的處理方法是有效提高大尺度高分遙感影像分割精度和處理效率的關(guān)鍵。為此，論文提出基于最小生成樹的高分遙感影像層次化分割方法及其并行化重構(gòu)。前者利用層次化最小生成樹模型實現(xiàn)影像復(fù)雜場景信息的有效刻畫，在此基礎(chǔ)上利用區(qū)域化模糊聚類模型構(gòu)建層次化分割模型。后者基于子塊切分的并行劃分和并行模糊聚類分割方法，實現(xiàn)大尺度高分遙感影像的快速、有效分割。論文的主要工作如下。

(1) 從局部、區(qū)域和全局尺度，分別利用影像最小生成樹域模型、最小異質(zhì)性區(qū)域準(zhǔn)則以及區(qū)域標(biāo)號場模型刻畫影像的場景信息。其中，影像最小生成樹域是一種同時考慮像素空間和光譜信息的影像表達模型，其表現(xiàn)出的空間集聚性能自適應(yīng)地刻畫地物邊界；同質(zhì)子區(qū)域劃分由最小異質(zhì)性區(qū)域劃分方法實現(xiàn)，該方法以區(qū)域的光譜信息和形狀信息為合并準(zhǔn)則，對抑制影像中的幾何噪聲有較好效果；同質(zhì)子區(qū)域間的空間關(guān)聯(lián)由區(qū)域最小生成樹模型描述，降低了傳統(tǒng)用區(qū)域鄰接關(guān)系描述區(qū)域間空間關(guān)聯(lián)性時造成的冗余，從而提升了區(qū)域分割算法的計算效率。

(2) 在影像的層次化最小生成樹基礎(chǔ)上，結(jié)合區(qū)域化隱馬爾可夫隨機場-模糊聚類(regional hidden markov random field-fuzzy c-means, RHMRF-FCM)方法構(gòu)建影像的層次化模糊聚類分割模型，并由偏微分方法進行求解。為驗證提出方法的有效性和可行性，以WorldView-3高分遙感影像為試驗數(shù)據(jù)，重點探討了最小異質(zhì)區(qū)域劃分算法中各參數(shù)對分割結(jié)果的影響，對比分析了論文方法和eCognition中多分辨率分割方法和分水嶺算法，定性、定量分析結(jié)果表明了提出方法不僅能有效克服高分遙感影像復(fù)雜場景中的幾何噪聲影響，且分割精度優(yōu)于對比算法。

(3) 在串行算法分析基礎(chǔ)上，以子塊切分為子任務(wù)劃分準(zhǔn)則，提出一種并行最小異質(zhì)區(qū)域劃分-子塊縫合方法。同時，為了進一步提高RHMRF-FCM算法的分割速度，從降低并行計算過程中的數(shù)據(jù)通信量角度，設(shè)計一種低數(shù)據(jù)通信量的并行RHMRF-FCM算法。為驗證提出的并行分割方法的有效性和可行性，從并行分割代價和并行性能分析兩個方面進行試驗驗證。試驗結(jié)果表明，提出的并行方法與串行方法不僅分割精度上較為接近，而且計算時間、加速比和并行效率上均表現(xiàn)卓越，對于6.7千萬像素的高分遙感影像的最優(yōu)分割時間僅為1小時，總體最高加速比達2075，并行效率曲線趨勢表明提出方法在并行調(diào)度的均衡負(fù)載方面表現(xiàn)突出，且具有良好的可擴展性能。