基于均值方差法的遙感圖像多尺度表達算法

摘 要：針對目前遙感圖像的多尺度分割算法沒有在同一幅圖像中實現多尺度表達，文章提出了基于均值方差法的遙感圖像多尺度表達的方法。首先用分水嶺算法對遙感圖像進行初始分割，然后用面向對象的分割方法，以均值方差作為分割質量評估參數，對遙感圖像進行多尺度選擇。得到多個最優尺度后，在遙感圖像中進行多尺度表達，直到每個最優尺度都完成了區域選擇。實驗結果表明，多尺度表達結果合理，接近于人工解譯結果。

關鍵詞：遙感圖像分割；多尺度選擇；多尺度表達

1 引言

圖像分割是將圖像劃分成各具特性的區域并提取感興趣目標的過程。分割后能得到圖像內包含的目標對象及描述對象特征的屬性，從而能在更高層次上對圖像進行分析與理解。常用分割算法分為基于閾值的算法、基于邊緣檢測的算法、基于區域的算法等[1]。

與傳統的基于像素分割方法相比，利用分水嶺算法[2]，進而使用面向對象分割方法[3]充分考慮了圖像中區域的整體性以及區域間的相關性，避免了基于像素分割方法產生的圖像過于零碎、粉末化的結果，是一種更接近人眼視覺分析圖像的分割方法。面向對象圖像分割方法中，尺度的選擇至關重要。在遙感圖像中，地物種類多，光譜和形狀復雜，因此要想獲得更好的分割結果，必須采用多尺度分割方法，針對每一類地物選出其最優尺度。最優尺度的選擇通常采用試探與評估的方法，即在一個尺度空間內進行圖像分割，采用分割質量評估參數對分割結果進行評價，選出最優尺度。常用分割質量評估參數包括圖斑顯著性[4]、RMAS[5]、改進RMAS[6]、全局最優計算模型[7]、均值方差[8]等。

在得到多個最優尺度后，要想在同一幅圖像中進行多尺度表達，就需要在每個最優尺度下，從圖像中提取出適量區域，使得這些區域的邊界跟地物的實際邊界最大程度吻合。

2 多尺度分割算法

2.1 面向對象的分割方法

2.2 最優尺度的選擇

2.3 多尺度表達

3 結果與討論

4 結束語

本文采用面向對象分割方法，通過多尺度選擇和多尺度表達實現了在同一幅圖像中多尺度信息提取，從實驗結果可得如下結論：（1）將均值方差作為分割質量評估參數可更快的選出最優尺度。（2）多尺度表達算法是在事先無法確定的情況下采用的試探然后評估的方法，該方法也是多尺度分割的常用方法。本文不足之處在于沒有建立合理的、動態的尺度空間，所以不能根據不同圖像采用不同尺度空間，限制了后面方法的使用。

參考文獻

[1]丁亮，張永平，張雪英.圖像分割方法及性能評價綜述[J].軟件，2010，12（31）：78-83.

[2]孫穎，何國金.基于標記分水嶺算法的高分辨率遙感圖像分割方法[J].科學技術與工程，2008，6（11）：1671-1819.

[3]汪閩，萬其明等.光譜、形狀特征結合的多精度圖像分割算法與應用[J].地球信息科學學報，2010，4（2）.

[4]陳建裕，潘德爐，毛志華.高分辨率海岸帶遙感影像中簡單地物的最優分割問題[J].中國科學D輯，2006，36（11）：1044-1051.

[5]張俊，朱國龍，李妍.面向對象高分辨率影像信息提取中的尺度效應及最優尺度研究[J].測繪科學，2011，3（2）.

[6]陳春雷，武剛.面向對象的遙感影像最優分割尺度評價[J].遙感技術與應用，2011，2（1）.

[7]劉兆祎，李鑫慧等.高分辨率遙感圖像分割的最優尺度選擇[J].計算機工程與應用，2012，11.

[8]黃慧萍等.面向對象圖像分析中的尺度問題研究[D].北京：中國科學院研究生院，2003.