基于多尺度圖像庫的遙感影像分割參數優選方法

張濤， 楊曉梅, 童立強， 賀鵬

(1.中國國土資源航空物探遙感中心，北京 100083； 2.中國科學院地理科學與資源研究所 資源與環境信息系統國家重點實驗室，北京 100101)

?

基于多尺度圖像庫的遙感影像分割參數優選方法

張濤1， 楊曉梅2, 童立強1， 賀鵬1

(1.中國國土資源航空物探遙感中心，北京 100083； 2.中國科學院地理科學與資源研究所 資源與環境信息系統國家重點實驗室，北京 100101)

尋找合適的分割參數是面向對象影像分析的首要步驟。試錯策略的目視分析法在實際應用中被廣泛采用，但其無法分析大量分割結果，難以找到最佳分割參數。針對此問題，提出一種基于多尺度圖像庫的分割參數優選方法，并以SPOT5影像為例開展了多尺度分割參數優選實驗。結果表明，該方法能夠有效找到合適的分割參數，并能對地物目標的多尺度特性做全面分析。基于多尺度圖像庫的分割參數優選方法簡單有效，可為工程化影像解譯中分割參數選擇提供支持。

遙感； 多尺度； 圖像分割； 參數優選

0 引言

隨著高空間分辨率遙感技術的發展，面向對象的遙感影像分析方法日益興起[1-2]，并被廣泛應用于精細尺度的國土資源調查、地理國情普查和海岸帶海島資源環境調查等項目。面向對象影像分析方法的首要步驟是影像分割，而分割效果取決于分割參數的設定，因此尋找合適的分割參數對提高遙感信息提取的效果十分重要[3-5]。

現有分割參數優選方法主要分為定性和定量判別2類。定量判別方法是通過分析特定指標隨尺度變化的曲線，選擇極大值、極小值或突變點對應的尺度作為最佳分割參數，此類方法也稱為指標曲線法。Drǎgu等[6]提出LV(local variance)指標，其突變點對應尺度是較適合的分割尺度。此外，其他學者還提出了均值方差指標[7]、RMAS(ratio of mean difference to neighbors(ABS) to standard deviation)指標[8]、圖斑顯著性指標[9]、ASEI(average segmentation evaluation index)指標[10]、T指標[11]和信息熵差異指標[12]等，均以極大或極小值對應尺度為最優分割尺度。雖然指標曲線法有較強的研究價值，但其使用過程較為復雜，限制了在實際應用中的普及與推廣。定性判別方法是通過不同參數的分割實驗得到多種分割結果，采用目視分析的方法來選擇合適的分割尺度。傳統上主要采用試錯策略，即每次分割后人為評判分割結果的優劣。該方法不需太多理論支持，實用性較強。然而，由于缺乏系統的技術體系，采用試錯法尋找最佳分割尺度存在一定困難，首先遙感影像分割需要耗費較多計算時間，試錯法所嘗試的分割尺度一般較少； 其次由于常用面向對象影像分析軟件缺乏對中間結果的保存，每個尺度的分割結果只分析一次，難以全面把握各類地物的多尺度特性。

針對試錯法的不足，提出將多尺度分割結果建庫保存的改進策略，通過建立多尺度圖像庫來輔助多尺度分割結果的目視判別，分析地物目標的多尺度特性并選擇最適宜的分割尺度。本文首先介紹基于多尺度圖像庫的遙感影像分割參數優選方法的技術流程； 然后以珠江口地區SPOT5影像為例，開展基于多尺度圖像庫與目視分析方法的分割參數優選實驗，并驗證其應用效果； 最后討論該方法優缺點和適用條件。

1 方法

基于多尺度圖像庫的遙感影像分割參數優選方法主要包括2個步驟： 構建多尺度圖像庫和選擇最優分割參數，總體技術流程如圖1所示。

圖1 總體技術流程

1.1 構建多尺度圖像庫

多尺度分割算法較多，其中應用最廣的是eCognitionTM中實現的多分辨率分割算法[13]。該算法基于區域增長原理，采用光譜和形狀異質性來控制增長程度。分割時需要調整3個參數： 尺度(scale)、形狀權重(shape_weight)和緊致度權重(compact_weight)。2個權重值決定了異質性指標的計算方式，而尺度參數決定了異質性增長的上限，即如果當前處理對象與其領域對象合并后的異質性指標大于尺度參數，則停止增長，算法詳細過程見文獻[13]，本文采用該算法進行分割。

在eCognitionTMdeveloper中構建多尺度圖像庫的規則集，定義好初始值以后，全自動運行，無需人工干預。具體算法流程包括： 首先將遙感影像做小尺度初分割，參數為scale=3，shape_weight= 0.2，compact_weight=0.5； 然后以初分割對象為基本單元，變換分割參數，得到多尺度的分割結果，其中針對上述3個參數共設計了3個嵌套循環來實現多種參數組合，在每次循環中，執行合并、感興趣區導出和入庫操作； 最后，直至循環結束，多尺度圖像庫構建完成。采用以小尺度初分割結合多尺度合并的方式來獲得分割結果，將比直接從像元級開始分割更節省時間。

該算法偽代碼如下：

開始

輸入遙感影像;

初值設置: scale0,scale_in,scale1,SW0,SW_in,SW1,CW0,CW_in,CW1;

小尺度初始分割;

For scale = scale0: scale_in: scale1

For shape_weight = SW0: SW_in: SW1

For compact_weight = CW0: CW_in: CW1

在初分割結果上執行合并;

設置感興趣區;

導出感興趣區的分割結果圖像;

在多尺度分割圖像庫中插入記錄;

Next compact_weight

Next shape_weight

Next scale

結束

導出的多尺度分割結果為真彩色(或假彩色)合成圖像疊加上分割邊界的結果，采用圖像格式保存，利用數據庫實現圖像管理，共包含6個字段： 編號(id)、尺度(scale)、形狀權重(shape_weight)、緊致度權重(compact_weight)、景觀類型(landscape)和分割圖像文件位置(seg_image)，具體圖像庫表結構如表1所示。

表1 多尺度圖像庫的表結構

1.2 選擇最優分割參數

基于1.1節所建立的多尺度圖像庫，采用目視分析方法來評價不同參數下的分割結果，優選適合于特定地物類型提取的最佳分割參數。首先從多尺度分割結果中檢索出指定參數范圍內的分割圖像，然后以幻燈播放的方式快速比較不同參數下的分割結果，分析不同地物類型分割結果隨尺度變化的特征，并選擇對應的最佳分割尺度。由于不同參數條件下的分割結果都保存在圖像庫中，對結果進行目視分析十分方便快捷，還可以對大量參數組合下的分割結果進行比較，輔助分析人員全面了解地物的多尺度特性并選擇最佳分割參數。

2 實驗

2.1 研究區及其數據源

研究區位于廣東省珠江口地區，數據源為SPOT5多光譜影像，成像時間為2010年11月9日，空間分辨率為10 m，截取2 000 像素×2 000像素的影像進行分割實驗。該區域內的主要地物類型為水田、旱地、養殖池塘、居民點、工礦用地和河渠。基于多尺度圖像庫構建技術流程，建立結果圖像庫，涉及的感興趣目標包括工礦用地、居民點和養殖池塘等。采用目視分析方法對分割結果進行優選，獲得最優分割參數，并驗證其有效性。

2.2 結果與分析

研究區多尺度分割結果如圖2所示。利用平鋪展示的方式可以方便地看出特定地塊出現過分割和欠分割時的尺度范圍。在實際應用中，采用幻燈播放的方式來分析尺度規律并選取最優分割尺度，將比該方式更加方便有效。

(a) 原始圖像(b) 分割尺度： 14(c) 分割尺度: 18(d) 分割尺度: 24

(e) 分割尺度: 28(f) 分割尺度: 34(g) 分割尺度: 38(h) 分割尺度: 40

(i) 分割尺度: 44(j) 分割尺度: 46(k) 分割尺度: 48(l) 分割尺度: 60

圖2 研究區多尺度分割結果

Fig.2 Multiscale segmentation results in study area

某工礦用地地塊的影像分割結果隨尺度參數變化的規律如圖3所示。

(a) 分割尺度: 22 (b) 分割尺度: 28～43(c) 分割尺度: 44～46 (d) 分割尺度: 47～100

圖3 某工礦用地地塊影像分割結果

Fig.3 Segmentation results of image in a industrial area

從圖3中可以發現，在分割尺度為22時，工礦區內的建筑物屋頂被分割出來； 分割尺度在28～43時，工礦用地被分成幾個紋理區塊； 分割尺度在47～100時，整個工礦用地作為一個對象被分割出來。在實際應用中，如果用于工礦區大型建筑物的提取，則應選擇小于22的分割尺度； 如果用于工礦用地內部功能區的劃分，則應選擇43左右的分割尺度； 如果用于工礦用地提取，則選擇47以上的分割尺度更合適。通過分析工礦用地地塊的多尺度特性，找到可識別面積最小地塊的分割尺度就可以作為此類地物提取的最優分割尺度。

為了驗證本文方法的分割效率，與傳統多尺度分割方法進行對比。采用1 000像素×1 000像素的SPOT5 4波段圖像，實驗環境為2.7G CPU 4G內存的計算機。多尺度分割參數設置為： 緊致度權重和形狀權重均從0.1到0.9，步長為0.2； 尺度參數則從10到100，步長為2，總共有1 150種尺度參數組合。分割效率對比如表2所示。

表2 2種方法耗費時間對比

從表2中可以發現，在單次分割時，多尺度分割方法所用時間更短； 但是在執行1 150次多尺度分割時，本文方法僅用時1.4 h，多尺度分割方法用時則長達4.5 h。由此可見，本文提出的小尺度初分割結合多尺度合并的策略，能夠有效節約運行時間。

3 討論與結論

針對傳統基于試錯策略的遙感影像分割參數優選方法的不足，本文提出基于多尺度圖像庫的目視分析方法。該方法具有以下4方面的優點：

1) 相比定量指標分析法，分割結果隨分割參數的變化直觀可見，可以充分利用人對影像的認知能力，找到與實際地物邊界最符合的分割結果。

2) 基于多尺度圖像庫獲得的最優分割參數可以與定量指標分析結果進行對照與驗證。

3) 相比傳統簡單試錯法，該方法能夠考慮大量的參數組合，更適合最優參數選擇； 分割過程無需等待，耗時短，效率高； 操作員可以對分割結果獨立判決，再討論選擇最佳分割尺度。

4) 將典型地物的多尺度分割結果建庫保存，可以用于不同地物類型的多尺度分析。提出的多尺度圖像庫構建算法流程簡單易行，建庫過程自動運行，無需人工干預，在基于面向對象技術的工程化遙感解譯應用中有較強的應用價值。

尺度特性是地理事物和現象自身的固有屬性，特定地理現象只出現在特定的觀測尺度上。通過對建庫保存的多尺度分割結果進行目視分析，可以方便地找到真實地物對應的分割對象出現的尺度范圍，并找出“過分割”、“適宜分割”和“欠分割”3種狀態之間的關鍵尺度閾值。但由于目視分析基于主觀判斷，該方法要求執行尺度優選的操作員應具有較強的遙感目視解譯經驗。后續工作將以多尺度圖像庫為基礎，對各種尺度優選指標進行驗證，并發展主客觀相結合的分割尺度優選策略。

[1] 宮鵬,黎夏,徐冰.高分辨率影像解譯理論與應用方法中的一些研究問題[J].遙感學報,2006,10(1):1-5. Gong P,Li X,Xu B.Interpretation theory and application method development for information extraction from high resolution remotely sensed data[J].Journal of Remote Sensing,2006,10(1):1-5.

[2] 孫曉霞,張繼賢,劉正軍.利用面向對象的分類方法從IKONOS全色影像中提取河流和道路[J].測繪科學,2006,31(1):62-63. Sun X X,Zhang J X,Liu Z J.Extracting the river and the road using an object oriented technique from IKONOS panchromatic imagery[J].Science of Surveying and Mapping,2006,31(1):62-63.

[3] Blaschke T.Object based image analysis for remote sensing[J].ISPRS Journal of Photogrammetry and Remote Sensing,2010,65(1):2-16.

[4] 李秦,高錫章,張濤,等.最優分割尺度下的多層次遙感地物分類實驗分析[J].地球信息科學學報,2011,13(3):409-417. Li Q,Gao X Z,Zhang T,et al.Optimal segmentation scale selection and evaluation for multi-layer image recognition and classification[J].Journal of Geo-Information Science,2011,13(3):409-417.

[5] 于歡,張樹清,孔博,等.面向對象遙感影像分類的最優分割尺度選擇研究[J].中國圖象圖形學報,2010,15(2):352-360. Yu H,Zhang S Q,Kong B,et al.Optimal segmentation scale selection for object-oriented remote sensing image classification[J].Journal of Image and Graphics,2010,15(2):352-360.

[7] 黃慧萍.面向對象影像分析中的尺度問題研究[D].北京:中國科學院遙感應用研究所,2003. Huang H P.Scale Issues in Object-oriented Image Analysis[D].Beijing:Institute of Remote Sensing Applications,Chinese Academy of Sciences,2003.

[8] 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,2011,36(2):107-109,58. Zhang J,Zhu G L,Li Y.Scale effect and optimal scale in object-oriented information extraction of high spatial resolution remote sensing image[J].Science of Surveying and Mapping,2011,36(2):107-109,58.

[9] 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:地球科學,2006,36(11):1044-1051. Chen J Y,Pan D L,Mao Z H.Optimum segmentation of simple objects in high-resolution remote sensing imagery in coastal areas[J].Science in China Series D:Earth Sciences,2006,49(11):1195-1203.

[10]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,2011,26(1):96-102. Chen C L,Wu G.Evaluation of optimal segmentation scale with object oriented method in remote sensing[J].Remote Sensing Technology and Application,2011,26(1):96-102.

[11]魯恒,李永樹,唐敏.面向對象的山地區域多源遙感影像分割尺度選擇及評價[J].山地學報,2011,29(6):688-694. Lu H,Li Y S,Tang M.Evaluation and selection of segmentation scale with object-oriented method in multiple source remote sensing image of mountain areas[J].Journal of Mountain Science,2011,29(6):688-694.

[12]陳杰,陳鐵橋,梅小明,等.基于最優尺度選擇的高分辨率遙感影像丘陵農田提取[J].農業工程學報,2014,30(5):99-107. Chen J,Chen T Q,Mei X M,et al.Hilly farmland extraction from high resolution remote sensing imagery based on optimal scale selection[J].Transactions of the Chinese Society of Agricultural Engineering,2014,30(5):99-107.

[13]Benz U C,Hofmann P,Willhauck G,et al.Multi-resolution,object-oriented fuzzy analysis of remote sensing data for GIS-ready information[J].ISPRS Journal of Photogrammetry and Remote Sensing,2004,58(3/4):239-258.

(責任編輯： 陳理)

Selection of best-fitting scale parameters in image segmentation based on multiscale segmentation image database

ZHANG Tao1, YANG Xiaomei2, TONG Liqiang1, HE Peng1

(1.ChinaAeroGeophysicalSurveyingandRemoteSensingCenterforLandandResources,Beijing100083,China; 2.StateKeyLaboratoryofResourcesandEnvironmentalInformationSystem,InstituteofGeographicSciencesandNaturalResourcesResearch,CAS,Beijing100101,China)

Finding the best-fitting parameters in image segmentation is of great importance for object-oriented information extraction. The try-and-error strategy and visual analysis on multiresolution segmentation are widely used in real practice, but they cannot analyze a large number of segmentation results. This paper proposes a procedure for picking segmentation parameters based on multiresolution segmentation image database and visual analysis. The experiment of multiresolution segmentation on SPOT5 image shows that the proposed procedure is capable of finding the best fitting parameters. The procedure is more efficient and effective than the traditional try-and-error strategy, and there is good potential for the procedure to be used in practical image analysis application.

remote sensing; multiscale; image segmentation; scale optimization

10.6046/gtzyyg.2016.04.09

張濤,楊曉梅,童立強,等.基于多尺度圖像庫的遙感影像分割參數優選方法[J].國土資源遙感,2016,28(4):59-63.(Zhang T,Yang X M,Tong L Q,et al.Selection of best-fitting scale parameters in image segmentation based on multiscale segmentation image database[J].Remote Sensing for Land and Resources,2016,28(4):59-63.)

2015-02-13；

2015-04-28

國家自然科學基金創新群體項目“地理時空數據分析”(編號： 41421001)和中國地質調查局地質礦產評價項目“全國自然資源遙感綜合調查與信息系統建設”(編號： 121201203000160011)共同資助。

TP 75

A

1001-070X(2016)04-0059-05

張濤(1983-)，男，博士，高級工程師，主要從事資源環境遙感應用研究。Email: zhangtpaper@qq.com。

楊曉梅(1970-)，研究員，主要從事遙感智能計算方法和海洋海岸帶遙感應用研究。Email： yangxm@leris.ac.cn。