影像分割數(shù)據(jù)質(zhì)量評價與參數(shù)優(yōu)選方法研究

韓希光++劉勇

摘要 針對遙感影像分割數(shù)據(jù)質(zhì)量評價與參數(shù)優(yōu)選問題，本文提出了一種基于頂點距離度量的評價指數(shù)，通過計算匹配分割對象頂點與參考多邊形邊界之間的位置關(guān)系及其距離度量評價影像分割結(jié)果。該方法可使所選最優(yōu)分割數(shù)據(jù)集中的匹配分割對象與參考多邊形之間保持較高的幾何一致性，較大程度地減輕欠分割和過分割效應(yīng)。通過對WorldView 2、QuickBird和ALOS等3個高分辨率衛(wèi)星影像中農(nóng)田、水體、林地和建筑物等多種地物類型的試驗分析，表明多數(shù)最優(yōu)分割數(shù)據(jù)集中匹配分割對象與參考多邊形間的面積重合度達(dá)到70%及以上。本研究可為遙感影像分割數(shù)據(jù)質(zhì)量評價和參數(shù)優(yōu)選提供一種有效方法。

關(guān)鍵詞 影像分割質(zhì)量評價；基于對象影像分析；分割參數(shù)優(yōu)選；頂點距離度量

中圖分類號 P237 文獻(xiàn)標(biāo)識碼 A 文章編號 1007-5739（2017）22-0222-04

近年來，隨著全球性對地觀測系統(tǒng)的快速發(fā)展建設(shè)，人們能夠獲取的遙感數(shù)據(jù)資源越來越豐富，每天達(dá)到TB量級，尤其是高分辨率遙感影像數(shù)據(jù)資源得到快速積累[1]。與此同時，以往發(fā)展起來的目視解譯和基于像元遙感影像處理分析方法已經(jīng)難以滿足及時提取遙感信息的迫切需求。大多數(shù)遙感數(shù)據(jù)資源仍處于閑置狀態(tài)，未能及時從中提取出有用的地理信息[2]?；趯ο笥跋穹治黾夹g(shù)的發(fā)展有望對此提供有效的解決方案[2-3]?；趯ο笥跋穹治龇椒ㄊ紫葘⒂跋襁M(jìn)行分割生成具有光譜或紋理同質(zhì)性的影像對象，并在影像對象的基礎(chǔ)上完成信息提取與分類[4]。遙感影像分割尺度優(yōu)選是決定基于對象影像分析結(jié)果的關(guān)鍵步驟之一。只有在獲得了較高質(zhì)量分割影像對象的基礎(chǔ)上，信息提取與目標(biāo)識別才能獲得理想效果[5]。與參考地物進(jìn)行比較，影像分割尺度較大或較小時會造成對應(yīng)的影像對象發(fā)生無必要的欠分割或過分割[6-7]。欠分割使所得影像對象包含有多種類型的地物，而過分割則使影像對象僅對應(yīng)參考地物的一個局部單元。

客觀評價遙感影像分割質(zhì)量的方法可以分為優(yōu)度法和不一致性法2種[8]。優(yōu)度法不依賴于參考地物，是通過對影像分割對象內(nèi)部某種圖像特征（一般包括影像對象的顏色、形狀、大小、紋理和局部信息熵等特征）的同質(zhì)性和鄰域?qū)ο笾g異質(zhì)性的評價而確定最優(yōu)分割的分割數(shù)據(jù)集[3]。不一致性法是通過參考地理對象與影像分割對象之間的幾何差異性的比較而選取差異性最小的分割數(shù)據(jù)集。不一致性方法又可以分為基于距離和基于面積等2種度量方法[9]。基于距離差異的不一致性法已經(jīng)有了許多研究工作。Lucieer和Stein通過計算參考多邊形每個頂點與匹配分割對象所有頂點間最近距離的均值確定最佳分割尺度[10]。Clinton等根據(jù)參考多邊形邊界拐點與每個匹配對象頂點距離的均值進(jìn)行分割質(zhì)量評價[9]。Zhan等提出了一種通過度量參考多邊形幾何中心與匹配對象幾何中心距離進(jìn)行分割尺度優(yōu)選的方法確定最優(yōu)分割數(shù)據(jù)集[11]。

大多數(shù)方法通過度量匹配對象與參考多邊形頂點間距離或幾何中心點間距離進(jìn)行分割數(shù)據(jù)質(zhì)量評價。比較分割質(zhì)量評價結(jié)果，選取評價結(jié)果最好的分割尺度為最優(yōu)分割參數(shù)。如參數(shù)優(yōu)選方法對欠分割和過分割影響未區(qū)分，最優(yōu)匹配結(jié)果易出現(xiàn)相對嚴(yán)重的欠分割或過分割現(xiàn)象，而欠分割必然導(dǎo)致分類誤差，過分割又不能保證地物空間信息的完整性[12-14]。本文構(gòu)建了一種基于頂點距離度量的分割質(zhì)量評價指數(shù)，該指數(shù)選取的最優(yōu)分割尺度所對應(yīng)分割對象能較大限度地減少欠分割和過分割現(xiàn)象。

1 方法與數(shù)據(jù)準(zhǔn)備

1.1 方法

影像分割結(jié)果的好壞主要體現(xiàn)在分割獲得的影像對象與待提取地理對象之間的吻合程度上[15]。影像分割參數(shù)優(yōu)選可以描述為在一系列影像分割數(shù)據(jù)集中選取影像分割對象與欲提取地理對象之間吻合程度最好的分割數(shù)據(jù)集所對應(yīng)的尺度參數(shù)[16-17]。

選取匹配的影像對象以參考多邊形為基礎(chǔ)。在所有分割對象中，選取與參考多邊形重合面積最大的分割對象為匹配分割對象，以確保匹配對象與參考多邊形之間的一對一關(guān)系[18]。分割多邊形的鋸齒形邊界包含多個頂點。每個頂點相對參考多邊形的位置有3種，即在內(nèi)部、外部和邊界上。當(dāng)匹配對象的所有頂點與參考多邊形邊界線距離之和最小時，匹配對象所對應(yīng)的分割尺度為最優(yōu)尺度。當(dāng)頂點在參考多邊形內(nèi)部或外部時，每個頂點到參考多邊形邊界線的距離長短就表示了欠分割和過分割的程度。距離越大，表示欠分割或過分割現(xiàn)象越嚴(yán)重。

參考多邊形與影像分割對象之間的空間關(guān)系可以概括為3種（圖1）。其中，分割對象頂點與參考多邊形的位置關(guān)系根據(jù)點與多邊形鄰近關(guān)系判定，點與多邊形間距離為零表示點在多邊形內(nèi)部或邊界上，非零表示點在多邊形外部。實線和虛線分別代表參考多邊形和分割對象。虛點線為匹配分割對象頂點到參考多邊形的距離線段。實心圓表示匹配影像對象的頂點在參考多邊形外部，空心圓表示匹配影像對象的頂點在參考多邊形內(nèi)部。圖1（a）表示分割尺度較小，分割結(jié)果趨于“過分割”；圖1（b）表示分割尺度較大，分割結(jié)果趨于“欠分割”；圖1（c）表示分割尺度趨于適當(dāng)，“欠分割”和“過分割”現(xiàn)象均有。

頂點距離法是根據(jù)累積的頂點距離的大小來評價分割質(zhì)量。頂點距離指數(shù)的計算公式：

d1=■■d1i；

d2=■■d2i；

D=■。

式中，n1和n2分別表示匹配分割對象的頂點在參考多邊形內(nèi)部和外部的個數(shù)；d1i和d2i分別表示在參考多邊形內(nèi)部和外部第i個頂點與參考多邊形邊界線的距離（d1i為0表示該點在參考多邊形邊界線上，此時不參與計算）。其中點與線段的最短距離分2種情況：點到線段的垂線距離（如d1i）或點到線段端點的距離（如d2i）；d1和d2分別表示在參考多邊形內(nèi)部和外部匹配分割對象的頂點到參考多邊形的平均距離。d1較大，說明分割尺度偏小，分割結(jié)果出現(xiàn)較嚴(yán)重的過分割現(xiàn)象；d2較大，說明分割尺度偏大，分割結(jié)果出現(xiàn)較嚴(yán)重的欠分割現(xiàn)象。D綜合了分割結(jié)果的過分割和欠分割情況。D值越小，說明分割結(jié)果與參考多邊形匹配越好。D值最小時的分割數(shù)據(jù)集所對應(yīng)的分割尺度為最優(yōu)分割尺度。endprint