變化圖斑檢測參數設置的研究

張明昭

摘要：變化圖斑檢測參數一般認為是由“尺度”、“形狀”、“緊湊度”三要素組合而成。“緊湊度”和“形狀”兩個要素可以在0、1之間任意取值，但在實際變化圖斑檢測參數設置過程中通常被離散化為0、1之間的9個等分點。可以這樣認為：在尺度要素不變的情況下，上述兩個被離散化后的要素最優后時相變化圖斑可以采取窮舉法，在81種可能產生的分割數據集中，將參數代入最優參數組合精度技術參數中去，比較分析并提取出變化圖斑最優參數組合。相比而言，尺度要素的選取要復雜的多。

關鍵詞：波段權重;形狀要素;緊湊度權重;分割尺度

0引言

面對大量高分辨率的多尺度圖斑數據，特別是在高分一、二號，天繪一號，遙感二、五、八、十四、二十四、二十六號，資源三號等一大批國產遙感衛星在國情監測、環保督察、土地監察等方向的廣泛應用的新形勢下，以往主要借助人工“目視解譯”的方式顯然已經不合時宜，借助云計算、人工智能、計算機圖形學等新的變化圖斑檢測手段的創新方興未艾。

1變化圖斑檢測方法一般性流程

從全局角度來說，變化圖斑檢測方法涵蓋目視解譯和面向對象型自動或半自動采集。目視解譯是按照已經成熟借助的經驗和知識，借助特定環境下的解譯標志與多種非遙感資料，對變化圖斑展開綜合分析和邏輯推理，后期得到地物信息的過程。高清遙感圖斑出現之前的解譯通常是原始手動方式或借助判讀儀器來解譯變化圖斑的，也就是目視解譯，后來慢慢成長為由相關變化圖斑自動分割算法配合下的信息采集。其過程首先是借助適當的算法展開變化圖斑補充改善變化圖斑的視覺效果，接下來運用模式識別方法展開變化圖斑自動（或智能）識別，進一步采集變化圖斑的信息，其關鍵是變化圖斑自動（或智能）識別算法和變化圖斑類別的變化圖斑特征選擇。

如圖1所示，常見的變化圖斑自動（或智能）識別手段屬于挖掘像元思維角度，變化圖斑類別的特征是單個像元的值，分類算法計算的對象也是獨立存在的各個像元。但是，上述算法不能處理“不同地物光譜同質性假象”和“同種地物光譜異質性假象”，此外還有“同種地物光譜變異問題”在制圖方面的弊端也無法控制，因此該方法沒有得到廣泛應用。

2變化圖斑機器學習應用現狀

更進一步說，在多尺度變化圖斑檢測機器學習廣泛應用的今天，同高分辨率遙感平臺的不斷擴大和完善一道，高分辨率多尺度圖斑在各行業的應用越來越廣。與空間分辨率的積極性變化一起，常見的多尺度圖斑變化圖斑自動（或智能）識別手段己經不能滿足高分辨率多尺度圖斑的自動（或智能）識別需求。一方面，高分辨率變化圖斑中所包含的地物細節信息非常豐富，涵蓋空間、紋理和上下文信息;在此基礎上，常見的基于像元的思維角度無法快速有效地完成信息采集工作，因此基于對象的變化圖斑分析方法（面向對象的變化圖斑分割質量評價方法）作為多尺度圖斑分析的若干新思維角度被提出，變化圖斑分割質量評價方法的興起速度驚人，是變化圖斑檢測方向很具有吸引力的若干研究方向。變化圖斑分割質量評價方法大體上涵蓋兩大步驟：一是對高分辨率變化圖斑展開分割，產生滿足內部同質性和外部異質性的“變化圖斑對象”或“變化圖斑斑塊”，而這些變化圖斑對象具有各自的光譜、空間、紋理和上下文屬性，如顏色、形狀、大小等等;二是基于分割后的變化圖斑對象的屬性信息，運用模式識別和機器學習方法對其展開自動（或智能）識別，而且讓自動（或智能）識別結果可視化，以滿足一定精度要求的專題地圖的形式呈現出來。

3變化圖斑分割質量評價

在基于對象的變化圖斑分析中，分割結果會反作用于后期的自動（或智能）識別結果。好的分割結果會積極性變化自動（或智能）識別的效率，同時決定自動（或智能）識別精度的上限，是變化圖斑分割質量評價方法基礎而且關鍵的若干環節。在遙感方向，針對有差異應用和目的，有差異的變化圖斑分割算法不斷被提出，而多分辨率分割算法的創新發明被認為是多尺度圖斑分割的若干具有決定意義的創造。該算法在變化圖斑分割時綜合了變化圖斑的光譜信息和空間信息，能產生內部同質性最高的變化圖斑對象，其關鍵參數有尺度、形狀要素、緊湊度要素，這些參數的不一樣組合會產生有差異的分割結果。基于以上分析，如何評價變化圖斑檢測某個參數組合下的變化圖斑分割質量是變化圖斑分割質量評價方法中一定處理的若干問題。