遥感图像分割参数选择的程序设计

第一章绪论

1.1研究意义
随着遥感影像获取技术的不断发展，现代遥感技术已经覆盖了大气窗口的所有部分，遥感数据获取的类型和实时性、准确性大大提高，特别是高分辨率遥感影像开始广泛的应用。随着我国经济的高速发展，我国的遥感事业也取得了长足的进步，正在建设的高分辨率对地观测系统将形成全天候、全天时、覆盖全球的对地观测能力将为我国的农业、资源、环境、灾害预防以及国防建设等领域提供信息服务和决策支持。遥感影像获取技术的发展为遥感应用提供了大量的高空间分辨率遥感影像数据，这些高空间分辨率遥感影像数据比以往中低空间分辨率遥感影像信息更加丰富多样，地物结构和分布信息更加精细，在地质地理、水文气象、资源环境等许多领域得到了广泛的应用。但是，高空间分辨率遥感影像的数据量巨大，同时，"同物异谱"、"同谱异物"现象依然明显 。
因此，要在海量遥感数据中进行高精度高效率的遥感影像信息提取就要解决这些技术难题。遥感影像信息提取方法主要有两大类：基于像元的方法、基于对象的方法。对于高分辨率影像的信息提取方法，传统的基于像元的方法，如监督分类、非监督分类等分类方法，其适用性虽然有一定的提高，但是面对海量影像数据，传统方法的处理速度和准确性已经不能满足要求，因此，基于对象影像信息提取方法进入到快速发展的阶段"。基于对象的影像信息提取方法是将遥感影像分割成一系列对象，应用影像分割对象的光谱、大小、形状、纹理、拓扑关系和上下文关系等属性特征将对象分类，从而获取准确的影像分类结果。基于对象的信息提取方法其基本处理单元不再是单个像元，而是由多个像元构成的分割对象，这些分割对象比像元具有更多的语义信息，如拓扑关系、纹理信息、几何信息等，同时，光谱信息也更加丰富和有效。基于对象的信息提取方法总体可分为两步，首先是影像分割，将遥感影像分割成内部特征属性相对均一、相互之间属性有所差异的一系列分割对象；第二步是分类识别，即是根据分割对象丰富的属性特征，建立合理有效的分类规则集，将分割对象中所需要的类别提取出来。其中，影像分割是基于对象影像分析的基础和关键，影像分割的精度和效果直接决定后续的分类过程的准确性和可信度。因此，如何有效地确定影像分割的最优参数一直是基于对象影像分析的一个难点。
基于区域不一致性度量的方法是在对比参考矢量对象和影像分割对象的基础上提出的差异性方法，该方法深入研究了过分割和欠分割在分割结果评价体系中的作用，认为欠分割会造成分类的误差，而过分割却可以通过建立适宜的分类规则集有效地解决，因此，好的分割结果应当是过分割较小且没有欠分割。本文在研究了遥感影像多尺度分割的典型算法后，通过对ENVI/IDL和ArcGIS进行集成式二次开发，利用ENVIEX的分割算法和ArcGIS的空间分析功能，编程实现了基于区域不一致性度量的最优分割参数选择。ENVI EX的分割算法是对影像梯度图进行分水岭变换从而获得影像的分割结果。在ArcGIS中通过建立模型实现了对参考矢量对象和影像分割对象的空间叠置分析，进而计算出差异性指标。本文用30米分辨率的Landsat TM影像多光谱数据和10米分辨率的ALOS影像多光谱数据分别进行实验。由于分水岭变换的敏感性，造成分割结果中存在严重的过分割现象，使得基于区域不一致性度量的方法产生了局限性。针对基于分水岭变换的分割算法，提出了改进的基于区域不一致性度量的最优分割参数选择方法，并通过实验验证了该改进方法的有效性。

1.2国内外研究现状
近年来，随着基于对象影像分析的发展，许多研究都用该方法进行分类并获得了较高的分类精度，从而逐渐推广到应用领域。许多遥感软件和地理信息系统软件中也对基于对象影像分析功能进行幵发和应用，eCognition软件、ENVIEX软件的特征提取流程（Feature Extraction Workflow)禾B ERDAS软件的Objective模块都能够实现基于对象的影像信息提取。基于对象影像分析方法中影像分割是基础和关键步骤，对于影像分割，目前的研究主要是分割算法研究和最优分割参数选择研究。
1.2.1影像分割方法
关于影像分割的方法非常多，已经提出了分割算法已经超过了 1000多种，然而却没有一种分割算法能够适用于所有的影像。遥感影像是具有地理信息特征的影像，同时遥感影像还有多尺度、多光谱、覆盖范围广以及所涵盖的地物类型丰富等特点，因此，对于遥感影像的分割一直是研究的难点和热点。近年来，对于遥感影像的分割研究取得了较大的发展。等（2000)提出的基于异质性最小原则的区域合并算法，是一种区域增长和合并的方法提出的基于影像梯度图分水岭变换的影像处理方法。陈秋晓等（2006)等提出了一种基于局域同质性梯度的分割方法，并与多分辨率分割方法进行了比较。罗林（2007)提出了一种基于数学形态学和模糊聚类算法的图像分割方法张振勇（2007)等使用多尺度分割方法，建立了多尺度等级网，对地物信息分层次进行提取李晓飞等（2008)提出了一种基于形态学和小波分析相结合的遥感图像边缘检测方法，在有效抑制噪声的同时，实现了边缘的精确定位。陈婷婷（2008)提出了基于模糊形态学和改进的分水岭算法对影像进行分割。谭玉敏等（2010)提出一种融合边缘特征的区域分割算法，综合考虑遥感图像的光谱和空间特征。蒋璐璐等(2010)提出一种基于ISODATA聚类和标记分水岭的分割方案。林卉等(2011)提出基于分水岭算法和异质性最小区域合并算法相结合的快速分割方法[22]。

    1.3 论文主要工作 ......................12-13
    1.4 论文结构 ......................13-15
第二章 遥感影像多尺度分割典型算法 ......................15-22
    2.1 影像分割方法概述 ......................15-16
    2.2 多尺度分割与尺度空间 ......................16-17
    2.3 基于异质性最小原则的区域合并算法 ......................17-18
    2.4 基于影像梯度图的分水岭变换算法 ......................18-21
    2.5 小结 ......................21-22
第三章 遥感影像分割最优参数选择方法 ......................22-29
    3.1 过分割与欠分割 ......................22-24
        3.1.1 匹配对象 ......................22-23
        3.1.2 过分割与欠分割 ......................23-24
    3.2 差异性度量指标 ......................24-28
    3.3 最优分割的检验 ......................28
    3.4 小结 ......................28-29
第四章 最优分割参数选择的程序设计 ......................29-37
    4.1 程序设计环境 ......................29-31
    4.2 程序总体框架 ......................31-32
    4.3 全尺度分割模块 ......................32-34
    4.4 分割结果评价模块 ......................34-36
    4.5 分割结果评价模块 ......................36
    4.6 小结 ......................36-37
第五章 多尺度分割实验 ......................37-47
    5.1 实验区与实验环境 ......................37-38
    5.2 实验步骤 ......................38
    5.3 实验数据分析 ......................38-46
    5.4 实验结论 ......................46-47
第六章 最优分割参数选择实验 ......................47-63
    6.1 研究区与实验环境 ......................47-49
    6.2 实验步骤 ......................49-50
    6.3 实验数据分析 ......................50-62
        6.3.1 对TM影像的计算结果分析 ......................50-56
        6.3.2 对ALOS影像的计算结果分析 ......................56-62
    6.4 实验结论 ......................62-63

总结

基于对象的影像信息提取技术比传统分类方法性能优越，广泛用于遥感影像分类。作为基于对象影像信息提取的基础，影像对象分割是必不可少的环节和关键。如何确定一个最优的分割尺度也是当今行业内研究的热点。改进的基于区域不一致性的最优分割尺度参数选择方法，是将分割对象和参考对象进行比较，在使用差异性法选择影像分割最优参数时，对象的几何差异和代数差异是最适宜的差异性度量指标。本文用遥感与GIS集成化程序设计的方法，编程实现最优尺度参数的选择，并用多组数据对改进的基于区域不一致性的最优尺度参数选择方法进行验证。本文的具体工作包括：
(1)针对最优分割参数选择理论和ENVI、 ArcGIS等软件进行二次开发的特点，设计适合的系统结构。在ArcGIS toolbox环境中对IDL语言编写的程序进行调用，实现遥感影像分割，获得所需尺度的分割对象。通过ArcGIS ModelBuilder中构建模型，并调用IDL程序和Python脚本程序，实现不同分割尺度下的和计算与输出。汇总计算结果，选出最优尺度参数。并对分割结果进行讨论。
(2)本文对典型的遥感影像分割算法进行了讨论，并讨论了多尺度分割中尺度的意义和作用。通过实验获得了基于分水岭变换的多尺度分割结果的其矢量边界具有不严格的继承性，大尺度分割结果的边界在小尺度分割结果中一定出现，大尺度分割对象是小尺度分割对象合并的结果，小尺度分割对象是大尺度分割对象分裂的结果。

参考文献

[1]梅安新,彭望碌，秦其明等.遥感导论[M].北京:高等教育出版社，2001.
[2]刘勇卫,贺雪鸿译，日本遥感研究会编.遥感精解[M].北京:测绘出版社，1993.
[3]陈秋晓,陈述彭，周成虎等.基于局域同质性梯度的遥感图像分割方法及其评价[J].遥感学报，2006,10(3) :357-365.
[4]关元秀,程晓阳.高分辨率卫星影像处理指南[M].北京:科学出版社，2008.
[5]赵英时.遥感应用分析原理与方法[M].北京：科学出版社，2003.
[6]朱述龙，张占睦.遥感图象获取与分析[M].北京：科学出版社.2000.
[7]常睿春.基于模糊遗传算法和核主成份分析的遥感图像处理研究[硕士论文].成都理工大学，2008.
[8]周成虎，高分辨率卫星影像地学计算[M].北京:科学出版社，2009.
[9]罗希平，田捷，诸葛婴等.图像分割方法综述[J].模式识别与人工智能.1999,12(3):300-312.
[10]张春晓，侯伟,刘翔等.基于面向对象和影像认知的遥感影像分类方法一以都江堰向峨乡区域为例[J].测绘通报,2010, (4) :11-14.