[发明专利]遥感图像多尺度分割及分割结果的层次结构表示方法

权利要求书

1.一种用于遥感图像多尺度分割的方法及分割结果的层次结构表示方法，其特征在于包括以下步骤：

步骤1，在遥感图像分割前，对遥感图像降噪并采用梯度算子简化图像，形成梯度图像；

步骤2，对步骤1形成的梯度图像进行分水岭分割，形成初始分割结果；

步骤3，扫描初始分割结果，生成初始分割区域层次结构，并以此结构作为产生其他尺度分割结果的基础；

步骤4，制定区域合并准则，该区域合并准则针对初始分割尺度和之后的分割尺度采用两种不同的合并代价函数；对初始分割结果采用由灰度均值相似度和纹理相似度加权组成的合并代价函数，这样有效的减少了区域“同谱异质”而造成的错误合并；对于其他尺度分割结果，采用由合并图斑的光谱异质性参量和形状异质性参量两部分构成的合并代价函数；区域合并过程与传统人为设置阈值的合并过程不同，本方法以该层次区域在合并过程中前面几次合并中，对应合并代价函数的区域特征的统计变化均值作为自动阈值，当前合并产生的特征量变化值与之比较，判断是否达到最终的合并状态，这样就自动化完成该层区域的合并；

步骤5，对初始的分割结果实施区域合并，合并结束后，扫描合并后的结果，生成新的尺度的分割区域层次，建立该层次的层次结构；

步骤6，对当前层次继续进行区域合并，不断得到新的尺度的分割区域层次，直到满足需求；其中不同尺度层次间分割区域层次结构不仅包含了该层次中区域间关系，更构建了层次间区域联系，并且，不同尺度层次间分割区域的边界是重合的。

2.根据权利要求1所述的方法，其特征在于步骤1中所述梯度算子为多尺度形态学梯度算子。

3.根据权利要求1所述的方法，其特征在于所述初始分割结果是对初始的分割区域完成区域标识；所述区域标识是指对每个区域赋予唯一的标识值。

4.根据权利要求1所述的方法，其特征在于所述层次结构包括本层区域队列、区域邻接关系队列。

5.根据权利要求4所述的方法，其特征在于所述区域队列存储本层中所有分割区域信息索引，指向的区域信息包括：区域编号、区域内点位置队列、区域邻居队列，子区域队列、区域均值特征、区域方差特征，其中，所述子区域队列在初始分割层次结构中并不存在；

所述区域邻接关系队列存储本层中所有相邻区域的连接信息索引，指向的连接信息包括：邻接关系编号、邻接距离、邻接区域R_A和邻接区域R_B。

6.根据权利要求1所述的方法，其特征在于步骤2中采用分裂合并的分割方法代替分水岭分割方法。

7.根据权利要求1所述的方法，其特征在于：

根据该方法得到的多尺度分割层次结构与多尺度分割结果可以实现不同尺度分割结果的快速切换和访问。