[发明专利]融合多定量评价指标的遥感影像最优分割结果确定方法

权利要求书

1.一种融合多定量评价指标的遥感影像最优分割结果确定方法，其特征在于，依次包括以下步骤：

(1)图像分割：对高分遥感数据进行处理，获得研究区域的遥感影像，并对遥感影像进行影像分割，得到分割结果集；

(2)整体评价：计算步骤(1)得到的分割结果集的GS值，根据GS值大小，确定遥感影像分割参数的尺度参数区间；利用尺度参数区间计算分割结果集的E值，根据E值大小确定出初步最优分割结果集；

(3)整体细化：将初步最优分割结果集按对应的分割参数进行融合分割，确定出遥感影像整体最优分割结果；

(4)全局评价：计算影像整体最优分割结果中分割对象的H值，筛选出欠分割对象集、过分割对象集和保留分割对象集；

(5)全局细化：将欠分割对象集进行再分割，将过分割对象集进行合并，分别得到细化后的分割结果，并将细化后的分割结果与保留分割对象集进行联合，得到细化后分割结果集，并利用改进的GS值进行评价，确定出全局最优分割结果；

其中，所述步骤(2)中，对遥感数据进行整体评价的过程如下：

①采用多尺度分割算法进行影像分割，改变尺度参数获得25个分割结果，尺度参数区间的范围是0-250，尺度参数步长设为10，并计算所分割结果的GS值，选取其最小值对应的尺度参数S，在此尺度参数S向左右区间各扩充50，得到一个尺度参数区间；

其中，GS值计算公式如下：

式中，a_i和v_i分别代表分割结果内部对象i的面积及方差，n为分割结果内部对象个数，y_i和y_j分别代表分割结果内部对象i和j的灰度均值，为整幅影像的灰度均值，当i和j邻接时，邻接系数ω_ij为1，否则为0，其中，F_i(x)为wVar和MI在i′波段的归一化值，B为波段总数，下标i＝1,2，……，n；下标j＝1,2，……，n；wVar和MI分别表示加权方差和莫兰指数；

②以步骤①得到的尺度参数区间为限制条件，用多尺度分割算法对研究区域的遥感影像进行影像分割，改变尺度参数获得20个分割结果，尺度参数区间是S±50，尺度参数步长设为5，S表示尺度参数，并计算全部分割结果的E值，其中，E值计算公式如下：

式中，a_j′和b_j′分别为分割结果内部对象i在波段j′中不同像元灰度值，I为由i中两个不同像元灰度值组成的像元对的总数，y表示与分割结果中分割对象x相邻的任一分割对象；x_j′和y_j′为分割结果内部分割对象x和y在波段j′中的灰度均值，B是波段总数；I_x和I_xy分别为分割对象x的边界长度及分割对象x与分割对象y的公共边界长度，a_i为分割结果内部对象i的面积，n为分割结果内部对象i的总数；

③按照I_IP原则从步骤②中计算的E值集中选出三个较大值，确定其对应的尺度参数具体值，记为S1、S2、S3；

其中I_IP的计算公式如下：

I_IP＝(H′(x)-H′(x+Δ))+(H′(x)-H′(x-Δ))

H′(x)-H′(x+Δ)＞0 and H′(x)-H′(x-Δ)＞0

其中，Δ表示x的增量，I_IP表示局部峰值，H′(x)、H′(x-Δ)和H′(x+Δ)分别表x、x-Δ和x+Δ处的一阶导数。

2.如权利要求1所述的一种融合多定量评价指标的遥感影像最优分割结果确定方法，其特征在于，所述步骤(3)中，对初步最优分割结果集进行整体细化的过程如下：

①用多尺度分割算法对步骤(1)获得的初步最优分割结果集进行影像分割，其尺度参数为最大值，其他参数缺省，获得一次分割结果；

②以一次分割结果为专题图层，再用多尺度分割算法对初步最优分割结果集进行影像分割，其尺度参数为中间值，其他参数缺省，获得二次分割结果；

③以二次分割结果为专题图层，再用多尺度分割算法对初步最优分割结果集进行影像分割，其尺度参数为最小值，其他参数缺省，获得三次分割结果，即整体细化后的最优分割结果。