[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

说明书

本发明公开了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，首先对遥感影像进行影像分割，得到分割结果集；然后计算分割结果集的GS值，确定遥感影像分割参数的尺度区间参数；利用尺度区间参数计算分割结果集的E值，根据E值大小确定出初步最优分割结果集；接着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，并筛选出欠分割对象集、过分割对象集和保留分割对象集；最后将上述三个对象集进行联合，并利用改进的GS值进行评价，确定出全局最优分割结果。本发明能够克服现有的遥感影像最优分割结果确定中用单一指标评价带来的不确定性问题，提高遥感影像分割结果的客观性、实用性和可靠性。

技术领域

本发明涉及遥感图像处理技术领域，尤其涉及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。

背景技术

随着高分辨率遥感平台的不断增加和完善，高分遥感数据越来越多，被广泛应用于土地遥感监测、自然灾害监测、农情监测和生态修复等行业中。高分遥感数据因具有高空间分辨率、高清晰度、信息量丰富及数据时效性强等优点，可以在获得丰富的地物光谱信息的同时获取更多的地物结构、形状和纹理等细节信息，使在较小的空间尺度上观察地表的细节变化成为可能。传统的基于像元的影像分析方法依靠影像的光谱信息，且停留在像素层次上，过于着眼于局部像素而忽略邻近整片图斑的纹理、结构等信息，必然会严重制约了信息提取的精度。利用该类方法对高分遥感数据进行专题信息提取，已经出现许多不可回避的问题。

国内外学者先后利用面向对象影像分析方法(OBIA，Object-Based ImageAnalysis)对高分遥感数据进行各种专题信息提取，众多实验结果表明，OBIA方法优于传统的基于像元的影像分析方法。当前，OBIA已经成为高分遥感数据信息提取的主流方法，该方法可大致分解为影像分割和对象分类两个关键步骤，影像分割结果的好坏将直接影响后续对象分类。如何找到一个有效方法来评价影像分割结果质量，进而确定出一个最优分割结果用于后期对象分类，是OBIA可靠性的关键所在。现有评价方法大都从某一角度采用相应评价指标来评价分割结果质量进而确定最优分割结果，从实践效果来看，这些方法均具有一定的可靠性，但很难确定哪一种方法性能更优。为此，有效集合各方法的优点，融合多定量评价指标对遥感影像分割结果进行评价，必然会使得最优分割结果确定更加客观有效。

发明内容

本发明的目的在于提供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，能够克服现有的遥感影像最优分割结果确定中用单一指标评价带来的不确定性问题，提高遥感影像分割结果的客观性、实用性和可靠性。

为实现上述目的，本发明采用如下技术方案：

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，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。

优选地，其特征在于：所述步骤(2)中，对遥感数据进行整体评价的过程如下：