[发明专利]遥感影像非监督分割评价方法和装置

说明书

本发明属于遥感影像处理技术领域，公开了一种遥感影像非监督分割评价方法和装置。方法包括获取遥感影像的多个分割对象；根据各个分割对象的面积对各个分割对象的所有波段的平均方差进行加权得到面积加权方差；根据各个分割对象的局部光谱差异和平均光谱差异得到各个分割对象的相对异质性；根据分割对象的数量、遥感影像的波段数量和各个分割对象的相对异质性得到总体异质性；根据面积加权方差和总体异质性得到评价结果。装置包括获取模块、面积加权方差得到模块、相对异质性得到模块、总体异质性得到模块和评价结果得到模块。本发明能避免因传统评价方法造成的过分割或欠分割现象，使影像评价方法得到优化，使评价效果更显著、评价精度高。

技术领域

本发明属于遥感影像处理技术领域，特别涉及一种遥感影像非监督分割评价方法和装置。

背景技术

随着高分辨率遥感技术的快速发展，从遥感影像中可以看清地面上更细小的地理对象，如道路、房屋、汽车等。但是在获得的高分辨率遥感影像中，经常会出现这样一种现象：不同地理对象光谱反射率相同而同一地理对象在遥感图像中具有不同的光谱反射率。由于此种问题的存在，传统的基于像素的影像分析方法在实际应用时表现不佳。而面向对象技术(GEOBIA)由于对对象内的光谱方差敏感性较低，使得其正作为遥感分析的一种新方法得到愈加普遍的应用。面向对象技术可以有效地使用光谱、纹理和语义信息以及地理对象特征来提高后续的分类准确性，涉及到图像分割，信息提取和图像分类等过程。

将遥感图像划分为空间连续和光谱均匀区域的图像分割过程通常被认为是实现面向对象技术的先决条件，因为影像的分割质量直接决定了面向对象技术的性能。目前在遥感影像分析研究领域，提出了许多种分割方法，如深度学习方法，分形网络进化方法，多分辨率递归生成树方法，分水岭分割，光谱分割和多分辨率分割。在上述分割方法中，“尺度”参数用于控制分割对象的大小，并且不同的尺度可以导致不同的分割结果。因此，对于面向对象技术在确定最佳尺度和获得有效分割结果以进行后续分析时，分割质量的评估被认为是分析过程中重要的一步。

由于分割质量已经显示出对面向对象技术的影响，一些学者已经关注图像分割评估方法来确定良好的分割尺度。通常，分割评估方法可以分为三种：视觉分析，监督评估和无监督评估。视觉分析方法涉及用户通过直观地比较多个分割来确定可以产生良好分割的最佳尺度，并且已经应用于若干研究中。然而，该方法的最大问题在于它是高度主观和耗时的，因为需要详细检查一组分割以确定最佳分割，并且意见在最佳分割上变化。监督评估方法通过将分割结果与参考图像进行比较来评估分割，并且该比较涉及计算一些不相似性度量以确定与参考最佳匹配的分割。它是最常用的分割评估策略，因为这种方法可以允许确定用户认为重要的对象的最准确分割。然而，监督评估方法的局限性在于参考图像是通过人类解释生成的，并且参考多边形的创建可能是主观的和耗时的。与视觉和监督评估方法相比，无监督评估方法完全独立于专家知识而不需要参考多边形，并且根据某些测量来评估分割质量，这些测量通常与人类对形成良好分割因子的感知一致。这使得它比其他两种方法更有效，更客观。因此，最近无监督评估方法应用更佳广泛。

无监督评估方法认为良好的分割对象应该具有两个期望的属性：每个对象应该是内部同质的并且应该与其相邻对象分开。因此，大多数无监督评估方法涉及计算对象内同质性和对象间异质性度量，然后将这些值聚合成全局值。例如，现有技术中有的方法使用面积加权方差(area-weighed variance，WV)和全局Moran's I(MI)来计算对象内同质性和段间异质性。尽管这些现有方法有助于选择最佳尺度参数的自动化，但他们忽略了同质性测量是局部评估标准的事实，而异质性测量是全局评估标准。由于同质性和异质性评估标准特性的差异，这可能导致分割结果出现偏差，即过分割或分割不足的结果。

发明内容