[发明专利]一种新的高分辨率遥感影像的最优分割尺度自动选择方法

摘要

本发明公开了一种新的高分辨率遥感影像的最优分割尺度自动选择方法，利用多尺度MRF模型，建立高分辨率影像的多尺度分割模型，同时对影像层次分割和影像平面分别建模，描述层与层对象之间的上下文信息以及同一层中对象之间的空间依赖关系。将对象的光谱、颜色、纹理及拓扑关系等基本特征，归一化到马尔可夫随机场中，通过概率信息收敛计算，实现了一种计算机可自动进行全局最有分割尺度选择方法，参数选择计算和推断工程实现了计算机自动进行，获得理论上的最优分割尺度参数。该技术具有分割质量精度高、自适应性强和计算效率高的优点。

主权项

1.一种新的高分辨率遥感影像的最优分割尺度自动选择方法，其特征在于，包括以下步骤：输入：影像下的图D＝(V,E,W)，其中V、E和W分别代表了图D的顶点集、边集和相似度矩阵；输出：最优尺度分割的影像、全部尺度分割参数；步骤1、利用分水岭方法得到过分割的影像，作为最细粒度的分割影像D0；步骤2、提取上述影像中对象的光谱、颜色、纹理的特征值；步骤3、使用期望最大化EM算法估计GMM参数α_k表示第k类高斯模型的权重；μ_k和分别是GMM第k类均值和方差；步骤4、执行步骤3‑4：1)在第l层MRF模型中，计算对象消息在MRF节点之间进行迭代传递，直至全局概率收敛，即式中，表示在第t步中影像D节点(X，Y)的转移概率；上式表明，当相邻两步的转移概率小于特定ε时，迭代计算结束；2)利用MAP准则，得到聚类对象标号的估计值：上式中，对象节点y_ω的标号根据对象置信度按照MAP准则估计；步骤5、在MRF模型的最精细层，运行标准置信传播BP算法，利用BP算法更新公式和置信度计算公式b_i(y_i)＝kφ_i(y_i)∏_j∈N(i)m_ji(y_i)进行迭代，直到收敛，然后根据MAP准则，逐像素估计标号值:其中，m_ij表示从标号节点i传递到标号节点j的消息，表明标号节点j对标号节点i当前状态的影响；k是一个归一化常量；N(i)\j表示节点i的所有邻域节点，但不包括节点j；b_i(y_i)表示节点i的近似边缘后验概率；似然函数φ_i(x_i,y_i)为节点i的局部证据，表示观察节点i取标号y_i的条件概率，反映了i处的x_i和y_i统计依赖性，这里采用高斯混合模型建模；ψ_ij(y_i,y_j)是对象节点(y_i,y_j)的势能量函数；对象节点y_i的标号根据对象置信度按照MAP准则估计。