劉毅飛

摘 要：近年來(lái)，多尺度分割技術(shù)在高分辨率遙感影像中得到了廣泛應(yīng)用。因此，本文詳細(xì)分析了多尺度分割技術(shù)的使用背景、概念和技術(shù)原理，研究了改進(jìn)的多尺度分割技術(shù)和最優(yōu)尺度的確定方法。

關(guān)鍵詞：高分辨率遙感影像;多尺度分割技術(shù);最優(yōu)分割尺度

中圖分類號(hào)：P237文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1003-5168（2020）23-0025-02

Abstract： In recent years， multi-scale segmentation technology has been widely used in high-resolution remote sensing images. Therefore， this paper analyzed in detail the background， concepts and technical principles of the multi-scale segmentation technology， and studied the improved multi-scale segmentation technology and the method for determining the optimal scale.

Keywords： high-resolution remote sensing image;multi-scale segmentation technology;optimal segmentation scale

近年來(lái)，遙感技術(shù)發(fā)展迅速，影像分辨率得到顯著提高，人們可以更加清楚地了解地表信息。高分辨率遙感影像處理技術(shù)得到人們的廣泛關(guān)注[1]。但是，高分辨率遙感影像數(shù)據(jù)量明顯，同一地物的不同灰度可能不一致，地理空間過(guò)程具有尺度依賴性[2]。高分辨率遙感影像的特殊特點(diǎn)使得傳統(tǒng)的基于像元的分類方法不能滿足高分辨率影像分類要求[3]?，F(xiàn)階段，面向?qū)ο蟮姆诸惙椒ㄔ诟叻直媛蔬b感影像領(lǐng)域中應(yīng)用最多。該方法的優(yōu)點(diǎn)是分類精度高，傳統(tǒng)方法中的“椒鹽現(xiàn)象”“同物異譜”“異物同譜”現(xiàn)象對(duì)分類精度的影響有效降低[4-5]。

本文談及的尺度是對(duì)空間格局和過(guò)程的描述。地表空間影像復(fù)雜，基元是其重要的組成部分，不同基元之間關(guān)系復(fù)雜，它們不是單純的線性關(guān)系。另外，地表空間影像具有層次結(jié)構(gòu)，每一層都有與之對(duì)應(yīng)的時(shí)空尺度。因此，對(duì)地物進(jìn)行信息提取的關(guān)鍵在于進(jìn)行多尺度分析[6]。

1 多尺度分割技術(shù)

1.1 多尺度分割技術(shù)的原理

在多尺度分割技術(shù)中，保證分割后對(duì)象間的異質(zhì)性達(dá)到最大最為關(guān)鍵[7]，該技術(shù)根據(jù)影像特征，選擇一個(gè)合適的閾值進(jìn)行分割，然后合并分割過(guò)程中產(chǎn)生的相似光譜信息。在多尺度分割過(guò)程中，影像更容易分割，分割的影像范圍更加精確。因地物影像復(fù)雜且層次結(jié)構(gòu)鮮明，影像觀察建立在不同的尺度上，所以若要更加全面地反映對(duì)象特征，多尺度分割技術(shù)必不可少。

1.2 多尺度分割算法

在運(yùn)用多尺度分割技術(shù)時(shí)，合并算法的選擇至關(guān)重要，異質(zhì)性最小的區(qū)域合并算法目前應(yīng)用最為廣泛[8]。在區(qū)域合并算法中，像元首先被合并為較小的影像對(duì)象，影像對(duì)象繼續(xù)合并形成多邊形對(duì)象。通過(guò)不斷合并，各影像的平均異質(zhì)性達(dá)到最小。在分割過(guò)程中，需要注意的是合并的準(zhǔn)則和合并停止的標(biāo)準(zhǔn)，該標(biāo)準(zhǔn)的設(shè)立是為了將對(duì)象內(nèi)部的同質(zhì)性和對(duì)象間的異質(zhì)性兩者統(tǒng)一起來(lái)。合理的標(biāo)準(zhǔn)設(shè)定顯著影響分割后影像的有效性，可以顯著地提高分類精度。

在多尺度分割中，需要遵循的原則是影像對(duì)象權(quán)重異質(zhì)性最小。其間必須考慮光譜因子與形狀因子，因?yàn)樗鼈兛梢员ＷC權(quán)重異質(zhì)性最小[9]。

通過(guò)光譜異質(zhì)性和形狀異質(zhì)性度量準(zhǔn)則綜合確定的尺度參數(shù)將用于量測(cè)對(duì)象間異質(zhì)性改變的最大值。利用此值作為判斷合并與否的標(biāo)準(zhǔn)，若該值的平方小于異質(zhì)性的值，則停止合并。分割時(shí)，光譜因子權(quán)值和形狀因子的使用要根據(jù)具體情況而定。例如，盡量地將光譜因子權(quán)值調(diào)大;形狀因子可以顯著反映那些聚集度較高的影響。影像分割何時(shí)停止的標(biāo)準(zhǔn)由尺度決定，需要重點(diǎn)結(jié)合對(duì)影響分析感興趣的類別屬性。

目前，為了獲得更加清楚的地貌信息，學(xué)者對(duì)多尺度分割算法進(jìn)行了大量研究，從區(qū)域合并的準(zhǔn)則出發(fā)，優(yōu)化原有算法。呂劍鋒[10]從KL散度原理的角度出發(fā)，改進(jìn)多尺度分割算法。改進(jìn)的方法提高了分割率，能準(zhǔn)確識(shí)別地物信息，由此可見，該方法地物識(shí)別效果好。王更[11]引入能夠更好評(píng)估區(qū)域紋理特性的顏色-紋理模型對(duì)傳統(tǒng)的Mean-shift分割算法進(jìn)行改進(jìn)。該算法的最大特點(diǎn)是利用引進(jìn)的區(qū)域紋理模型計(jì)算同質(zhì)性，分割時(shí)依然采用Mean-shift分割算法，改進(jìn)合并代價(jià)函數(shù)進(jìn)行合并。

2 最優(yōu)分割尺度的選擇

在多尺度分割技術(shù)中，最優(yōu)分割尺度十分重要，選擇最優(yōu)的分割尺度可以保證信息提取的精度[12]。常用的最優(yōu)尺度選擇方法有三種，包括均質(zhì)方差法、最大面積法和同質(zhì)指數(shù)與異質(zhì)指數(shù)法。

2.1 均質(zhì)方差法

在均質(zhì)方差法中，均質(zhì)方差作為衡量最優(yōu)分割尺度的標(biāo)準(zhǔn)。均質(zhì)方差取值的大小決定著影像層中的純對(duì)象和對(duì)象間的光譜異質(zhì)性。均質(zhì)方差取值越大，影像分割精度越高。對(duì)象間最優(yōu)分割尺度為均質(zhì)方差的最大值。最優(yōu)分割尺度的確定通過(guò)均質(zhì)方差曲線圖就可確定，具體操作如下：在坐標(biāo)軸中標(biāo)明均值方差值和最優(yōu)分割尺度，觀察對(duì)象均值方差與分割尺度的變化規(guī)律，均質(zhì)方差最大時(shí)的分割尺度為最優(yōu)分割尺度。

2.2 最大面積法

很多學(xué)者利用最大面積法對(duì)地物的分割尺度進(jìn)行計(jì)算，分割結(jié)果也較為理想。面積即為組成對(duì)象的像元數(shù)和像元分辨率的乘積。面積進(jìn)一步細(xì)分，分為最小對(duì)象面積、最大對(duì)象面積和整個(gè)影像的對(duì)象平均面積，最優(yōu)分割尺度即為最大對(duì)象面積。同樣地，以對(duì)象的最大面積和最優(yōu)分割尺度為軸進(jìn)行繪制，觀察曲線的變化形態(tài)，結(jié)合有關(guān)規(guī)律得出最優(yōu)分割尺度。

2.3 同質(zhì)指數(shù)與異質(zhì)指數(shù)法

同質(zhì)指數(shù)與異質(zhì)指數(shù)法用于比較分割結(jié)果的準(zhǔn)確性?；贒efiniens軟件分割后層間的光滑度和緊致度，人們提出了該方法并進(jìn)行了有關(guān)試驗(yàn)，將其作為影像分割是否達(dá)到最優(yōu)分割尺度的判斷方法。其間可以利用相應(yīng)軟件計(jì)算相關(guān)參數(shù)，可以選用的軟件為Definiens軟件和Arc GIS軟件[13-14]。

3 結(jié)語(yǔ)

在高分辨率遙感影像中，多尺度分割技術(shù)的應(yīng)用極大地提升了影像分類與提取效果，影像提取變得更加準(zhǔn)確便捷。多尺度分割技術(shù)應(yīng)用廣泛，各種數(shù)據(jù)都可以采用，它可以同時(shí)處理多波段多通道的數(shù)據(jù)。該方法有效整合各種算法的優(yōu)勢(shì)，影像分類更加精準(zhǔn)，已成為影像分割算法研究領(lǐng)域中一種新興的優(yōu)化方法。在多尺度分割技術(shù)中，最優(yōu)分割尺度的選擇十分關(guān)鍵，是衡量當(dāng)前像元是否合并到相鄰影像對(duì)象上的基本標(biāo)準(zhǔn)。所以，根據(jù)不同地物空間信息和背景信息，如何確定和優(yōu)化分割尺度參數(shù)得到越來(lái)越多的關(guān)注和研究。因此，最優(yōu)分割參數(shù)的選取將成為影響后續(xù)分類提取結(jié)果和決定整個(gè)方法優(yōu)劣成敗的關(guān)鍵，多尺度分割技術(shù)將在高分辨遙感影像中得到更廣泛的應(yīng)用。

參考文獻(xiàn)：

[1]朱光良.IKONOS等高分辨率遙感技術(shù)的發(fā)展與應(yīng)用分析[J].地球信息科學(xué)學(xué)報(bào)，2012（3）：108-110.

[2]陳忠.高分辨率遙感圖像分類技術(shù)研究[D].北京：中國(guó)科學(xué)院研究生院（遙感應(yīng)用研究所），2006.

[3]韋玉春，湯國(guó)安，楊昕.遙感數(shù)字圖像處理教程[M].北京：科學(xué)出版社，2007.

[4]周春艷.面向?qū)ο蟮母叻直媛蔬b感影像信息提取技術(shù)[D].青島：山東科技大學(xué)，2006.

[5]黃志堅(jiān).面向?qū)ο笥跋穹治鲋械亩喑叨确椒ㄑ芯縖D].長(zhǎng)沙：國(guó)防科學(xué)技術(shù)大學(xué)，2014.

[6]孫波中.多尺度分割技術(shù)在高分辨率影像信息提取中的應(yīng)用研究[D].西安：西安科技大學(xué)，2011.

[7]王鵬偉.基于多尺度理論的圖像分割方法研究[D].合肥：中國(guó)科學(xué)技術(shù)大學(xué)，2007.

[8]李敏，崔世勇，李成名，等.面向?qū)ο蟮母叻直媛蔬b感影像信息提?。阂愿靥崛槔齕J].遙感信息，2008（6）：63-66.

[9]肖明堯，李雄飛，張小利，等.基于多尺度的區(qū)域生長(zhǎng)的圖像分割算法[J].吉林大學(xué)學(xué)報(bào)（工學(xué)版），2017（5）：1591-1597.

[10]呂劍峰.高分辨率遙感影像多尺度分割方法研究[D].阜新：遼寧工程技術(shù)大學(xué)，2014.

[11]王更.高分辨率遙感影像多尺度分割算法研究與應(yīng)用[D].徐州：中國(guó)礦業(yè)大學(xué)，2016.

[12]鮑蕾，張志，劉亞林.基于最佳尺度的武漢市土地覆蓋景觀格局分析[J].湖北大學(xué)學(xué)報(bào)（自然科學(xué)版），2009（2）：98-102.

[13]蘇簪鈾，邱炳文，陳崇成.基于面向?qū)ο蠓诸惣夹g(shù)的景觀信息提取研究[J].遙感信息，2009（2）：42-46.

[14]童磊，鄒崢嶸.基于高分辨率衛(wèi)星影像的城市用地信息提取研究[J].測(cè)繪與空間地理信息，2009（2）：135-137.