矢量-栅格叠置分析的影像分割精度评价方法

张世富

(菏泽学院资源与环境系，山东菏泽274000)

矢量-栅格叠置分析的影像分割精度评价方法

张世富

(菏泽学院资源与环境系，山东菏泽274000)

影像分割是面向对象影像分析工作流程的第一个环节，影像的分割精度对影像分类以及分类结果的精度有决定性的影响.使用基于矢量-栅格叠置分析的分割精度评价方法，可以有效避免两者因数据源的不同而引起的面积计算误差.使用该方法与传统方法分别对分割质量指数QR、过分割指数OR、欠分割指数UR与综合测量指数ED 4个评价指标进行计算并对比，表明该方法能更准确地计算分割数据与参考数据的面积差异，提高各评价指标的计算精度，从而可以更准确地对分割精度进行评价.

影像分割;精度评价;空间叠置

近年来，基于对象影像分析(OBIA)已经发展成为遥感影像处理领域中的一个新范式.基于对象影像分析工作流程的第一个环节就是影像分割.在影像分割过程中，影像被分割成一系列内部均质、邻域异质的空间单元，这些空间单元被称之为影像对象［1］.基于对象的影像分析处理单元不再是单个的像元，而是通过影像分割产生的影像对象.因此，影像的分割精度直接关系到后续信息提取的精度［2］.

理论上并不存在最优的影像分割方法，目前虽已提出了上千种算法［3］，但由于尚没有通用的分割理论，对分割技术的评价研究仍很缺乏.对图像分割评价的目的是为了更好地指导、改进和提高图像分割算法的性能，因而对其进行研究有着十分重要的意义［4-5］.

目前，对于分割结果的评价，主要有3种思路［5］:(1)对分割算法评价的分析法;(2)对分割结果进行评价选择最优分割结果的优度实验方法; (3)与已知参考结果进行比较的差异性分析的方法.前2种思路属于非监督的方法，对分割算法评价［6］的分析方法趋向于理论上的评价，最优分割结果与实际应用可能会有所偏差;对分割结果进行评价的优度实验法［7-9］需要对分割结果进行穷举选择，而且参数计算相对较为复杂;与已知参考结果进行比较的差异性分析法是一种监督的分割精度评价方法，具有很好的可行性，不仅与分割算法的内部结构特征无关，而且具有客观性，因此有普遍适用性.差异性分析法是将分割结果与已有参考数据进行对比分析比较两者之间的差异，主要度量方法有基于区域范围度量、基于边界位置度量与混合度量［10］.其中差异性分析方法中基于范围的度量比较常用，也较符合我们的实际应用.

在基于区域范围的度量中最重要的是获取其准确的范围差异(面积差异)，然后通过面积差异计算评价指标对分割精度进行评价.本文介绍基于矢量-栅格叠置分析的方法对影像分割结果与参考数据进行矢量叠置选择与栅格叠置运算，获取其在范围上的更准确的面积差异，从而对分割精度进行更精确的评价.

1 基于矢量-栅格叠置分析的分割精度评价方法

基于面积差异的分割精度评价方法是一种监督的评价方法.在评价过程中需要有一组经验数据作为参考(参考数据)，然后将影像分割产生的矢量多边形文件(分割对象)与参考数据进行空间对比分析.往往分割多边形数据与参考数据并不完全重叠，所以参考数据多边形与分割对象多边形进行对比分析后会产生3种情况(如图1):重叠部分(Overlapped)，参考数据与分割对象相吻合的部分;过分割部分(Over-segmentation)，应该被分割为该对象却被错误分割为其他对象的部分，即参考对象具有而分割对象不具有的部分;欠分割部分(Under-segmentation)，应该被分割为其他对象却被错误分割为该对象的部分，即参考对象不具有而分割对象具有的部分［11-13］.

图1 参考数据与分割对象的对应关系Fig.1 The corresponding relations of the reference data and segmentation data

图2 矢量-栅格叠置分析的分割精度评价流程Fig.2 Flow chart of segmentation accuracy assessment method based on vector-raster overlay analysis

所谓面积差异即上面提到的过分割部分与欠分割部分.首先我们要计算重叠部分、过分割部分以及欠分割部分的面积，然后根据这三部分面积计算各种评价指标对影像分割精度进行评价，重叠部分面积、过分割面积与欠分割面积计算的准确程度直接影响到评价指标的计算结果以及影像分割精度评价的精度，所以如何精确地计算重叠部分面积、过分割面积与欠分割面积是基于面积差异影像分割精度评价最基本的环节也是最重要的环节之一.

1.1 方法综述

分割数据即影像经过分割算法分割成一系列内部均质、邻域异质的空间单元，这些空间单元根据分割参数的不同设定最小为可为单个像元，最大可包括整景影像.最理想情况是影像中特定地物类型能用一个或几个对象来表达，对象大小与地物目标大小接近，对象多边形即不能太破碎，也不能边界模糊，且地物类别内部对象的光谱变异较小.分割数据的边界由以上所述空间单元内的像元边界合并得到，多成锯齿状.

参考数据可理解为真实地物的边界，即在人类认知中为基本的、不可分割地理单元，并且可以很容易从周围环境中区分出来.参考数据可以通过实地考察获取，也可以由分类结果以及从高分辨率影像中数字化得到.

由于分割数据边界由像元合并而成，多为锯齿状;而参考数据边界多由人工采集(实地采集，手动数字化)得到，边界较为平滑.所以在对参考数据与分割对象多边形进行叠置分析时，即使两者边界相同也会由于边界不能完全吻合而产生面积计算上的偏差.所以为得到更准确的过分割与欠分割面积需要对分割数据与参考数据的分辨率进行统一.

基于矢量-栅格叠置的分割精度评价方法使用2次空间叠置分析来计算过分割、欠分割以及重叠部分面积.首先使用矢量叠置分析选择与参考数据相匹配的分割多边形;然后进行矢量栅格转化，以界定的区域将参考数据与分割数据转化为与分割影像分辨率相同的栅格文件，达到统一分辨率的目的;最后进行栅格叠置分析，计算过分割、欠分割以及重叠部分面积.具体实现过程如图2所示.

1.2 矢量叠置分析

由于分割数据由整景影像分割而成，而参考数据为影像中的典型地物或典型区域，所以首先要选取与参考数据相匹配的分割多边形(即参考数据中地理单元所对应的分割对象的集合)，采用面积比值法选取匹配多边形，即与参考数据重叠部分面积大于自身面积50%或大于参考多边形面积50%的分割对象多边定义为匹配多边形.在选择过程中要分别计算其面积，为减少不必要的计算，首先选择与参考多边形具有相交关系的分割多边形，再使用面积比值进行二次选择.

1.3 矢量转栅格

由于分割多边形边界由同质像元合并而来，边界为像元边界的合并，多为锯齿状，而参考多边形由人工采集得到，边界较为平滑，为避免由于边界误差引起的面积差异而导致所计算出的评价指标产生偏差，需要对分割数据域参考数据进行统一分辨率，方法中将矢量文件转换为与分割影像像元分辨率相同的栅格文件，再进行栅格叠置分析可以得到准确的面积参数.在矢量转栅格过程用要确定栅格图层的范围，否则转换得到的栅格图层会没有边界，通常使用分割前影像的边界作为栅格图层的范围，我们称之为研究区范围.

在矢量转栅格前我们先定义一个“value”属性字段，将参考数据多边形的“value”属性字段赋值为1，将分割对象多边形的“value”属性字段赋值为2，并以“研究区范围”作为边界对矢量图层进行更新运算确定图层边界，经过矢量转栅格后栅格图层范围与研究区范围一致.

然后对矢量文件进行矢量转栅格运算(二值化运算).将栅格大小设置为与分割影像像元大小相同，在矢量转栅格过程中计算每个栅格的中心，如果该栅格的中心落在多边形范围内则将栅格的属性赋值为已定义的“value”字段的属性，如果栅格的中心没有落在多边形范围内则将栅格属性赋值为0.这样在以研究区范围为边界的栅格文件中由多边形转换产生的栅格属性为开始所赋的“value”值，其余栅格属性为0，便于栅格叠置分析.

1.4 栅格叠置分析

最终需要从空间分析结果中得到3个参数来计算评价指标，即重叠面积、过分割面积(参考多边形面积与相交面积之差)、欠分割面积(分割多边形面积与相交面积之差)［11］，通过前文所赋“value”值进行叠加运算就可将三部分面积区别开来.

将匹配多边形转换为的栅格图层与参考数据多边形转换为得到的栅格图层进行叠加运算得到栅格叠置结果，经过栅格叠加运算后，重叠部分对应的栅格属性为参考对象多边形与分割对象多边形属性之和，即为3;过分割部分栅格属性为1、欠分割部分栅格属性为2.可以根据栅格的属性值提取相应的栅格数量，然后分别计算三部分面积.

1.5 空间数据属性读取与统计分析

空间分析结束后，需要读取分析结果属性表中的面积参数以计算评价指标.由栅格叠置分析可知在栅格叠置结果中“value”值为1的像元个数为过分割部分的面积、“value”值为2的像元个数为欠分割部分的面积、“value”值为3的像元个数为重叠部分的面积，分别读取各部分的像元个数后根据矢量转栅格时设定的像元分辨率可以得到各部分准确的面积并计算遥感影像分割精度评价指标.

目前主要的遥感影像分割精度评价指标有［11］:分割质量指数(QR，Quality of Segmentation Rate)、过分割指数(OR，Over Segmentation Rate)、欠分割指数(UR，Under Segmentation Rate)以及综合测量指数(ED，Euclid Distance).

ri为参考数据多边形，i=1，2，3，…，m;sj为分割对象多边形，j=1，2，3，…，n;o-s为过分割部分;u-s为欠分割部分;c-s为重叠部分.

通过以上参数可以对影像的分割精度进行评价，并确定最优分割结果，对影像进行后续分析.

2 案例分析

文中采用矢量-栅格叠置分析方法与传统的直接进行对比方法对同一组分割数据计算评价指标并进行比较，验证哪种方法得到的结果精度更高.

案例中研究区为宁夏回族自治区中卫市的Landsat5 TM影像742假彩色合成(图3)，拍摄日期为2009年8月6日.使用德国Definiens Imaging公司开发的智能化影像分析软件eCognition对影像进行分割，分割尺度为15，形状因子与紧凑度因子均为0.1～0.9，共产生81组分割结果.参考数据为从同区域QuickBird影像中手工数字化该地区的一类主要地物—耕地，参考数据含有30个样本，为得到准确的评价结果，样本中尽量包含耕地中不同种植类型、不同面积的地块.

图3 研究区域位置示意图Fig.3 Schematic diagram of the study area location

图4展示一组典型的分割数据与参考数据的对比，黑色实线为影像分割为参考数据，由从同年份的QiuckBird影像中手动数字化得到(图5)，白色实线为影像的分割数据中与参考数据相匹配的多边形.由于参考数据与分割数据数据源的分辨率不同，会导致数据的边界不吻合，导致所计算的面积差异存在误差.图6为使用传统的方法直接将参考数据与分割数据进行叠加所得结果，图7为使用矢量-栅格叠置分析的方法对数据进行处理所得结果，对比可见区域左侧由于边界不吻合而造成的面积差异得到很好的修正，其他区域也得到了改善.对该分割对象进行统计分析如表1所示，虽然使用矢量-栅格叠置分析方法所得结果的过分割面积有所增加，但欠分割面积与重叠面积以及QR、OR都得到了很大的改善，综合评价指标ED也表明使用矢量栅格叠置分析方法可以使分割数据域参考数据有更高的吻合度，有效避免因边界不吻合而产生的差异面积计算偏差.以上仅对单个对象进行分析，本文下面对81组分割数据使用30组参考数据分别计算上述4个评价指标并进行对比分析.

图4 分割数据Fig.4 Segmentation data

图5 参考数据Fig.5 Reference data

图6 传统叠置方法Fig.6 The results of the traditional overlay method

图7 基于矢量-栅格叠置方法Fig.7 The results based on vector-raster overlay analysis

表1 示例对象分析统计表Tab.1 Analysis and statistics of the sample objects

最后，分别使用传统的叠置分析方法与基于矢量-栅格叠置分析的分割精度评价方法对分割数据与参考数据进行各种评价指标的计算，分别得到QR、OR、UR以及ED 4个评价指标，并对他们分别进行比较，为便于显示2种情况下的差异，对其进行差值运算，统一将传统的分割数据与参考数据直接进行对比计算的方法所得评价指标与基于矢量-栅格叠置分析的分割精度评价方法计算所得评价指标相减得到D-OR、D-QR、D-UR与D-ED，然后进行比较，结果如图8所示.

图8 2种方法计算所得评价指标比较Fig.8 Comparison between evaluation index calculated from two methods

由图8可知，2种计算方法对同一评价指标的计算结果做差值运算后，参与评价的81组分割结果中D-OR、D-QR与D-ED均小于零，D-UR均大于零.D-OR与D-QR小于零表明使用后一种方法比前一种方法得到的结果过分割面积与欠分割面积都有所减少;D-UR大于零表明使用后一种方法比前一种方法得到的结果重叠部分面积有所增加;D-ED小于零表明使用后一种方法进行评价分割结果与参考数据的吻合度更高.

综上所述，使用基于矢量-栅格叠置分析方法可以有效地避免因边界误差引起的面积计算偏差，提高了分割结果与参考数据的吻合度，可以更精确地计算过分割、欠分割以及重叠面积，从而可以提高评价精度.

3 结论与展望

本文使用矢量-栅格叠置分析建模的方法对基于对象的影像分割精度评价中重叠面积、过分割面积以及欠分割面积进行了准确的计算，克服了单纯使用矢量叠置分析计算时由于边界不吻合而造成的面积计算偏差，提高了分割精度评价的准确性.本文在矢量转栅格进行上个属性赋值时采用的方法是栅格中心定位，个别情况下可能与实际有些偏差，以后可以对此进行进一步研究，采用更合理的方式对栅格进行属性赋值，提高精度评价的准确度.

当然过分割以及欠分割面积的计算只是分割精度评价中一个环节，评价指标的选取对分割精度评价的准确性也有着重要的影响.在影像分割精度评价过程中既要准确地计算重叠面积、过分割面积以及欠分割面积，并且要选取合适、可靠的精度评价指标才能对其进行准确的评价.

［1］Benz U，Hofmann P，Willhauck G，et al.Multi-resolution，object-oriented fuzzy analysis of remote sensing data for GIS-ready information［J］.ISPRS Journal of Photogrammetry and Remote Sensing，2004，58(3-4):239-258.

［2］Pal N R，Pal S K.A review on image segmentation techniques［J］.Pattern Recognition，1993，26(9):1272-1294.

［3］陈忠.高分辨率遥感图像分类技术研究［D］.北京:中国科学院遥感应用研究所，2006.

［4］明冬萍，骆剑承，周成虎，等.高分辨率遥感影像特征分割及算法评价分析［J］.地球信息科学，2006，8(1):103-109.

［5］章毓晋.图像工程(中册):图像分析［M］.2版.北京:清华大学出版社，2006.

［6］章毓晋.图像分割评价技术分类和比较［J］.中国图像图形学报，1996，1(2):151-158.

［7］黄锐，桑农，罗大鹏，等.融合感知一致程度的图像分割评价方法［J］.华中科技大学学报:自然科学版，2010，38 (10):52-56.

［8］陈春雷，武刚.面向对象的遥感影像最优分割尺度评价［J］.遥感技术与应用，2011，26(1):96-102.

［9］何敏，张文君，王卫红.面向对象的最优分割尺度计算模型［J］.大地测量与地球动力学，2009，29(1):106-109.

［10］Zhang Yujin.A survey on evaluation methods for image segmentation［J］.Pattern Recognition，1996，29(8):1335-1346.

［11］Nichols C，Ashley H，James S，et al.Accuracy assessment measures for object-based image segmentation goodness［J］.Photogrammetric Engineering＆Remote Sensing，2010，76 (3):289-299.

［12］Liu Yong，Bian Ling，Meng Yuhong，et al.Discrepancy measures for selecting optimal combination of parameter values in object-based image analysis［J］.ISPRS Journal of Photogrammetry and Remote Sensing，2012，68:144-156.

［13］张世富.宁夏中卫黄灌区耕地时空变化及其环境经济效应研究［D］.兰州:兰州大学，2012.

Method of Segmentation Accuracy Assessment Based on Vector-raster Overlay Analysis

ZHANG Shi-fu
(Resources and Environment Department，Heze University，Heze 274000，China)

Image segmentation is the first step in object-based image analysis，the accuracy of image segmentation has decisive affects on the result of subsequent classification.There is a new method of segmentation accuracy assessment based on vector-raster overlay analysis，it can avoid the errors in area calculation caused by different data sources.Four evaluation index，such as Quality Rate(QR)，Over Segmentation Rate(OR)，Under Segmentation Rate(UR)，and Euclid Distance(ED)，are calculated by the present method and traditional method.Comparison between the index obtained from the two method shows that，the present method can improve the accuracy of the evaluation by calculate the area discrepancy more accurately between segmentation data and reference data.

image segmentation;accuracy assessment;overlay analysis

TP79

A

(责任编辑 苏晓东)

1004-8820(2015)02-0119-06

10.13951/j.cnki.37-1213/n.2015.02.008

2014-07-02

张世富(1986-)，男，山东沂水人，硕士，主要研究方向为3S应用及城乡规划.