一种改进的面向对象最优分割尺度模型*

唐羊洋　叶华平

(后勤工程学院后勤信息与军事物流工程系　重庆　401311)



一种改进的面向对象最优分割尺度模型*

唐羊洋叶华平

(后勤工程学院后勤信息与军事物流工程系重庆401311)

摘要面向对象的影像提取技术中,分割尺度的选择是一个关键问题。论文在前人研究的基础上,以对象内部的灰度标准差表示对象内部的同质性,以对象与邻域平均差分的绝对值来表示对象间的异质性,并综合考虑了对象与目标地物在形状和光谱上的一致性,提出了一种最优分割尺度计算模型。结果表明,此模型能快速得到最优分割尺度,提高了建筑物提取精度。

关键词建筑物; 分割; 最优尺度

Class NumberTP391.4

1引言

近年来,为解决人们对于遥感信息的认识和利用程度远远落后于遥感信息的获取速度这一主要问题,利用高分辨率遥感影像实现地物信息的快速提取是目前的研究热点。面向对象以其符合人类视觉特点的优势脱颖而出,与传统的基于像素的方法不同,面向对象是基于影像分割得到的影像对象进行信息的提取,其关键步骤有两个:多尺度分割和影像信息提取。可以说影像对象的质量好坏直接影响后续信息分类提取的精度[1],而多尺度分割又涉及光谱异质性、形状异质性(形状参数又包括光滑度和紧致度)和分割尺度等参数[2],其中分割尺度决定了分割得到的影像大小及影像与地物的一致性程度,是得到高质量的影像对象的关键参数。

目前,最优尺度选取的方法主要有以下几种: 1) 人工多次设置尺度参数[3～5],不断尝试选取最优尺度。 2) 选取一个或几个评价指标来确定最优尺度。如以影像的最大面积为指标探讨最大面积与尺度的关系[6];以局部方差作为鉴别最优尺度的指标[7～9];以影像与目标的面积差[10～11],矢量距离差[12]来评价尺度的选取。 3) 建立最优尺度选取模型[13～14]。这种方式与第二种方式有类似之处,通过选取与尺度变化相关的影像特征,建立尺度与变化特征的函数关系,从而实现最优尺度的自动选取。第一种方法主要依靠经验,效率低,主观性较大,且无法保证精度。第二种方法评价指标的选择很关键,现有方法要么选择光谱指标,要么选择形状、面积指标,单一指标评价有一定的片面性。目前流行的方法主要是第三种,本文综合在前人研究的基础上,提出一种改进的最优尺度选取模型。

2最优分割尺度模型

2.1最优尺度定义

从广义上说,尺度是研究客体或过程现象的空间维和时间维,同时又可指某一现象或过程在空间和时间上涉及的范围和发生频率,它标志着对所研究对象细节了解的水平。尺度包括时间尺度和空间尺度,本文主要探讨的是影像对象的空间尺度[15]。最优分割尺度的选择可以分为两种情况: 1) 当提取的目标是一种地物类型或者多种地物类型时,最优分割尺度的目的是将特定提取的地物类型用一个或多个对象来表示,对象的大小与地物目标大小接近,对象多边形既不能太破碎,也不能边界模糊,且对象内部光谱异质性较小。 2) 当提取的目标不仅限于影像上的特定地物而针对的是整幅影像时,最优分割尺度的目的是实现分割后得到的影像对象内部异质性尽可能小,同时不同类别对象之间的异质性尽可能大,并且对象能够反映地物的基本特征,比如光谱、形状、纹理、空间关系等。其中对象内部同质性确保影像对象的纯度,而对象之间的异质性保证影像对象的可分性[16]。可见,对象内部的同质性和外部的异质性是最优尺度选择的两个重要因素。另外,目标地物与分割对象的一致性也是衡量最优尺度的重要标准[14]。

2.2对象内部的同质性和外部的异质性[13]

2.2.1对象内部的同质性

对象内部的同质性采用对象的标准差σL来表示,对象的标准差由构成一个影像对象所有通道的n个像素的像素值计算得到,其表达式如下[17]:

(1)

2.2.2对象外部的异质性

对象外部的异质性反映的是对象与相邻对象的差异程度,这里用与邻域的平均差分(绝对值)来表示,其计算方式是对于每一个相邻的对象,计算层平均值的差分,根据对象间的边界长度赋予权重(如果它们是直接相邻的,特征距离=0)或者根据相邻对象的面积赋予权重(如果讨论的影像对象周围的邻域用某一半径(像素级)来定义,特征距离>0)。这里采用直接相邻对象的平均差分绝对值来衡量对象外部的异质性,其计算如下[17]:

(2)

2.3对象与目标地物的一致性

最优分割的目的在于通过选取最优尺度进行分割,即在满足同质性和异质性要求的同时,应尽可能使得到的影像对象能最大程度接近于实际地物,保证影像对象与目标地物的一致性。文献[14]提出用面积和周长衡量对象与目标地物的一致性,虽然这种方法有一定的可取性,但面积和周长考虑的均是对象的形状特征,单一特征的表示存在一定的片面性。在此基础上,本文综合考虑对象与目标地物在形状与光谱特征上的一致性,提出以下基于面积、周长和光谱信息的一致性计算公式:

(3)

其中,m为选取的样本总数,Sop、Lop、Gop分别为目标地物的实际面积、周长和光谱均值,Sp、Lp、Gp分别为与样本对象相对应的分割后对象的面积、周长和光谱均值。N越小,表示分割对象与目标地物的差别越小,即对象与目标地物的一致性越好。

2.4最优分割尺度计算模型

基于式(1)～式(3),提出如下最优分割尺度计算公式:

(4)

由上式可得,F(σL,ΔcL,N)值越小,对应分割尺度最优。因此,以分割尺度X为变量,对影像进行n+1次分割,会得到n+1个F(σL,ΔcL,N)值,利用这些值进行多项式插值,可以得到如下最优分割尺度计算模型:

F(σL,ΔcL,N)=a0+a1x+a2x2+…+anxn

(5)

通过上式模型进行计算,当F(σL,ΔcL,N)达到最小时,对应得到的尺度x即最优分割尺度。

3实验

本文所用的卫星遥感影像由国土资源部提供,用于实验的遥感影像截取于河南省中原区,所用地理坐标系为西安80坐标系,影像分辨率为0.5m,影像大小为1125×1221个像素,有RGB三个图层。如图1所示。采用的多尺度分割方法为由BAATZ.M和SCHAPE.A提出的分形网络演化法[18]。经多次实验,选取的参数为光谱异质性权重Color=0.9,形状异质性权重Shape=0.1,紧密度权重Compactness=0.8,平滑度权重Smoothness=0.2。同时由于分割尺度低于20影像对象太破碎(如图2),高于120时影像对象过大(如图3),故选取尺度区间20～120,以10为步长对影像进行分割,同时在每一个分割尺度下选取10个建筑物样本,利用式(5)最优分割尺度计算模型得到尺度与质量参数F(σL,ΔcL,N)的关系(如图5),从图5可以看出,分割尺度在80时,F(σL,ΔcL,N)值最小,此时影像的分割效果最好(如图4)。

图1　原始遥感影像

图2　10尺度分割影像

图3　130尺度分割影像

图4　80尺度分割影像

图5　建筑物分割尺度质量评价

4结语

尺度的选取是面向对象影像信息提取中的关键问题,不同的尺度会产生不同的影像对象,分割尺度的选择直接影响到地物的提取精度。文章提出一种以对象内部的同质性和对象外部的异质性为标准,以对象与目标地物的一致性程度为控制参数的最优分割尺度模型。其中,在对象与目标地物一致性中,综合考虑了形状和光谱的一致性,避免了单一特征的片面性,提高了尺度参数选取的正确性。通过该模型可以快速得到影像分割的最优尺度,避免了人工经验的主观性,能有效提高后续地物提取的精度,有一定的应用价值。

参 考 文 献

[1] 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,2006:47-52.

CHEN Zhong. Research on High Resolution Remote Sensing Image Classification Technology[D]. Beijing: Institute of Remote Sensing Applications Chinese Academy of Sciences,2006:47-52.

[2] 谭衢霖,刘正军,沈伟.一种面向对象的遥感影像多尺度分割方法[J].北京交通大学学报,2007,31(4):111-114.

TAN Qulin, LIU Zhengjun, SHEN Wei. An Algorithm for Object-Oriented Multi-Scale Remote Sensing Image Segmentation[J]. Journal of Beijing Jiaotong University,2007,31(4):111-114.

[3] TANSEY K, CHAMBERS I, ANSTEE A. Object-oriented classification of very high resolution airborne imagery for the extraction of bed grows and field margin cover in agricultural areas[J]. Applied Geography,2009,29(2):145-157.

[4] 李晓峰,张树清,庞振平,等.矢量景观指数在遥感信息提取中的应用——以乾安湖群为例[J].遥感学报,2008,12(2):291-296.

LI Xiaofeng, ZHANG Shuqing, PANG Zhenping. et al. The Use of Vector Analysis Theory on Landscape Pattern in Remote Sensing Information Extraction — A Case Study on Qian_an Group Lakes[J]. Journal of Remote Sensing,2008,12(2):291-296.

[5] 周春艳,王萍,张振勇,等.基于面向对象信息提取技术的城市用地分类[J].遥感技术与应用,2008,23(1):31-35.

ZHOU Chunyan, WANG Ping, ZHANG Zhenyong, et al. Classification of Urban Land Based on Object-Oriented Information Extraction Technology[J]. Remote Sensing Technology and Application,2008,23(1):31-35.

[6] 黄慧萍,吴炳方,李苗苗,等.高分辨率遥感影像城市绿地快速提取技术与应用[J].遥感学报,2004,8(1):68-74.

HUANG Huiping, WU Bingfang, LI Miaomiao, et al. Detecting Urban Vegetation Efficiently with High Resolution Remote Sensing Data[J]. Journal of Remote Sensing,2004,8(1):68-74.

[7] Woodcock C E, Strahler A H. The Factor of Scale in Remote Sensing[J]. Remote Sensing of Environment,1987(21):311-332.

[8] 田岩,谢玉波,史文中,等.基于局部方差的多分辨率图像分割方法[J].系统工程与电子技术,2006,28(12):1922-1926.

TIAN Yan, XIE Yubo, SHI Wenzhong, et al. Multi-resolution image segmentation method based on local variance[J]. Systems Engineering and Electronics,2006,28(12):1922-1926.

[9] 姚宇华,严洪,蒋立正.基于局部最大方差分割的图像二值化算法[J].微型电脑应用,2003,19(8):49-51.

YAO Yuhua, YAN Hong, JIANG Lizheng. On Algorithms of Image Binarization Based on Local Maximum Difference[J]. Microcomputer Applications,2003,19(8):49-51.

[10] 汪求来.面向对象遥感影像分类方法及其应用研究[D].南京:南京林业大学,2008:33-35.

WANG Qiulai. Research of Remote Sensing Classification Method Based on Object-Oriented and Applications[D]. Nanjing: Nanjing Forestry University,2008:33-35.

[11] 张友静,樊恒通.城市植被尺度鉴别与分类研究[J].地理与地理信息科学,2007,23(6):54-57.

ZHANG Youjing, FAN Hengtong. Scale Identification for Urban Vegetation Classification Using High Spatial Resolution Satellite Data[J]. Geography and Geo-Information Science,2007,23(6):54-57.

[12] 于欢,张树清,孔博,等.面向对象遥感影像分类的最优分割尺度选择研究[J].中国图象图形学报,2010,15(2):352-360.

YU Huan, ZHANG Shuqing, KONG Bo, et al. Optimal Segmentation Scale Selection for Object-Oriented Remote Sensing Image Classification[J]. Journal of Image and Graphics,2010,15(2):352-360.

[13] 张俊,汪云甲,李妍,等.一种面向对象的高分辨率影像最优分割尺度选择算法[J].科技导报,2009,27(21):91-94.

ZHANG Jun, WANG Yunjia, LI Yan, et al. An Object-Oriented Optimal Scale Choice Method for High Spatial Resolution Remote Sensing Image[J]. Science and Technology Review,2009,27(21):91-94.

[14] 胡文亮,赵萍,董张玉,等.一种改进的遥感影像面向对象最优分割尺度计算模型[J].地理与地理信息科学,2010,26(6):15-18.

HU Wenliang, ZHAO Ping, DONG Zhangyu, et al. An Improved Calculation Model of Object-Oriented for the Optimal Segmentation-Scale of Remote Sensing Image[J]. Geography and Geo-Information Science,2010,26(6):15-18.

[15] 周成虎,骆剑承,等.高分辨率卫星遥感影像地学计算[D].北京:科学出版社,2009:38.

ZHOU Chenghu, LUO Jiancheng, et al. High Resolution Satellite Remote Sensing Geonomy Calculate[D]. Beijing: Science Publisher,2009:38.

[16] 黄慧萍.面向对象影像分析中的尺度问题研究[D].北京:中国科学院,2003:111-114.

HUANG Huiping. Scale Issues in Object-Oriented Image Analysis[D]. Beijing: Chinese Academy of Sciences,2003:111-114.

[17] 关元秀,程晓阳.高分辨率卫星影像处理指南[D].北京:科学出版社,2008:164-186.

GUAN Yuanxiu, CHENG Xiaoyang. High Resolution Satellite Remote Sensing Processing Guide[D]. Beijing: Science Publisher,2008:164-186.

[18] BAATZ M, SCHAPE A. Multiresolution Segmentation: an optimization approach for high quality multi-scale image segmentation[C]//Proceedings of the Angewandte Geographische Informationsverarbeitung Symposium. Salzburg: [s.n.],2000:12-23.

A Modified Optimum Segmentation Scale Model Based on Object Oriented

TANG YangyangYE Huaping

(Department of Logistics Information & Logistics Engineering, Logistical Engineering University, Chongqing401311)

AbstractIn the object oriented image extraction technology, the choice of segmentation scale is a key question. On the basis of previous studies, the internal homogeneity of the object is represented by the gray standard deviation of the object, and the heterogeneity of the object is represented by the absolute value of the mean difference between the object and the neighborhood, and concern the consistency of the object and the actual object in shape and spectrum, an optimal segmentation scale computation model is proposed. The results show this model can quickly get the optimal segmentation scale, improve the accuracy of building extraction.

Key Wordsbuilding, segmentation, optimum scale

* 收稿日期:2015年11月7日,修回日期:2015年12月27日

作者简介:唐羊洋,男,硕士研究生,研究方向:信息系统与应用。叶华平,男,硕士,教授,研究方向:信息系统与应用。

中图分类号TP391.4

DOI:10.3969/j.issn.1672-9722.2016.05.038