作為信息提取和分類的前提,面向?qū)ο蟮挠跋穹指畛叨葏?shù)的設(shè)置直接影響到提取和分類的精度。本文以GF-2影像數(shù)據(jù)為例,在已有分割理論和方法的基礎(chǔ)上提出一種基于最優(yōu)分割尺度的計算模型（OS模型）。該模型以主成分分析所得的主成分以及新建的歸一化植被指數(shù)（normalized vegetation index,NDVI）特征層作為分割參考層,綜合考慮均質(zhì)因子的影響,構(gòu)建加權(quán)尺度評價指數(shù),插值擬合最優(yōu)分割尺度。構(gòu)建誤差系數(shù)（E_c）對模型進(jìn)行評價,結(jié)果表明:OS模型誤差系數(shù)（E_c=1.15%）小于傳統(tǒng)模型（E_c=3.28%）,且分割對象更均勻、與實(shí)際地物更接近。 

【文章來源】：吉林大學(xué)學(xué)報(地球科學(xué)版). 2020,50(01)北大核心CSCD

【文章頁數(shù)】：9 頁

【部分圖文】：

融合后的實(shí)驗(yàn)區(qū)

通過PCA對原影像的多個波段信息進(jìn)行降維[15],具有以下優(yōu)點(diǎn):1)降維后的幾個主成分依舊保留原影像的絕大部分信息;2)維度不變的情況下加入NDVI特征層,豐富分割參考信息;3)各主成分的百分比可以作為分割時特征層權(quán)重以及加權(quán)尺度評價指數(shù)權(quán)重的設(shè)置依據(jù)。2.2 影像分割

本文采用多尺度分割算法對影像進(jìn)行分割。該算法是一種最小化異質(zhì)性、最大化各自同質(zhì)性的優(yōu)化過程,采取“自下而上”的合并方式。其中像元的合并始于影像中任意一個位置,首先將特征相近的像元合并成一個區(qū)域,其次相鄰的區(qū)域根據(jù)分割對象的差異性繼續(xù)合并[17],直到差異性超過某一閾值時,分割停止形成最終的對象,這一閾值就是分割尺度[18]。分割的結(jié)果同時取決于波段權(quán)重、均質(zhì)因子和尺度(s),其中均質(zhì)因子由緊致度因子(wcom)和形狀因子(wshp)共同決定。波段權(quán)重根據(jù)PCA的結(jié)果進(jìn)行分配,緊致度因子、形狀因子和尺度的影響在圖3中給出。緊致度因子反映對象的緊密程度,當(dāng)尺度和形狀因子確定時,緊致度因子越小,分割對象越碎(圖3a);當(dāng)尺度和緊致度因子確定時,形狀因子越大,分割的結(jié)果在形狀上的差異越小,分割對象越規(guī)整(圖3b);當(dāng)形狀因子和緊致度因子確定時,尺度越大,分割對象的塊越大,即尺度過大會造成影像的欠分割,造成不同地物的混合,尺度太小會造成影像的過分割,使同一地物被分割成多個對象(圖3c),因此需選擇合適的分割參數(shù)進(jìn)行分割。2.3 計算模型構(gòu)建

【參考文獻(xiàn)】：
期刊論文
[1]基于特征空間優(yōu)化的隨機(jī)森林算法在GF-2影像濕地分類中的研究[J]. 詹國旗,楊國東,王鳳艷,辛秀文,國策,趙強(qiáng).  地球信息科學(xué)學(xué)報. 2018(10)
[2]一種高分辨率遙感影像的最優(yōu)分割尺度自動選取方法[J]. 殷瑞娟,施潤和,李鏡堯.  地球信息科學(xué)學(xué)報. 2013(06)
[3]一種改進(jìn)的遙感影像面向?qū)ο笞顑?yōu)分割尺度計算模型[J]. 胡文亮,趙萍,董張玉.  地理與地理信息科學(xué). 2010(06)
[4]一種面向?qū)ο蟮母叻直媛视跋褡顑?yōu)分割尺度選擇算法[J]. 張俊,汪云甲,李妍,王行風(fēng).  科技導(dǎo)報. 2009(21)
[5]面向?qū)ο蟮淖顑?yōu)分割尺度計算模型[J]. 何敏,張文君,王衛(wèi)紅.  大地測量與地球動力學(xué). 2009(01)
[6]城市植被尺度鑒別與分類研究[J]. 張友靜,樊恒通.  地理與地理信息科學(xué). 2007(06)
[7]面向?qū)ο蟮倪b感圖像分類方法研究[J]. 楊長保,丁繼紅.  吉林大學(xué)學(xué)報(地球科學(xué)版). 2006(04)
[8]高分辨率影像城市綠地快速提取技術(shù)與應(yīng)用[J]. 黃慧萍,吳炳方,李苗苗,周為峰,王忠武.  遙感學(xué)報. 2004(01)

博士論文
[1]面向?qū)ο笥跋穹治鲋械某叨葐栴}研究[D]. 黃慧萍.中國科學(xué)院研究生院（遙感應(yīng)用研究所） 2003



本文編號：3335836