1.一种结合四叉树结构与尺度估计的遥感影像分割方法,其特征在于,包括如下步骤:S1:遥感影像预处理:主要包括辐射定标、大气校正、正射校正、图像配准、图像裁剪;
S2:四叉树分区分割:四叉树结构是一种树状数据结构,四叉树分割算法是基于四叉树结构对影像进行均匀检测分割的自适应分割算法,本文采用四叉树算法感影像进行分区处理,为之后自适应分割划定区域;
S3:空间分割尺度估计:空间分割尺度估计是采用空间尺度估计方法对遥感影像分割中的空间分割参数ds进行估计的过程,该过程主要包括构建窗口,计算窗口局部方差、计算影像平均局部方差、形成局部方差曲线图、根据曲线图确定分割尺度,本步骤主要针对S2步骤中的各分割区域,对各分割区域空间分割参数ds进行估计;
S4:属性分割尺度估计:属性分割尺度估计是采用属性尺度估计方法对遥感影像分割中的属性分割参数进行估计的过程,该过程主要包括建立2ds+1的尺度估计窗口、计算窗口局部方差、统计局部方差图的直方图、根据直方图确定属性分割尺度,本步骤主要针对S2步骤中的各分割区域,对各分割区域属性分割参数进行估计;
S5:分形网络演化算法分割:步骤S4得到的属性分割尺度即FNEA算法中的分割尺度,采用分形网络演化算法在S4确定的分割尺度下,对S2中的四叉树结构分割所得的各区域遥感影像进行二次分割;
S6:合并分割结果合并:将S5步骤中的所有区域分割结果进行合并,完成影像分割;
S7:精度验证:在分割区域内随机生成一定数量精度验证点,根据分割块获取精度验证点的影像分割块属性,目视判定精度判断点应属于本分割块还是相邻分割块,根据精度验证点计算混淆矩阵与总体分割精度评价影像分割结果。
2.根据权利要求1所述的一种结合四叉树结构与尺度估计的遥感影像分割方法,其特征在于,所述步骤S1包括以下步骤:(1)辐射定标是将图像的亮度灰度值转换为绝对的辐射亮度,用于计算地物的光谱反射率或光谱辐射亮度,该过程为辐射定标;
(2)大气校正是采用大气校正模型消除由大气影响所造成的辐射误差,反演地物真实的表面反射率的过程;
(3)正射校正是指采用控制数据,利用数字高程模型(DEM),对影像进行倾斜改正和投影差改正,将影像重采样成正射影像;
(4)影像配准是指采用地面控制点或其他控制数据为遥感影像指定空间位置和坐标系的过程;
(5)图像裁剪是采用研究范围裁剪遥感影像,提取遥感影像中研究区域影像的过程。
3.根据权利要求1所述的一种结合四叉树结构与尺度估计的遥感影像分割方法,其特征在于,所述S2包括以下步骤:(1)指定四叉树结构预定阈值;
(2)将影像分为四个子块,影像表示为一颗四叉树的树节点,四个子块分别为四叉树的叶节点,对每个叶节点所表示的子块进行方差计算;
(3)判断方差值与预定阈值的大小关系;
(4)若方差值小于预定阈值,计算该子块所有灰度值均值作为该子块灰度值,该块完成分割;
(5)若方差值大于预定阈值,则再将此子块分为4个子块,该过程称为剪枝。继续判定4个小子块方差是否小于预定阈值,若否,则继续进行剪枝,直到子块方差小于设定阈值为止。
4.根据权利要求1所述的一种结合四叉树结构与尺度估计的遥感影像分割方法,其特征在于,所述S3包括以下步骤:(1)确定3X3窗口,计算窗口内局部方差值;
局部方差计算公式如下:
式中:n为窗口尺寸大小,i,j为局部窗口行列号,f(i,j)为第i行j列灰值,f为该窗口灰度平均值,LV(i,j)即该窗口中心像素对应的局部方差值,反应该窗口像元灰度值的离散程度;
(2)逐像素计算整张影像各窗口内局部方差值,求取平均局部方差;
平均局部方差计算公式为:
式中,m为影像行方向尺寸,n为影像列方向尺寸,LV为该影像某光谱分量的平均局部方差;
(3)逐渐增加计算窗口,重复本步骤中的(1)与(2)计算各窗口平均局部方差,形成平均局部方差曲线图ALV(Average Local Variogram);
(4)当平均局部方差的变化率阈值第一次出现小于0.01时,停止增加窗口大小,该窗口尺寸即为最佳空间分割尺度ds。
5.根据权利要求1所述的一种结合四叉树结构与尺度估计的遥感影像分割方法,其特征在于,所述S4包括以下步骤:(1)建立2ds+1尺寸的窗口逐像素计算局部方差,形成局部方差图;
(2)统计局部方差图的直方图;
(3)局部方差直方图的第一个峰值对应的局部方差平方根为最佳属性分割尺度,即分割尺度参数。
6.根据权利要求1所述的一种结合四叉树结构与尺度估计的遥感影像分割方法,其特征在于,所述S5包括以下步骤:(1)基于光谱信息将临近像元合并为同质对象;
(2)计算考虑形状特征、光谱特征的对象异质性,对比步骤S4中的尺度分割参数逐渐迭代合并对象,完成影像分割;
对象的异质性标准则是由对象的光谱异质性和形状异质性确定,计算公式为:sp=wcolor·Δhcolor+wshape·Δhshape (3)式中:Δhcolor与Δhshape分别代表了影像分割时颜色与形状的异质度,wcolor与wshape分别代表了影像分割时“颜色”和“形状”各自所占的权重,其中wcolor+wshape=1;
(3)若两个对象的颜色、形状综合计算的异质度小于设定阈值,则可合并;若大小设定阈值,则不可合并,以此特征循环,根据异质度不断迭代判断是否合并,直到不可合并为止。
7.根据权利要求1所述的一种结合四叉树结构与尺度估计的遥感影像分割方法,其特征在于,所述S6包括以下步骤:(1)确定S2中分区的某一区为基准区域;
(2)复制除基准区域外的其他区域分割结果至基准区域,完成影像分割结果合并。
8.根据权利要求1所述的一种结合四叉树结构与尺度估计的遥感影像分割方法,其特征在于,所述S7包含如下步骤:(1)在分割区域内随机生成一定数量精度验证点,根据空间位置获取精度验证点的影像分割块属性;
(2)目视判定精度判断点应属于本分割块还是相邻分割块,根据精度验证点计算混淆矩阵与总体分割精度评价影像分割结果。