胡文亮,趙 萍,董張玉

(1.安徽師范大學(xué)國土資源與旅游學(xué)院GIS重點實驗室,安徽蕪湖 241000; 2.合肥工業(yè)大學(xué)資源與環(huán)境工程學(xué)院,安徽合肥 230009）

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

胡文亮1,趙 萍2＊,董張玉1

(1.安徽師范大學(xué)國土資源與旅游學(xué)院GIS重點實驗室,安徽蕪湖 241000; 2.合肥工業(yè)大學(xué)資源與環(huán)境工程學(xué)院,安徽合肥 230009）

面向?qū)ο蟮挠跋穹治龇椒軌虺浞掷酶叻直孢b感影像信息,有效提取目標(biāo)信息。分割尺度的選擇是面向?qū)ο笥跋穹治龇椒ǖ暮诵膯栴}。該文采用樣本控制的方法,構(gòu)建了基于面積和周長的分割對象樣本一致性評價因子,針對不同的信息提取目標(biāo),提出一種改進(jìn)的遙感影像面向?qū)ο笞顑?yōu)分割尺度計算模型,并驗證了其優(yōu)越性。

面向?qū)ο?影像分割;最優(yōu)尺度;計算模型

面向?qū)ο蟮男畔⑻崛》椒ㄔ诟叻直孢b感影像信息提取方面得到了廣泛應(yīng)用[1-4]。影像分割是面向?qū)ο笮畔⑻崛〉幕A(chǔ),其直接影響信息提取的質(zhì)量,分割尺度的選擇是影像分割的關(guān)鍵。國內(nèi)外學(xué)者對于如何確定最優(yōu)分割尺度做了諸多探討:1）憑借經(jīng)驗選擇分割尺度,經(jīng)反復(fù)驗證確定最優(yōu)分割尺度[5-7]。2）選取尺度鑒別指標(biāo)評價分割尺度選擇質(zhì)量。如以最大面積作為尺度鑒別的指標(biāo)[8];采用面積相對誤差鑒別和確定分割尺度[9];考慮面積和色彩因素的區(qū)域相似性作為判斷分割尺度的依據(jù)[10]。3）利用最優(yōu)分割尺度計算模型計算最優(yōu)分割尺度[11]。依靠經(jīng)驗選擇分割尺度帶有一定的主觀性,不易獲得最優(yōu)分割尺度;尺度鑒別指標(biāo)普遍考慮對象的面積因素,不能兼顧對象形狀因素,指標(biāo)選擇不確定性較大,難以取得理想效果;不同的提取目標(biāo)有著不同的最佳分割尺度,現(xiàn)有的最優(yōu)分割尺度計算模型是從對象內(nèi)的同質(zhì)性和對象間的異質(zhì)性來判斷分割的優(yōu)劣,沒有充分考慮信息提取目標(biāo)。本文對現(xiàn)有面向?qū)ο笞顑?yōu)分割尺度計算模型做了改進(jìn),據(jù)不同信息提取目標(biāo)采用樣本控制的方法提出了一種改進(jìn)的面向?qū)ο笞顑?yōu)分割尺度計算模型。

1 最優(yōu)分割尺度計算模型

尺度通常是指實體、模式和過程被觀察與表示的空間大小與時間間隔,包括空間尺度與時間尺度,遙感尺度中還包括光譜尺度。面向?qū)ο笥跋穹治鲋械挠跋穹指畛叨仁侵缚臻g尺度。黃慧萍[12]對最優(yōu)分割尺度作了界定:當(dāng)信息提取針對的是一種地物或幾種地物類型時,最優(yōu)尺度定義為特定地物類型能用一個或幾個對象表達(dá),對象大小與地物目標(biāo)大小接近,對象多邊形既不能太破碎也不能邊界模糊,且類別內(nèi)部對象的光譜變異較小;當(dāng)信息提取針對整幅影像時,最優(yōu)尺度是指分割后影像對象內(nèi)部異質(zhì)性盡量小,同時不同類別對象之間的異質(zhì)性盡量大,而且對象能夠表達(dá)某種地物的基本特征(如紋理、光譜、形狀、拓?fù)潢P(guān)系等）。遙感影像分割尺度實質(zhì)上指分割的對象多邊形內(nèi)部異質(zhì)性的最小閾值,對象內(nèi)的同質(zhì)性和對象間的異質(zhì)性是最優(yōu)分割尺度確定的兩個重要因素。此外,分割對象多邊形與目標(biāo)對象的樣本一致性更是衡量尺度選擇優(yōu)劣的重要標(biāo)準(zhǔn)。

考慮以上情況,本文提出考慮面積和周長因子的分割對象樣本一致性計算公式,改進(jìn)了尺度分割質(zhì)量評價函數(shù)[11]:利用對象內(nèi)部同質(zhì)性、對象間異質(zhì)性、分割對象樣本一致性3個因子構(gòu)建尺度分割質(zhì)量評價函數(shù)以指示分割尺度選擇與分割效果的優(yōu)劣。

1.1 對象內(nèi)部同質(zhì)性與對象間異質(zhì)性

用對象內(nèi)部標(biāo)準(zhǔn)差表示對象內(nèi)部同質(zhì)性[11],用mo ran′s指數(shù)[13]表示對象間異質(zhì)性。公式如下:

式中:vi、ai分別是對象i的標(biāo)準(zhǔn)差和面積,n為整個區(qū)分割后的對象總數(shù)。為避免小對象引起的不穩(wěn)定性,加入面積因子使面積大的對象權(quán)重更高。v值越小,影像對象內(nèi)部異質(zhì)性越小,同質(zhì)性越好;wij表示對象i和對象j的鄰接關(guān)系,如果i和j鄰接,則 wij=1,否則 wij=0;yi為對象i的光譜平均值;ˉy為整個影像的光譜平均值。I值越小,影像對象之間相關(guān)性越低,即影像對象之間的異質(zhì)性越好。

1.2 分割對象樣本一致性

由于地物結(jié)構(gòu)特征的多樣性和復(fù)雜性,每類地物的最優(yōu)分割尺度不盡相同,為了取得信息提取的最佳效果,適當(dāng)選取樣本以控制分割結(jié)果與信息提取目標(biāo)的一致性是必要的。本文基于面積和周長兩個因子提出了分割對象樣本一致性的計算公式:

式中:m為選取的樣本總數(shù);S0p、L0p分別是樣本對象p的實際面積和周長;Sp、Lp分別是與樣本對象 p對應(yīng)的分割產(chǎn)生的對象p′的面積和周長。

公式(3）從面積和周長兩方面衡量分割后的對象和實際樣本間的一致性程度,兼顧了面積和形狀兩個因素,且 N值越小,分割對象與樣本對象間的誤差越小,即分割對象樣本一致性越好。根據(jù)信息提取目標(biāo)確定提取對象后,選擇符合提取目標(biāo)的樣本通過樣本一致性函數(shù)檢驗分割是否達(dá)到目標(biāo)要求,最終控制分割尺度選擇、達(dá)到最佳分割目的。

現(xiàn)階段圖像分割和評價方法多基于圖像自身信息。本文提出用樣本控制分割質(zhì)量并兼顧圖像本身信息,同時用樣本評價分割結(jié)果,在理論上具有一定的進(jìn)步性,在實用效果上也有一定的改進(jìn)。

1.3 分割質(zhì)量評價函數(shù)與最優(yōu)分割尺度計算模型

基于對象內(nèi)部同質(zhì)性、對象間異質(zhì)性和對象樣本一致性,提出改進(jìn)的遙感影像分割質(zhì)量評價函數(shù):

其中:F(v,I,N）為分割尺度評價函數(shù),F(v）為對象內(nèi)部同質(zhì)性,F(I）為對象間異質(zhì)性,F(N）為分割對象樣本一致性。此函數(shù)在影像初分割階段用來計算對應(yīng)分割尺度的質(zhì)量值,為最優(yōu)分割尺度計算模型服務(wù),在分割結(jié)果評價階段用于評價分割圖像的質(zhì)量。

基于以上幾個函數(shù),通過插值函數(shù)構(gòu)建直接以分割尺度x為變量的分割質(zhì)量函數(shù),即對待處理影像進(jìn)行n+1次分割實驗,由式(1）～(7）可得到 n+1個 F (v,I,N）值。利用這些插值節(jié)點可以求出 a0,a1,…, an系數(shù)的值,從而得到最優(yōu)分割尺度計算模型:

通過此模型可以計算出分割質(zhì)量值最大時的分割尺度 x的值,即最優(yōu)分割尺度值。

分析上述諸式有:1）v隨分割尺度的增加變大。分割尺度越大產(chǎn)生的對象數(shù)量越少,單個對象多邊形包含的面積越大,內(nèi)部同質(zhì)性減小,標(biāo)準(zhǔn)差增大。2）I隨分割尺度的增大而減小。分割尺度越大產(chǎn)生的對象數(shù)量越少,單個對象多邊形包含的面積越大,對象間的相關(guān)性減小,異質(zhì)性增加。3）N值的大小取決于分割后產(chǎn)生對象與對應(yīng)樣本的吻合程度,這里涉及樣本的選擇問題:樣本數(shù)量越多,分布越均勻、密集,對尺度選擇的控制作用越強(qiáng);樣本選擇為同一地物類型則對確定特定地物類型的最優(yōu)尺度有非常強(qiáng)的控制作用,樣本選擇為多類地物類型則對確定選中地物類型的最優(yōu)尺度有控制作用,最終確定的最優(yōu)尺度兼顧了樣本中包含的地物類型分割效果,同時,各類地物的提取精度還與其在樣本中的分布和數(shù)量有關(guān)。

2 實驗與分析

使用2003年9月IKNOS影像,經(jīng)配準(zhǔn)后裁取安徽師范大學(xué)中校區(qū)為實驗區(qū)。由于影像的分割質(zhì)量不僅與分割尺度有關(guān),還與顏色和形狀參數(shù)的設(shè)置有關(guān),故經(jīng)多次實驗后,將顏色因子的權(quán)重值設(shè)為0.7,形狀因子設(shè)為0.3(光滑度設(shè)為0.8,緊致度設(shè)為0.2）。由于小于30尺度時,圖像上斑塊零散、破碎,不能很好地區(qū)分各類地物;而大于120尺度時,圖像上斑塊過大,地物區(qū)分不明顯。由此,在30～120尺度范圍內(nèi)每10個單位選取實驗尺度。

分割尺度的變化對于不同地物類型的影響不同,信息提取目標(biāo)不同選取的最優(yōu)分割尺度也不同。用樣本控制的方法針對信息提取目標(biāo)合理選擇樣本,將樣本數(shù)據(jù)代入最優(yōu)分割尺度計算模型得出最優(yōu)分割尺度是一種科學(xué)有效的方法。樣本的選擇要與信息提取目標(biāo)保持一致:1）信息目標(biāo)單一,樣本選擇類型均一;2）信息目標(biāo)混合,樣本選擇多樣。

2.1 單一目標(biāo)提取最優(yōu)尺度分割

以提取目標(biāo)為植被驗證本文模型并對樣本選擇進(jìn)行說明。實驗區(qū)內(nèi)均勻選取20個植被樣本點(含有實驗區(qū)內(nèi)所有植被類型）,實地測量并記錄其面積和周長,代入模型計算出最優(yōu)分割尺度為67,最優(yōu)分割結(jié)果如圖1所示。分析圖2、圖3可知:樣本一致性最佳情況下的分割尺度與模型計算出的分割尺度吻合較好,模型最優(yōu)解與樣本實驗點之間一致性較好。圖3中20個樣本均在67分割尺度附近取得最佳樣本一致性,由此可見,模型計算結(jié)果符合實際情況。

2.2 混合目標(biāo)提取最優(yōu)尺度分割

以提取目標(biāo)為植被和建筑物驗證本文模型并對樣本選擇進(jìn)行說明。實驗區(qū)內(nèi)均勻選擇樣本點20個,其中植被、建筑物各10個(包含植被與建筑表面的所有類別）。帶入模型計算后得出最優(yōu)分割尺度為74,最優(yōu)分割結(jié)果如圖4所示。圖5、圖6顯示:分割后的對象與樣本的一致性較好,樣本對分割尺度的計算起到了較好的控制作用。比較圖2與圖5可知,在74和67尺度下植被斑塊略有差異,這是兼顧了建筑物提取的原因。提取目標(biāo)不同最優(yōu)分割尺度也不同,提取目標(biāo)類型單一則取其最佳分割尺度;若提取目標(biāo)要兼顧多種類型,則模型計算出的最佳分割尺度是兼顧了多種地物類型后的相對最佳分割尺度。

3 結(jié)論與展望

本文提出一種考慮提取目標(biāo)對象樣本信息的最優(yōu)分割尺度計算模型,結(jié)論如下:1）樣本組成不同,計算出的最優(yōu)模型解也不同,在選擇樣本構(gòu)成時要充分考慮信息提取的目標(biāo),根據(jù)提取對象與提取目標(biāo)在研究區(qū)內(nèi)均勻選擇樣本;2）模型計算出的最優(yōu)尺度值經(jīng)驗證具有較好的分割質(zhì)量,可見該模型具有一定的科學(xué)性和實用性,且算法簡便、易實現(xiàn)。

本文提出的樣本一致性評價函數(shù)考慮了樣本的面積與周長兩個因子,針對信息提取目標(biāo),其他樣本因子(如形狀、紋理等）是否更適合于具體提取目標(biāo)、如何構(gòu)建函數(shù)以表征這些因子用于衡量分割對象與樣本一致性等方面有待于進(jìn)一步探討,也是面向?qū)ο笮畔⑻崛〖夹g(shù)發(fā)展的方向之一。

[1] 唐偉,趙書河,王培法.面向?qū)ο蟮母呖臻g分辨率遙感影像道路信息提取[J].地理信息科學(xué),2008,10(2）:257-262.

[2] 蒲智,楊遼,白潔.基于面向?qū)ο蠹夹g(shù)的高分辨率遙感影像的陰影檢測與去除[J].遙感技術(shù)與應(yīng)用,2008,23(6）:735-738.

[3] CORBANCE C,RACLOT D,JACOB F.Remote sensing of soil surface characteristics from a multiscale classification app roach [J].CA TENA,2008,75(3）:308-318.

[4] 鄭利娟,李小娟,胡德勇,等.基于對象和DEM的濕地信息提取[J].遙感技術(shù)與應(yīng)用,2009,24(3）:346-351.

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

[6] 李曉峰,張樹清,龐振平,等.矢量景觀指數(shù)在遙感信息提取中的應(yīng)用[J].遙感學(xué)報,2008,12(2）:291-296.

[7] 周春艷,王萍,張振勇,等.基于面向?qū)ο笮畔⑻崛〖夹g(shù)的城市用地分類[J].遙感技術(shù)與應(yīng)用,2008,23(1）:31-35.

[8] 黃慧萍,吳炳方,李苗苗,等.高分辨率遙感影像城市綠地快速提取技術(shù)與應(yīng)用[J].遙感學(xué)報,2004,8(1）:68-74.

[9] 張友靜,樊恒通.城市植被尺度鑒別與分類研究[J].地理與地理信息科學(xué),2007,23(6）:54-57.

[10] 彭啟民,賈云得.一種形態(tài)學(xué)彩色圖像多尺度分割算法[J].中國圖象圖形學(xué)報,2006,11(5）:635-639.

[11] 何敏,張文君,王衛(wèi)紅.面向?qū)ο蟮淖顑?yōu)分割尺度計算模型[J].大地測量與地球動力學(xué),2009,29(1）:106-109.

[12] 黃慧萍.面向?qū)ο笥跋穹治鲋械某叨葐栴}研究[D].中國科學(xué)院遙感應(yīng)用研究所,2003.

[13] SHORTRIDGE A.Practical limits of Moran′s autocorrelation index for raster class maps[J].Computers Environment and U rban Systems,2007,31(3）:362-371.

An Im proved Calculation M odel of Object-Orien ted for the Optimal Segmentation-Scale of Remote Sensing Image

HU Wen-liang1,ZHAO Ping2,DONG Zhang-yu1
(1.Key Laboratory of GIS at School of Territorial Resources and Tourism,Anhui N ormal University,W uhu 241000;
2.School of Resources and Environmental Engineering,Hefei University of Technology,Hefei 230009,China）

Research fo r the op timal segmentation-scale calculation model has a positive significance to imp rove the accuracy of object-o riented image interp retation.Aiming at info rmation extracting of different targets,using the method of samp les-controlling w hich considering area and perimeter as factors to evaluate consistency between segmented-objects and samp les,the quality evaluation function is put forward.This quality evaluation function is an imp rovement on befo re,it doesn′t only consider the internal consistency of the segmented-objects and the heterogeneity between the segmented-objects as the factorsof quality evaluation of segmentation,but also contains the facto r of consistency between the segmented-object and the samp le fo r controlling. And based on imp roving the existingmethod of the op timal segmentation-scale calculationmodel,the effectiveness and p racticability of themodel is verified through two kindsof samp les-choosing fo r themodel.Results show that:thismodel can obtain the op timal segmentation-scale of remote sensing image quickly and efficiently;the choice for sample number and types effects the result of the calculation of the optimal segmentation-scale largely,w hen info rmation extraction is just fo r a single target feature type,samp les should be all chosen target feature type,and w hen info rmation extraction is fo r various types of ground targets, samp les should be chosen as the same types w ith information extraction targets,so the choice of samp le′s number and types should be determined acco rding to the target of information-extraction;the algorithm of themodel is simp le,and is easy to realize,it is a p ractical algorithm model.

object-o riented;image segmentation;the optimal segmentation-scale;calculation model

TP75

A

1672-0504(2010）06-0015-04

2010-07-05;

2010-09-08

國家自然科學(xué)基金項目(40771207）;安徽省教育廳自然科學(xué)基金項目(KJ2007B219）;安徽省教育廳教學(xué)項目(2007JYXM 208）;安徽師范大學(xué)GIS重點學(xué)科建設(shè)項目

胡文亮(1985-）,男,碩士研究生,主要從事遙感與GIS應(yīng)用研究。＊通訊作者E-mail:njuzhp@sina.com