基于分割质量的遥感图像最优尺度分割方法研究

计算机与现代化 ›› 2015, Vol. 0 ›› Issue (4): 78-81.

基于分割质量的遥感图像最优尺度分割方法研究

山东科技大学信息科学与工程学院，山东青岛266590

收稿日期:2014-12-31 出版日期:2015-04-27 发布日期:2015-04-29
作者简介:庄仲杰（1989-），女，山东烟台人，山东科技大学信息科学与工程学院硕士研究生，研究方向：人工智能及其应用；崔宾阁（1979-），男，山东烟台人，副教授，硕士生导师，博士，研究方向：智能信息处理。
基金资助:
山东省自然科学基金资助项目（ZR2014DQ030）

Research on Optimal Scale Segmentation Method of Remote Sensing #br# Images Based on Segmentation Quality

College of Information Science and Engineering, Shandong University of Science and Technology, Qingdao 266590, China

Received:2014-12-31 Online:2015-04-27 Published:2015-04-29

摘要/Abstract

摘要：

实现最优尺度分割是遥感图像自动化分割的理想目标。本文首先定义遥感图像区域对象的分割质量，然后使用连续的多个尺度对遥感图像进行分割，计算每一尺度上所有区域对象的分割质

量，最后计算原子区域对象的最优分割尺度，实现遥感图像的最优分割。通过目视判断和定量分析发现最优尺度分割结果优于单尺度分割结果。

关键词: , 图像分割, 多尺度, 最优尺度, 遥感图像

Abstract:

Optimal scaling segment is the ultimate goal of automatic segment of remote sensing image. In this paper, optimal scaling segment is presented based on the

region object segment quality. Remote sensing image is segmented in multiple scales to obtain the segment qualities of all region objects in each scale layer. Then, segment

quality array is constructed for each atomic region object to obtain its optimal segmentation scale. The optimal segment of remote sensing image is implemented based on the

optimal scale of region objects. By visual judgment and quantitative analysis, the optimal scale segment is superior to the traditional single scale segment.

Key words: image segmentation, multiple scale, optimal scale, remote sensing image

庄仲杰，崔宾阁. 基于分割质量的遥感图像最优尺度分割方法研究[J]. 计算机与现代化, 2015, 0(4): 78-81.

ZHUANG Zhong-jie, CUI Bin-ge. Research on Optimal Scale Segmentation Method of Remote Sensing #br# Images Based on Segmentation Quality[J]. Computer and Modernization, 2015, 0(4): 78-81.

［1］明冬萍，王群，杨建宇．遥感影像空间尺度特性与最佳空间分辨率选择［J］．遥感学报， 2008，12(4)：529-537.
［2］ Baatz M, Schape A. Multiresolution segmentation: An optimization approach for high quality multi-scale image segmentation［J］. Angewandte Geographische

Informationsverarbeitung, 2000,12(12):12-23.
［3］ Flanders D, Hall-Beyer M, Pereverzoff J. Preliminary evaluation of eCognition object-based software for cut block delineation and feature extraction ［J］. Canadian

Journal of Remote Sensing, 2003,29(4):441-452.
［4］ Johnson Brain, Xie Zhixiao. Unsupervised image segmentation evaluation and refinement using a multi-scale approach［J］. International Society for Photogrammetry and

Remote Sensing, 2011,2(6):473-483.
［5］陈建裕，潘德炉，毛志华．高分辨率海岸带遥感影像中简单地物的最优分割问题［J］．地球科学， 2006，36(11)：1044-1051.
［6］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. 
［7］刘兆伟，李鑫慧，沈润平,等．高分辨率遥感图像分割的最优尺度选择［J］．计算机工程与应用， 2014（6）：144-147. 
［8］陈丛．基于空间自相关的图像分割的方法研究［D］．福州：福建师范大学， 2011.
［9］ Sawada M. Global Spatial Autocorrelation Indices-Moran’s I, Geary’s C and the General Cross-Product Statistic［EB/OL］.

http://www.lpc.uottawa.ca/publications/moransi/moran.htm, 2014-12-31.
［10］张俊，王宝山，吕宝庆．面向对象高分辨率影像信息提取中的尺度效应研究［J］．北京测绘， 2010（1）：11-14.
［11］崔宾阁，孟翱翔．基于最近邻有向图的遥感图像快速分割算法［J］．计算机科学， 2013，40(10)：274-278.
［12］黄慧萍．面向对象影像分析中的尺度问题研究［D］．北京：中国科学院研究生院， 2003.
［13］Smoka J. Watershed based region growing algorithm［J］. Annales UMCS Informatica AI， 2005,3:169-178.
［14］Bleau A, Leon L J. Watershed-based segmentation and region merging［J］. Computer Vision and Image Understanding, 2000,77(3):317-370.

[1]	赵晨阳, 薛涛, 刘俊华. 基于改进Stable Diffusion的时尚服饰图案生成[J]. 计算机与现代化, 2024, 0(12): 15-23.
[2]	张思敏, 刘新妹, 殷俊龄, 李宝玲. 基于YOLOv7改进的PCB缺陷检测方法[J]. 计算机与现代化, 2024, 0(12): 45-52.
[3]	刘宝宝, 杨菁菁, 陶露, 王贺应. 基于注意力的DSMSC的遥感图像场景分类[J]. 计算机与现代化, 2024, 0(12): 72-77.
[4]	谷岳, 邓松峰, 沈霁, 穆文涛, 赵恩棋. 基于改进YOLOv8的SAR舰船目标检测算法[J]. 计算机与现代化, 2024, 0(12): 78-83.
[5]	万兵1, 2, 3, 赵文涛4, 潘多涛1, 赵峥韬2, 3, 孙朝阳2, 3, 俞建成2, 3. 无人帆船半物理仿真测试系统设计[J]. 计算机与现代化, 2024, 0(12): 91-99.
[6]	陈宇航1, 杨勇1, 帕力旦·吐尔逊1, 樊小超1, 任鸽1, 刁宇峰2. 融合句法特征与语义特征的作文自动评分方法[J]. 计算机与现代化, 2024, 0(11): 64-69.
[7]	万鸿炜, 陈平华. 基于Involution算子和协调反向注意力的息肉图像分割[J]. 计算机与现代化, 2024, 0(11): 84-90.
[8]	董玉玟. 基于改进YOLOv7-tiny的多尺度运动目标检测算法[J]. 计算机与现代化, 2024, 0(11): 99-105.
[9]	程亚子1, 雷亮1, 2, 陈瀚1, 赵毅然1. 基于转置注意力的多尺度深度融合单目深度估计[J]. 计算机与现代化, 2024, 0(09): 121-126.
[10]	王鑫, 余磊. 多尺度双注意力的图像超分辨率重建方法[J]. 计算机与现代化, 2024, 0(08): 77-87.
[11]	黄文栋, 王怡凡. 基于模态类别的多模态信息处理与融合综述[J]. 计算机与现代化, 2024, 0(07): 47-62.
[12]	庞梅, 汪珙, 詹泳, 黄哲法. 基于YOLOv5改进算法的海洋水下垃圾检测方法[J]. 计算机与现代化, 2024, 0(07): 120-126.
[13]	赵文博1, 向东1, 王玖斌2, 邓岳辉3, 张伟1, 康倩1, 李玉洁1. 基于改进黏菌算法与Tsallis熵的电力设备红外图像分割[J]. 计算机与现代化, 2024, 0(06): 70-75.
[14]	朱纷, 何立风, 孙爽, 张梦颖, 于佳佳. 基于形变残差和级联编码的胰腺分割模型[J]. 计算机与现代化, 2024, 0(06): 83-88.
[15]	吴恒锋, 侯兴松, 王华珂. 基于改进YOLOX的输电线路故障检测算法[J]. 计算机与现代化, 2024, 0(05): 5-10.