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

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.

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.

［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]	张伯泉, 麦海鹏, 陈嘉敏, 逄锦聚. 基于高灰度值注意力机制的脑白质高信号分割[J]. 计算机与现代化, 2023, 0(12): 67-75.
[2]	许叶彤, 耿信哲, 赵伟强, 张月, 宁海龙, 雷涛. 基于CNN-Transformer混合结构的遥感影像变化检测模型[J]. 计算机与现代化, 2023, 0(07): 79-85.
[3]	龚轩, 郭中华, 陈旺. 基于CA-TransUNet的遥感图像道路分割[J]. 计算机与现代化, 2023, 0(07): 112-118.
[4]	李国鑫, 曲寒冰, 朱成博, 王鑫轩, 胡嘉宝. 基于联合网络的域适应行人重识别算法[J]. 计算机与现代化, 2023, 0(06): 48-55.
[5]	王娟, 李传庚, 张卿源, 夏承遗. 基于Multiscale-Net的膝关节半月板分割方法[J]. 计算机与现代化, 2023, 0(05): 111-116.
[6]	朱理清, 李祥, . 改进YOLOv5算法的遥感图像车辆检测[J]. 计算机与现代化, 2023, 0(05): 117-121.
[7]	邱地发, 于淑芳, 刘锦辉, 毕梦昭. 基于YOLOv5s的遥感图像的车辆小目标检测[J]. 计算机与现代化, 2023, 0(05): 122-126.
[8]	刘辉, 邹锋, 陈得宝, 籍旭颖, 张妍. 基于改进MOJAYA/D算法的图像分割[J]. 计算机与现代化, 2023, 0(04): 62-72.
[9]	尹相臣, 陈思龙, 李振凯, 张文进, 李桂青. 多尺度密集感受域的GAN图像去雾算法[J]. 计算机与现代化, 2023, 0(03): 11-15.
[10]	梁科晋, 张海军, 刘雅情, 张昱, 王月阳. 混合多尺度卷积结合双层LSTM语音情感识别[J]. 计算机与现代化, 2023, 0(01): 63-68.
[11]	蒋思清, 陈潇俊, 高豪俊, 何佳晋, 吴健, . 基于对抗域适应的心电信号深度学习分类算法[J]. 计算机与现代化, 2023, 0(01): 81-87.
[12]	焦新泉, 李睿康, 陈建军. 基于改进的MoCo的遥感图像目标检测[J]. 计算机与现代化, 2022, 0(12): 88-94.
[13]	李静元, 张珂, 杨东裕. 基于雾计算的工业互联网安全数据访问方法[J]. 计算机与现代化, 2022, 0(12): 118-122.
[14]	谭金林, 范文童, 刘亚虎, 梁志锋, 王梁, 刘斌, 黄斌. 基于软硬件协同加速框架的遥感图像目标检测[J]. 计算机与现代化, 2022, 0(06): 109-115.
[15]	任朝宇, 赵冬娥, 张斌, 杨学峰, 褚文博. 基于多尺度CLG光流法的多目标检测方法[J]. 计算机与现代化, 2022, 0(04): 33-37.