遥感影像非监督分割评价方法和装置与流程

本发明属于遥感影像处理技术领域，特别涉及一种遥感影像非监督分割评价方法和装置。

背景技术：

随着高分辨率遥感技术的快速发展，从遥感影像中可以看清地面上更细小的地理对象，如道路、房屋、汽车等。但是在获得的高分辨率遥感影像中，经常会出现这样一种现象：不同地理对象光谱反射率相同而同一地理对象在遥感图像中具有不同的光谱反射率。由于此种问题的存在，传统的基于像素的影像分析方法在实际应用时表现不佳。而面向对象技术(geobia)由于对对象内的光谱方差敏感性较低，使得其正作为遥感分析的一种新方法得到愈加普遍的应用。面向对象技术可以有效地使用光谱、纹理和语义信息以及地理对象特征来提高后续的分类准确性，涉及到图像分割，信息提取和图像分类等过程。

将遥感图像划分为空间连续和光谱均匀区域的图像分割过程通常被认为是实现面向对象技术的先决条件，因为影像的分割质量直接决定了面向对象技术的性能。目前在遥感影像分析研究领域，提出了许多种分割方法，如深度学习方法，分形网络进化方法，多分辨率递归生成树方法，分水岭分割，光谱分割和多分辨率分割。在上述分割方法中，“尺度”参数用于控制分割对象的大小，并且不同的尺度可以导致不同的分割结果。因此，对于面向对象技术在确定最佳尺度和获得有效分割结果以进行后续分析时，分割质量的评估被认为是分析过程中重要的一步。

由于分割质量已经显示出对面向对象技术的影响，一些学者已经关注图像分割评估方法来确定良好的分割尺度。通常，分割评估方法可以分为三种：视觉分析，监督评估和无监督评估。视觉分析方法涉及用户通过直观地比较多个分割来确定可以产生良好分割的最佳尺度，并且已经应用于若干研究中。然而，该方法的最大问题在于它是高度主观和耗时的，因为需要详细检查一组分割以确定最佳分割，并且意见在最佳分割上变化。监督评估方法通过将分割结果与参考图像进行比较来评估分割，并且该比较涉及计算一些不相似性度量以确定与参考最佳匹配的分割。它是最常用的分割评估策略，因为这种方法可以允许确定用户认为重要的对象的最准确分割。然而，监督评估方法的局限性在于参考图像是通过人类解释生成的，并且参考多边形的创建可能是主观的和耗时的。与视觉和监督评估方法相比，无监督评估方法完全独立于专家知识而不需要参考多边形，并且根据某些测量来评估分割质量，这些测量通常与人类对形成良好分割因子的感知一致。这使得它比其他两种方法更有效，更客观。因此，最近无监督评估方法应用更佳广泛。

无监督评估方法认为良好的分割对象应该具有两个期望的属性：每个对象应该是内部同质的并且应该与其相邻对象分开。因此，大多数无监督评估方法涉及计算对象内同质性和对象间异质性度量，然后将这些值聚合成全局值。例如，现有技术中有的方法使用面积加权方差(area-weighedvariance，wv)和全局moran'si(mi)来计算对象内同质性和段间异质性。尽管这些现有方法有助于选择最佳尺度参数的自动化，但他们忽略了同质性测量是局部评估标准的事实，而异质性测量是全局评估标准。由于同质性和异质性评估标准特性的差异，这可能导致分割结果出现偏差，即过分割或分割不足的结果。

技术实现要素：

为了解决上述问题，本发明一方面提供了一种一种遥感影像非监督分割评价方法，其包括：获取遥感影像的多个分割对象；根据各个所述分割对象的面积对各个所述分割对象的所有波段的平均方差进行加权，得到面积加权方差wv；根据各个所述分割对象的局部光谱差异和所述遥感影像的平均光谱差异得到各个所述分割对象的相对异质性；根据所述分割对象的数量、所述遥感影像的波段数量和各个所述分割对象的相对异质性，得到总体异质性bsh；根据所述面积加权方差和所述总体异质性，得到评价结果。

在如上所述的方法中，优选地，所述根据各个所述分割对象的面积对各个所述分割对象的所有波段的平均方差进行加权，具体包括：获取一个所述分割对象的所有波段的平均方差；遍历所有所述分割对象，以得到各个所述分割对象的所有波段的平均方差；以各个所述分割对象的面积为权重对各个所述分割对象的所有波段的平均方差进行加权，得到面积加权方差。

在如上所述的方法中，优选地，所述根据各个所述分割对象的局部光谱差异和平均光谱差异得到各个所述分割对象的相对异质性，具体包括：根据多个所述分割对象建立区域邻接图；基于所述区域邻接图得到各个所述分割对象的局部光谱差异hi，其中，所述局部光谱差异hi的计算公式为：

式中，k为分割对象i总的相邻分割对象的数量，yi和yj分别是分割对象i和分割对象i的邻接分割对象j的光谱均值，是分割对象i和分割对象i的所有邻接分割对象的光谱均值，wij是分割对象i的邻接分割对象j的权重，lij是分割对象i和邻接分割对象j的公共边界，li是分割对象i的边长；根据所述分割对象的数量和各个所述分割对象的局部光谱差异得到所述遥感影像的平均光谱差异所述平均光谱差异的计算公式为：

式中，n代表遥感影像总的分割对象数量；获取分割对象i的相对异质性rhi，所述相对异质性rhi的计算公式为：

遍历所有所述分割对象，得到各个所述分割对象的相对异质性。

在如上所述的方法中，优选地，所述根据所述分割对象的数量、所述遥感影像的波段数量和各个所述分割对象的相对异质性，得到总体异质性，具体包括：所述总体异质性bsh的计算公式为：

式中，m表示遥感影像波段数量，rhib是指rhi在b波段上的值。

在如上所述的方法中，优选地，所述根据面积加权方差和总体异质性，得到评价结果，具体包括：将所述面积加权方差wv和总体异质性bsh进行组合，得到f测量方法的值；根据所述f测量方法的值得到评价结果；其中，所述f测量方法的值的计算公式为：

式中，f测量方法的值f0的取值范围为[0,1]，wvnorm表示wv标准化为[0,1]范围后的值，bshnorm表示bsh标准化为[0,1]范围后的值。

另一方面提供了一种遥感影像非监督分割评价装置，其包括：获取模块，用于获取遥感影像的多个分割对象；面积加权方差得到模块，用于根据各个所述分割对象的面积对各个所述分割对象的所有波段的平均方差进行加权，得到面积加权方差；相对异质性得到模块，用于根据各个所述分割对象的局部光谱差异和所述遥感影像的平均光谱差异得到各个所述分割对象的相对异质性；总体异质性得到模块，用于根据所述分割对象的数量、所述遥感影像的波段数量和各个所述分割对象的相对异质性，得到总体异质性；评价结果得到模块，用于根据所述面积加权方差和所述总体异质性，得到评价结果。

在如上所述的装置中，优选地，所述面积加权方差得到模块具体包括：平均方差得到单元，用于获取一个所述分割对象的所有波段的平均方差，遍历所有所述分割对象，以得到各个所述分割对象的所有波段的平均方差；面积加权方差得到单元，用于以各个所述分割对象的面积为权重对各个所述分割对象的所有波段的平均方差进行加权，得到面积加权方差。

在如上所述的装置中，优选地，所述相对异质性得到模块具体包括：区域邻接图建立单元，用于根据多个所述分割对象建立区域邻接图；局部光谱差异得到单元，用于基于所述区域邻接图得到各个所述分割对象的局部光谱差异hi，其中，所述局部光谱差异hi的计算公式为：

式中，k为分割对象i总的相邻分割对象的数量，yi和yj分别是分割对象i和分割对象i的邻接分割对象j的光谱均值，是分割对象i和分割对象i的所有邻接分割对象的光谱均值，wij是分割对象i的邻接分割对象j的权重，lij是分割对象i和邻接分割对象j的公共边界，li是分割对象i的边长；平均光谱差异得到单元，用于根据所述分割对象的数量和各个所述分割对象的局部光谱差异得到所述遥感影像的平均光谱差异所述平均光谱差异的计算公式为：

式中，n代表遥感影像总的分割对象数量；相对异质性得到单元，用于获取分割对象i的相对异质性rhi，遍历所有所述分割对象，得到各个所述分割对象的相对异质性；其中，所述相对异质性rhi的计算公式为：

在如上所述的装置中，优选地，所述总体异质性得到模块具体用于根据所述总体异质性bsh的计算公式得到所述总体异质性；所述总体异质性bsh的计算公式为：

式中，m表示遥感影像波段数量，rhib是指rhi在b波段上的值。

在如上所述的装置中，优选地，所述评价结果得到模块具体包括：f测量方法得到单元，用于将面积加权方差wv和总体异质性bsh进行组合，得到f测量方法的值；评价结果得到单元，用于根据所述f测量方法的值得到评价结果；其中，所述f测量方法的值的计算公式为：

式中，f测量方法的值f0的取值范围为[0,1]，wvnorm表示wv标准化为[0,1]范围后的值，bshnorm表示bsh标准化为[0,1]范围后的值。

本发明实施例提供的技术方案带来的有益效果是：

(1)建立了一种遥感影像非监督分割评价的理论体系。提出基于面积加权方差wv和bsh来评价分割结果的同质性和异质性，将两个指标作为局部度量标准，来评估遥感影像分割结果，这种方法，避免了因传统评价方法造成的过分割或欠分割现象，使遥感影像评价方法得到优化；

(2)结合相邻分割对象之间的共同边界权重因子，计算光谱差异，改进后的光谱差异更佳客观地揭示了对象的异质性特征，使得评价效果更佳显著，

(3)使用f测量的方法对wv和bsh度量分量进行融合，以平衡两个分量之间的关系，从而实现对复杂分割结果的评价，其精度高，特别在局部评价方面具有显著优越性，更佳清晰地揭示影像分割的质量。

附图说明

图1为本发明实施例提供的一种遥感影像非监督分割评价方法的流程示意图；

图2为采用本发明实施例提供的方法与现有技术方法得到的遥感影像分割结果对比图；

图3为本发明实施例提供的一种遥感影像非监督分割评价装置的结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

下面将参考附图并结合实施例来详细说明本发明。各个示例通过本发明的解释的方式提供而非限制本发明。实际上，本领域的技术人员将清楚，在不脱离本发明的范围或精神的情况下，可在本发明中进行修改和变型。例如，示为或描述为一个实施例的一部分的特征可用于另一个实施例，以产生又一个实施例。因此，所期望的是，本发明包含归入所附权利要求及其等同物的范围内的此类修改和变型。

参见图1，本发明实施例提供了一种遥感影像非监督分割评价方法，其包括如下步骤：

步骤101，获取遥感影像的多个分割对象。

具体地，首先得到高分辨率遥感卫星的影像数据，即得到遥感影像，然后对遥感影像进行分割，得到多个分割对象。分割时可以采用当前商业软件ecognitiondeveloper中的mrs方法(multi-resolutionsegmentation，多分辨率分割)。

步骤102，根据各个分割对象的面积对各个分割对象的所有波段的平均方差进行加权，得到面积加权方差。

具体地，该步骤包括：获取一个分割对象的所有波段的平均方差；遍历所有分割对象，从而得到各个分割对象的所有波段的平均方差；以各个分割对象的面积为权重对各个分割对象的所有波段的平均方差进行加权，得到面积加权方差(area-weighedvariance，wv)。面积加权方差wv用来表示分割结果的同质性，用来度量分割对象内部总体的良好程度，其计算表达式为：

式中，ai表示分割对象i的面积，vi是分割对象i的所有波段的平均方差，n表示分割对象的数量，m表示遥感影像波段数量，vib是分割对象i在波段b上的方差。

步骤103，根据各个分割对象的局部光谱差异和平均光谱差异得到各个分割对象的相对异质性。

具体地，该步骤包括：根据多个分割对象建立rag(regionadjacencygraph，区域邻接图)，其用来表示在遥感影像分割场景中各分割对象间的邻接关系；基于区域邻接图得到各个分割对象的局部光谱差异hi，根据分割对象的数量和各个分割对象的局部光谱差异得到遥感影像的平均光谱差异获取一个分割对象的相对异质性，然后遍历所有分割对象，得到各个分割对象的相对异质性rhi。

考虑相邻对象之间的共同边界贡献计算局部光谱差异，以表示异质性。

其中，分割对象i的局部光谱差异hi的计算公式为：

式中，k为分割对象i总的相邻分割对象的数量，yi和yj分别是分割对象i和其邻接分割对象j的光谱均值，是分割对象i和其所有邻接分割对象的光谱均值，wij是分割对象i的邻接分割对象j的权重，lij是分割对象i和其邻接分割对象j的公共边界，li是分割对象i的边长。

的计算公式为：

式中，k为分割对象i总的相邻分割对象的数量，nj和ni分别为分割对象j和i的像素个数，dnn表示像素n的光谱值；

平均光谱差异的计算公式为：

式中，n代表遥感影像总的分割对象数量。

以分割对象i为例进行说明，分割对象i对应的相对异质性rhi的计算公式为：

步骤104，根据分割对象的数量、遥感影像的波段数量和各个分割对象的相对异质性，得到总体异质性。

具体地，总体异质性(between-segmentheterogeneity，bsh)的计算公式为：

式中，m表示遥感影像波段数量，rhib是指rhi在b波段上的值。

步骤105，根据面积加权方差和总体异质性，得到评价结果。

具体地，该步骤包括：将面积加权方差wv和总体异质性bsh进行组合，得到f测量方法的值；根据f测量方法的值得到评价结果；

其中，f测量方法的值的计算公式为：

wvnorm的计算公式为：

bshnorm的计算公式为：

式中，f测量方法的值f0的取值范围为[0,1]，其值越高表示分割质量越高。wvnorm表示wv标准化为[0,1]范围后的值，其值越高表示同质性越高，bshnorm表示bsh标准化为[0,1]范围后的值，其值越高表示异质性越高。

参见图2，展示了采用本发明提供的方法与采用现有技术中的方法得到的遥感影像分割结果对比图。使用本发明方法参数设置为[8,0.05,0.1]，其对应的分割结果见图2a；使用现有技术一，即es(espindola'smethod)方法参数设置为[8,0.05,0.1]，其对应的分割结果见图2b；使用现有技术二，即jo(johnson’smethod)方法参数设置为[7,0.05,0.1]，其对应的分割结果见图2c；使用现有技术三，即zh(zhang’smethod)方法参数设置为[7,0.05,0.1]，其对应的分割结果见图2d；使用现有技术四，即ya(yang’smethod)方法参数设置为[14,0.05,0.1]，其对应的分割结果见图2e；与图2a相比，其他方法的分割结果出现不同程度的过分割或欠分割现象，说明本发明可以对遥感影像分割结果进行更客观公正的评价。上述参数均为分割方法mrs中的参数。

参见图3，本发明另一实施例提供了一种遥感影像非监督分割评价装置，其包括：获取模块201、面积加权方差得到模块202、相对异质性得到模块203、总体异质性得到模块204和评价结果得到模块205。

获取模块201用于获取遥感影像的多个分割对象。

面积加权方差得到模块202用于根据各个分割对象的面积对各个分割对象的所有波段的平均方差进行加权，得到面积加权方差。

相对异质性得到模块203用于根据各个分割对象的局部光谱差异和遥感影像的平均光谱差异得到各个分割对象的相对异质性。

总体异质性得到模块204用于根据分割对象的数量、遥感影像的波段数量和各个分割对象的相对异质性，得到总体异质性。

评价结果得到模块205用于根据面积加权方差和总体异质性，得到评价结果。

优选地，所述面积加权方差得到模块202具体包括：平均方差得到单元和面积加权方差得到单元。

平均方差得到单元用于获取一个所述分割对象的所有波段的平均方差，遍历所有所述分割对象，以得到各个所述分割对象的所有波段的平均方差。

面积加权方差得到单元用于以各个所述分割对象的面积为权重对各个所述分割对象的所有波段的平均方差进行加权，得到面积加权方差。

优选地，所述相对异质性得到模块203具体包括：区域邻接图建立单元、局部光谱差异得到单元、平均光谱差异得到单元和相对异质性得到单元。

区域邻接图建立单元用于根据多个分割对象建立区域邻接图。

局部光谱差异得到单元用于基于区域邻接图得到各个分割对象的局部光谱差异hi，其中，局部光谱差异hu的计算公式为：

式中，k为分割对象i总的相邻分割对象的数量，yi和yj分别是分割对象i和分割对象i的邻接分割对象j的光谱均值，是分割对象i和分割对象i的所有邻接分割对象的光谱均值，wij是分割对象i的邻接分割对象j的权重，lij是分割对象i和邻接分割对象j的公共边界，li是分割对象i的边长。

平均光谱差异得到单元用于根据分割对象的数量和各个分割对象的局部光谱差异得到遥感影像的平均光谱差异平均光谱差异的计算公式为：

式中，n代表遥感影像总的分割对象数量。

相对异质性得到单元用于获取分割对象i的相对异质性rhi，遍历所有分割对象，得到各个分割对象的相对异质性；

其中，相对异质性rhi的计算公式为：

优选地，总体异质性得到模块204具体用于根据总体异质性bsh的计算公式得到总体异质性；总体异质性bsh的计算公式为：

式中，m表示遥感影像波段数量，rhib是指rhi在b波段上的值。

优选地，评价结果得到模块205具体包括：f测量方法得到单元和评价结果得到单元。f测量方法得到单元用于将面积加权方差wv和总体异质性bsh进行组合，得到f测量方法的值。评价结果得到单元用于根据f测量方法的值得到评价结果；其中，f测量方法的值的计算公式为：

式中，f测量方法的值f0的取值范围为[0,1]，wvnorm表示wv标准化为[0,1]范围后的值，bshnorm表示bsh标准化为[0,1]范围后的值。

需要说明的是，关于获取模块201、面积加权方差得到模块202、相对异质性得到模块203、总体异质性得到模块204和评价结果得到模块205中各模块的处理方式可参见上述实施例中步骤101～105的相关描述内容，此处不再一一赘述。

本发明另一实施例还提供了一种遥感影像非监督分割评价装置，其包括：图像采集装置、处理器和存储器。图像采集装置用于用于获取遥感影像的多个分割对象。处理器被配置为执行前述遥感影像非监督分割评价方法。存储器用于存储处理器的可执行指令。

本发明又一实施例提供了一种计算机可读存储介质，该介质中存储有至少一条指令、至少一段程序、代码集或指令集，至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现前述遥感影像非监督分割评价方法。

由技术常识可知，本发明可以通过其它的不脱离其精神实质或必要特征的实施方案来实现。因此，上述公开的实施方案，就各方面而言，都只是举例说明，并不是仅有的。所有在本发明范围内或在等同于本发明的范围内的改变均被本发明包含。