張濤， 楊曉梅, 童立強(qiáng)， 賀鵬

(1.中國國土資源航空物探遙感中心，北京 100083； 2.中國科學(xué)院地理科學(xué)與資源研究所 資源與環(huán)境信息系統(tǒng)國家重點(diǎn)實(shí)驗室，北京 100101)

?

基于多尺度圖像庫的遙感影像分割參數(shù)優(yōu)選方法

張濤1， 楊曉梅2, 童立強(qiáng)1， 賀鵬1

(1.中國國土資源航空物探遙感中心，北京 100083； 2.中國科學(xué)院地理科學(xué)與資源研究所 資源與環(huán)境信息系統(tǒng)國家重點(diǎn)實(shí)驗室，北京 100101)

尋找合適的分割參數(shù)是面向?qū)ο笥跋穹治龅氖滓襟E。試錯策略的目視分析法在實(shí)際應(yīng)用中被廣泛采用，但其無法分析大量分割結(jié)果，難以找到最佳分割參數(shù)。針對此問題，提出一種基于多尺度圖像庫的分割參數(shù)優(yōu)選方法，并以SPOT5影像為例開展了多尺度分割參數(shù)優(yōu)選實(shí)驗。結(jié)果表明，該方法能夠有效找到合適的分割參數(shù)，并能對地物目標(biāo)的多尺度特性做全面分析?；诙喑叨葓D像庫的分割參數(shù)優(yōu)選方法簡單有效，可為工程化影像解譯中分割參數(shù)選擇提供支持。

遙感； 多尺度； 圖像分割； 參數(shù)優(yōu)選

0 引言

隨著高空間分辨率遙感技術(shù)的發(fā)展，面向?qū)ο蟮倪b感影像分析方法日益興起[1-2]，并被廣泛應(yīng)用于精細(xì)尺度的國土資源調(diào)查、地理國情普查和海岸帶海島資源環(huán)境調(diào)查等項目。面向?qū)ο笥跋穹治龇椒ǖ氖滓襟E是影像分割，而分割效果取決于分割參數(shù)的設(shè)定，因此尋找合適的分割參數(shù)對提高遙感信息提取的效果十分重要[3-5]。

現(xiàn)有分割參數(shù)優(yōu)選方法主要分為定性和定量判別2類。定量判別方法是通過分析特定指標(biāo)隨尺度變化的曲線，選擇極大值、極小值或突變點(diǎn)對應(yīng)的尺度作為最佳分割參數(shù)，此類方法也稱為指標(biāo)曲線法。Drǎgu等[6]提出LV(local variance)指標(biāo)，其突變點(diǎn)對應(yīng)尺度是較適合的分割尺度。此外，其他學(xué)者還提出了均值方差指標(biāo)[7]、RMAS(ratio of mean difference to neighbors(ABS) to standard deviation)指標(biāo)[8]、圖斑顯著性指標(biāo)[9]、ASEI(average segmentation evaluation index)指標(biāo)[10]、T指標(biāo)[11]和信息熵差異指標(biāo)[12]等，均以極大或極小值對應(yīng)尺度為最優(yōu)分割尺度。雖然指標(biāo)曲線法有較強(qiáng)的研究價值，但其使用過程較為復(fù)雜，限制了在實(shí)際應(yīng)用中的普及與推廣。定性判別方法是通過不同參數(shù)的分割實(shí)驗得到多種分割結(jié)果，采用目視分析的方法來選擇合適的分割尺度。傳統(tǒng)上主要采用試錯策略，即每次分割后人為評判分割結(jié)果的優(yōu)劣。該方法不需太多理論支持，實(shí)用性較強(qiáng)。然而，由于缺乏系統(tǒng)的技術(shù)體系，采用試錯法尋找最佳分割尺度存在一定困難，首先遙感影像分割需要耗費(fèi)較多計算時間，試錯法所嘗試的分割尺度一般較少； 其次由于常用面向?qū)ο笥跋穹治鲕浖狈χ虚g結(jié)果的保存，每個尺度的分割結(jié)果只分析一次，難以全面把握各類地物的多尺度特性。

針對試錯法的不足，提出將多尺度分割結(jié)果建庫保存的改進(jìn)策略，通過建立多尺度圖像庫來輔助多尺度分割結(jié)果的目視判別，分析地物目標(biāo)的多尺度特性并選擇最適宜的分割尺度。本文首先介紹基于多尺度圖像庫的遙感影像分割參數(shù)優(yōu)選方法的技術(shù)流程； 然后以珠江口地區(qū)SPOT5影像為例，開展基于多尺度圖像庫與目視分析方法的分割參數(shù)優(yōu)選實(shí)驗，并驗證其應(yīng)用效果； 最后討論該方法優(yōu)缺點(diǎn)和適用條件。

1 方法

基于多尺度圖像庫的遙感影像分割參數(shù)優(yōu)選方法主要包括2個步驟： 構(gòu)建多尺度圖像庫和選擇最優(yōu)分割參數(shù)，總體技術(shù)流程如圖1所示。

圖1 總體技術(shù)流程

1.1 構(gòu)建多尺度圖像庫

多尺度分割算法較多，其中應(yīng)用最廣的是eCognitionTM中實(shí)現(xiàn)的多分辨率分割算法[13]。該算法基于區(qū)域增長原理，采用光譜和形狀異質(zhì)性來控制增長程度。分割時需要調(diào)整3個參數(shù)： 尺度(scale)、形狀權(quán)重(shape_weight)和緊致度權(quán)重(compact_weight)。2個權(quán)重值決定了異質(zhì)性指標(biāo)的計算方式，而尺度參數(shù)決定了異質(zhì)性增長的上限，即如果當(dāng)前處理對象與其領(lǐng)域?qū)ο蠛喜⒑蟮漠愘|(zhì)性指標(biāo)大于尺度參數(shù)，則停止增長，算法詳細(xì)過程見文獻(xiàn)[13]，本文采用該算法進(jìn)行分割。

在eCognitionTMdeveloper中構(gòu)建多尺度圖像庫的規(guī)則集，定義好初始值以后，全自動運(yùn)行，無需人工干預(yù)。具體算法流程包括： 首先將遙感影像做小尺度初分割，參數(shù)為scale=3，shape_weight= 0.2，compact_weight=0.5； 然后以初分割對象為基本單元，變換分割參數(shù)，得到多尺度的分割結(jié)果，其中針對上述3個參數(shù)共設(shè)計了3個嵌套循環(huán)來實(shí)現(xiàn)多種參數(shù)組合，在每次循環(huán)中，執(zhí)行合并、感興趣區(qū)導(dǎo)出和入庫操作； 最后，直至循環(huán)結(jié)束，多尺度圖像庫構(gòu)建完成。采用以小尺度初分割結(jié)合多尺度合并的方式來獲得分割結(jié)果，將比直接從像元級開始分割更節(jié)省時間。

該算法偽代碼如下：

開始

輸入遙感影像;

初值設(shè)置: scale0,scale_in,scale1,SW0,SW_in,SW1,CW0,CW_in,CW1;

小尺度初始分割;

For scale = scale0: scale_in: scale1

For shape_weight = SW0: SW_in: SW1

For compact_weight = CW0: CW_in: CW1

在初分割結(jié)果上執(zhí)行合并;

設(shè)置感興趣區(qū);

導(dǎo)出感興趣區(qū)的分割結(jié)果圖像;

在多尺度分割圖像庫中插入記錄;

Next compact_weight

Next shape_weight

Next scale

結(jié)束

導(dǎo)出的多尺度分割結(jié)果為真彩色(或假彩色)合成圖像疊加上分割邊界的結(jié)果，采用圖像格式保存，利用數(shù)據(jù)庫實(shí)現(xiàn)圖像管理，共包含6個字段： 編號(id)、尺度(scale)、形狀權(quán)重(shape_weight)、緊致度權(quán)重(compact_weight)、景觀類型(landscape)和分割圖像文件位置(seg_image)，具體圖像庫表結(jié)構(gòu)如表1所示。

表1 多尺度圖像庫的表結(jié)構(gòu)

1.2 選擇最優(yōu)分割參數(shù)

基于1.1節(jié)所建立的多尺度圖像庫，采用目視分析方法來評價不同參數(shù)下的分割結(jié)果，優(yōu)選適合于特定地物類型提取的最佳分割參數(shù)。首先從多尺度分割結(jié)果中檢索出指定參數(shù)范圍內(nèi)的分割圖像，然后以幻燈播放的方式快速比較不同參數(shù)下的分割結(jié)果，分析不同地物類型分割結(jié)果隨尺度變化的特征，并選擇對應(yīng)的最佳分割尺度。由于不同參數(shù)條件下的分割結(jié)果都保存在圖像庫中，對結(jié)果進(jìn)行目視分析十分方便快捷，還可以對大量參數(shù)組合下的分割結(jié)果進(jìn)行比較，輔助分析人員全面了解地物的多尺度特性并選擇最佳分割參數(shù)。

2 實(shí)驗

2.1 研究區(qū)及其數(shù)據(jù)源

研究區(qū)位于廣東省珠江口地區(qū)，數(shù)據(jù)源為SPOT5多光譜影像，成像時間為2010年11月9日，空間分辨率為10 m，截取2 000 像素×2 000像素的影像進(jìn)行分割實(shí)驗。該區(qū)域內(nèi)的主要地物類型為水田、旱地、養(yǎng)殖池塘、居民點(diǎn)、工礦用地和河渠?；诙喑叨葓D像庫構(gòu)建技術(shù)流程，建立結(jié)果圖像庫，涉及的感興趣目標(biāo)包括工礦用地、居民點(diǎn)和養(yǎng)殖池塘等。采用目視分析方法對分割結(jié)果進(jìn)行優(yōu)選，獲得最優(yōu)分割參數(shù)，并驗證其有效性。

2.2 結(jié)果與分析

研究區(qū)多尺度分割結(jié)果如圖2所示。利用平鋪展示的方式可以方便地看出特定地塊出現(xiàn)過分割和欠分割時的尺度范圍。在實(shí)際應(yīng)用中，采用幻燈播放的方式來分析尺度規(guī)律并選取最優(yōu)分割尺度，將比該方式更加方便有效。

(a) 原始圖像(b) 分割尺度： 14(c) 分割尺度: 18(d) 分割尺度: 24

(e) 分割尺度: 28(f) 分割尺度: 34(g) 分割尺度: 38(h) 分割尺度: 40

(i) 分割尺度: 44(j) 分割尺度: 46(k) 分割尺度: 48(l) 分割尺度: 60

圖2 研究區(qū)多尺度分割結(jié)果

Fig.2 Multiscale segmentation results in study area

某工礦用地地塊的影像分割結(jié)果隨尺度參數(shù)變化的規(guī)律如圖3所示。

(a) 分割尺度: 22 (b) 分割尺度: 28～43(c) 分割尺度: 44～46 (d) 分割尺度: 47～100

圖3 某工礦用地地塊影像分割結(jié)果

Fig.3 Segmentation results of image in a industrial area

從圖3中可以發(fā)現(xiàn)，在分割尺度為22時，工礦區(qū)內(nèi)的建筑物屋頂被分割出來； 分割尺度在28～43時，工礦用地被分成幾個紋理區(qū)塊； 分割尺度在47～100時，整個工礦用地作為一個對象被分割出來。在實(shí)際應(yīng)用中，如果用于工礦區(qū)大型建筑物的提取，則應(yīng)選擇小于22的分割尺度； 如果用于工礦用地內(nèi)部功能區(qū)的劃分，則應(yīng)選擇43左右的分割尺度； 如果用于工礦用地提取，則選擇47以上的分割尺度更合適。通過分析工礦用地地塊的多尺度特性，找到可識別面積最小地塊的分割尺度就可以作為此類地物提取的最優(yōu)分割尺度。

為了驗證本文方法的分割效率，與傳統(tǒng)多尺度分割方法進(jìn)行對比。采用1 000像素×1 000像素的SPOT5 4波段圖像，實(shí)驗環(huán)境為2.7G CPU 4G內(nèi)存的計算機(jī)。多尺度分割參數(shù)設(shè)置為： 緊致度權(quán)重和形狀權(quán)重均從0.1到0.9，步長為0.2； 尺度參數(shù)則從10到100，步長為2，總共有1 150種尺度參數(shù)組合。分割效率對比如表2所示。

表2 2種方法耗費(fèi)時間對比

從表2中可以發(fā)現(xiàn)，在單次分割時，多尺度分割方法所用時間更短； 但是在執(zhí)行1 150次多尺度分割時，本文方法僅用時1.4 h，多尺度分割方法用時則長達(dá)4.5 h。由此可見，本文提出的小尺度初分割結(jié)合多尺度合并的策略，能夠有效節(jié)約運(yùn)行時間。

3 討論與結(jié)論

針對傳統(tǒng)基于試錯策略的遙感影像分割參數(shù)優(yōu)選方法的不足，本文提出基于多尺度圖像庫的目視分析方法。該方法具有以下4方面的優(yōu)點(diǎn)：

1) 相比定量指標(biāo)分析法，分割結(jié)果隨分割參數(shù)的變化直觀可見，可以充分利用人對影像的認(rèn)知能力，找到與實(shí)際地物邊界最符合的分割結(jié)果。

2) 基于多尺度圖像庫獲得的最優(yōu)分割參數(shù)可以與定量指標(biāo)分析結(jié)果進(jìn)行對照與驗證。

3) 相比傳統(tǒng)簡單試錯法，該方法能夠考慮大量的參數(shù)組合，更適合最優(yōu)參數(shù)選擇； 分割過程無需等待，耗時短，效率高； 操作員可以對分割結(jié)果獨(dú)立判決，再討論選擇最佳分割尺度。

4) 將典型地物的多尺度分割結(jié)果建庫保存，可以用于不同地物類型的多尺度分析。提出的多尺度圖像庫構(gòu)建算法流程簡單易行，建庫過程自動運(yùn)行，無需人工干預(yù)，在基于面向?qū)ο蠹夹g(shù)的工程化遙感解譯應(yīng)用中有較強(qiáng)的應(yīng)用價值。

尺度特性是地理事物和現(xiàn)象自身的固有屬性，特定地理現(xiàn)象只出現(xiàn)在特定的觀測尺度上。通過對建庫保存的多尺度分割結(jié)果進(jìn)行目視分析，可以方便地找到真實(shí)地物對應(yīng)的分割對象出現(xiàn)的尺度范圍，并找出“過分割”、“適宜分割”和“欠分割”3種狀態(tài)之間的關(guān)鍵尺度閾值。但由于目視分析基于主觀判斷，該方法要求執(zhí)行尺度優(yōu)選的操作員應(yīng)具有較強(qiáng)的遙感目視解譯經(jīng)驗。后續(xù)工作將以多尺度圖像庫為基礎(chǔ)，對各種尺度優(yōu)選指標(biāo)進(jìn)行驗證，并發(fā)展主客觀相結(jié)合的分割尺度優(yōu)選策略。

[1] 宮鵬,黎夏,徐冰.高分辨率影像解譯理論與應(yīng)用方法中的一些研究問題[J].遙感學(xué)報,2006,10(1):1-5. Gong P,Li X,Xu B.Interpretation theory and application method development for information extraction from high resolution remotely sensed data[J].Journal of Remote Sensing,2006,10(1):1-5.

[2] 孫曉霞,張繼賢,劉正軍.利用面向?qū)ο蟮姆诸惙椒◤腎KONOS全色影像中提取河流和道路[J].測繪科學(xué),2006,31(1):62-63. Sun X X,Zhang J X,Liu Z J.Extracting the river and the road using an object oriented technique from IKONOS panchromatic imagery[J].Science of Surveying and Mapping,2006,31(1):62-63.

[3] Blaschke T.Object based image analysis for remote sensing[J].ISPRS Journal of Photogrammetry and Remote Sensing,2010,65(1):2-16.

[4] 李秦,高錫章,張濤,等.最優(yōu)分割尺度下的多層次遙感地物分類實(shí)驗分析[J].地球信息科學(xué)學(xué)報,2011,13(3):409-417. Li Q,Gao X Z,Zhang T,et al.Optimal segmentation scale selection and evaluation for multi-layer image recognition and classification[J].Journal of Geo-Information Science,2011,13(3):409-417.

[5] 于歡,張樹清,孔博,等.面向?qū)ο筮b感影像分類的最優(yōu)分割尺度選擇研究[J].中國圖象圖形學(xué)報,2010,15(2):352-360. Yu H,Zhang S Q,Kong B,et al.Optimal segmentation scale selection for object-oriented remote sensing image classification[J].Journal of Image and Graphics,2010,15(2):352-360.

[7] 黃慧萍.面向?qū)ο笥跋穹治鲋械某叨葐栴}研究[D].北京:中國科學(xué)院遙感應(yīng)用研究所,2003. Huang H P.Scale Issues in Object-oriented Image Analysis[D].Beijing:Institute of Remote Sensing Applications,Chinese Academy of Sciences,2003.

[8] 張俊,朱國龍,李妍.面向?qū)ο蟾叻直媛视跋裥畔⑻崛≈械某叨刃?yīng)及最優(yōu)尺度研究[J].測繪科學(xué),2011,36(2):107-109,58. Zhang J,Zhu G L,Li Y.Scale effect and optimal scale in object-oriented information extraction of high spatial resolution remote sensing image[J].Science of Surveying and Mapping,2011,36(2):107-109,58.

[9] 陳建裕,潘德爐,毛志華.高分辨率海岸帶遙感影像中簡單地物的最優(yōu)分割問題[J].中國科學(xué)D輯:地球科學(xué),2006,36(11):1044-1051. Chen J Y,Pan D L,Mao Z H.Optimum segmentation of simple objects in high-resolution remote sensing imagery in coastal areas[J].Science in China Series D:Earth Sciences,2006,49(11):1195-1203.

[10]陳春雷,武剛.面向?qū)ο蟮倪b感影像最優(yōu)分割尺度評價[J].遙感技術(shù)與應(yīng)用,2011,26(1):96-102. Chen C L,Wu G.Evaluation of optimal segmentation scale with object oriented method in remote sensing[J].Remote Sensing Technology and Application,2011,26(1):96-102.

[11]魯恒,李永樹,唐敏.面向?qū)ο蟮纳降貐^(qū)域多源遙感影像分割尺度選擇及評價[J].山地學(xué)報,2011,29(6):688-694. Lu H,Li Y S,Tang M.Evaluation and selection of segmentation scale with object-oriented method in multiple source remote sensing image of mountain areas[J].Journal of Mountain Science,2011,29(6):688-694.

[12]陳杰,陳鐵橋,梅小明,等.基于最優(yōu)尺度選擇的高分辨率遙感影像丘陵農(nóng)田提取[J].農(nóng)業(yè)工程學(xué)報,2014,30(5):99-107. Chen J,Chen T Q,Mei X M,et al.Hilly farmland extraction from high resolution remote sensing imagery based on optimal scale selection[J].Transactions of the Chinese Society of Agricultural Engineering,2014,30(5):99-107.

[13]Benz U C,Hofmann P,Willhauck G,et al.Multi-resolution,object-oriented fuzzy analysis of remote sensing data for GIS-ready information[J].ISPRS Journal of Photogrammetry and Remote Sensing,2004,58(3/4):239-258.

(責(zé)任編輯： 陳理)

Selection of best-fitting scale parameters in image segmentation based on multiscale segmentation image database

ZHANG Tao1, YANG Xiaomei2, TONG Liqiang1, HE Peng1

(1.ChinaAeroGeophysicalSurveyingandRemoteSensingCenterforLandandResources,Beijing100083,China; 2.StateKeyLaboratoryofResourcesandEnvironmentalInformationSystem,InstituteofGeographicSciencesandNaturalResourcesResearch,CAS,Beijing100101,China)

Finding the best-fitting parameters in image segmentation is of great importance for object-oriented information extraction. The try-and-error strategy and visual analysis on multiresolution segmentation are widely used in real practice, but they cannot analyze a large number of segmentation results. This paper proposes a procedure for picking segmentation parameters based on multiresolution segmentation image database and visual analysis. The experiment of multiresolution segmentation on SPOT5 image shows that the proposed procedure is capable of finding the best fitting parameters. The procedure is more efficient and effective than the traditional try-and-error strategy, and there is good potential for the procedure to be used in practical image analysis application.

remote sensing; multiscale; image segmentation; scale optimization

10.6046/gtzyyg.2016.04.09

張濤,楊曉梅,童立強(qiáng),等.基于多尺度圖像庫的遙感影像分割參數(shù)優(yōu)選方法[J].國土資源遙感,2016,28(4):59-63.(Zhang T,Yang X M,Tong L Q,et al.Selection of best-fitting scale parameters in image segmentation based on multiscale segmentation image database[J].Remote Sensing for Land and Resources,2016,28(4):59-63.)

2015-02-13；

2015-04-28

國家自然科學(xué)基金創(chuàng)新群體項目“地理時空數(shù)據(jù)分析”(編號： 41421001)和中國地質(zhì)調(diào)查局地質(zhì)礦產(chǎn)評價項目“全國自然資源遙感綜合調(diào)查與信息系統(tǒng)建設(shè)”(編號： 121201203000160011)共同資助。

TP 75

A

1001-070X(2016)04-0059-05

張濤(1983-)，男，博士，高級工程師，主要從事資源環(huán)境遙感應(yīng)用研究。Email: zhangtpaper@qq.com。

楊曉梅(1970-)，研究員，主要從事遙感智能計算方法和海洋海岸帶遙感應(yīng)用研究。Email： yangxm@leris.ac.cn。