面向高空间分辨率遥感影像分割的图割方法

高空间分辨率（HSR）影像分割是当前遥感领域面临的最具挑战性的任务之一。如何克服分割对数据分布模型假设的过分依赖、难以得到全局最优解或近全局最优解、现有分割模型本身的理论缺陷等问题，是HSR影像分割需要解决的问题。本课题研究围绕HSR影像分割这一中心问题，提出面向HSR影像分割的图割方法，具体研究：1）条件随机场框架下能量最小化图割方法；2）建立无向权重图，选择图割准则进行最优图割计算；3）根据图割方法的多尺度分割结果得到的对象塔式网络，提取对象上下文特征，进行基于高斯过程的影像分类，由分类结果评价图割方法性能。本项目的研究成果有望为HSR遥感影像的应用分析提供可靠的信息来源，并为后续处理奠定基础，具有较高的实际应用价值。

高空间分辨率（HSR）影像分析是近年来遥感领域最具挑战性的问题之一。空间分辨率的提高，导致光谱特征样本类内差异增大而类间差异降低，加上光谱特征维数有限，使得在光谱特征空间中地物间统计可分性降低，严重影响分类精度。基于对象的图像分析，以影像分割提供的影像对象（区域）作为后续分类的模式，分类结果是对象的类别属性，可极大改善分类精度指标性能。HSR影像分割是基于对象的图像分析框架下的关键问题之一。考虑到以下三个问题，HSR影像分割仍然需要进一步深入研究：1）HSR影像数据具有明显的空间相关性（表现为几何特征、纹理特征、上下文特征等），而马尔科夫随机场并未考虑观测数据对相邻像素标记间相互依赖关系，因而马尔科夫随机场能量最小化会对HSR影像分割有不利影响；2）针对HSR影像像素多光谱、邻域像素空间相关高等特点，如何建立HSR影像的图结构及其图割准则，利用基于图割的优化算法得到最优图割准则下对应的HSR影像分割结果；3）如何将基于图割的HSR影像分割与后续的对象特征提取及模式分类相结合进行综合考虑，以设计更有实用价值的面向HSR影像分割的图割方法。.基于以上研究背景，本项目研究围绕高空间分辨率影像分割中心问题以及图割理论方法进行了研究，包括：（1）提出基于高阶条件随机场(Conditional Random Field, CRF)的HSR影像分割方法，在CRF框架下确立能量函数（特别采用更有效刻画HSR影像数据空间相关的高阶团势函数），采用最小割/最大流的图割算法进行能量最小化求解，并结合影像多尺度表达得到影像多尺度分割结果；（2）提出基于无向权重图割的HSR影像分割方法，针对HSR影像像素多特征、邻域像素空间依赖等特点，合理设计边权重，建立HSR影像的无向权重图结构，结合图割算法及多尺度策略得到最优图割对应的HSR影像多尺度分割结果；（3）研究HSR影像多尺度分割结果的对象塔式网络的上下文特征提取，以及基于高斯过程的影像分类，可有效解决HSR影像特征空间线性不可分的问题。