遥感影像多尺度分割质量评价与参数优选方法研究

To find an objective evaluation methods for selecting the optimal parameter values of image segmentation is a problem to be solved instantly in object-based image analysis. The goal of this proposal is to develop a synthetic evaluation method for optimizing the parameter values of image segmentation on the basis of geo-object reference datasets and image segment data cubes. In this study, geo-object reference datasets are from manual digitization with remotely sensed image of multi-source and different spatial resolution; image segment data cubes consist of a series of segment datasets that are created by a multi-scaled segmentation procedure to a series of remotely sensed image. A series of thematic-matching segment data cubes are made using overlaying operations to segment data cubes with respect to geo-object reference datasets. On the basis of the series of thematic-matching segment data cubes, following themes are studied:(1)a geo-object hierarchical classification system for image segmentation and segment classification with remotely sensed image of multi-sources and multi-resolution; (2)discrepancy measures and optimization function for image segmentation quality; (3)goodness measures and optimization function for image segmentation quality; (4) a synthetic method of quality evaluation and parameter value optimization for image segmentation; (5)pattern recognition of the optimized segmentation parameter values within the parameter space combined with the size and shape of image object, spatial resolution of image.

寻找一种客观评价方法以实现影像分割参数优选是基于对象的影像分析中一个亟待解决的难题。本课题拟发展一套基于地理对象参考数据集和影像分割数据立方体的综合性影像分割质量评价理论与方法，并据此实现分割参数优选。地理参考数据集创建于遥感影像手工数字化；影像分割数据立方体由一组长序列分割参数值对多源、多分辨率影像进行分割处理而生成的一系列影像分割数据集构成。在此基础上经地理参考数据集与影像分割数据立方体的叠置运算而派生出一系列匹配于诸简单地理对象的专题分割数据立方体。利用此系列专题分割数据立方体，本课题主要研究内容如下：①满足多源、高空间分辨率影像分割分类需求的地理对象分类层次体系；②影像分割不一致性度量参数及其优化目标函数；③影像分割优度度量参数及其优化目标函数；④影像分割质量综合评价与参数优选方法；⑤影像分割优化参数在影像对象大小/形状、影像空间分辨率等要素组成的多维度量空间中的分布模式。

过去4年的工作证明，影像分割质量评价的PSE–NSR–ED2不一致性评价系统在针对各类常用高分辨率遥感影像分割参数优选时是有效的，而结合不一致性评价与优度法评价指标建立综合性的评价指标实无必要。较之更为重要的是，高分辨率遥感影像分割质量评价与参数优选过程中需要生成一个穷举的分割数据立方体耗时巨大。问题是目前的主要方法需要以穷举的分割数据立方体为代价方能找到最优分割参数。本项目基于eCognition分形网络进化算法，在QuickBird、WorldView和ALOS等多种遥感数据源与多种土地覆被类型参考数据集的支持下建立了影像分割数据立方体与匹配分割数据立方体，在给定形状因子和紧凑度因子的条件下，发现分割数据集中的分割单元平均面积与分割尺度参数（SP）之间保持很好的幂函数关系，亦即分割单元平均面积随着分割尺度参数以幂函数关系的形式递增。进而发现PSE、NSR亦与分割尺度参数之间保持幂函数关系：前者呈现递增关系，后者呈现递减关系。从而得到ED2与分割尺度参数之间的全局性准单模模式（Global quasi-unimodal pattern）。以此为优化目标函数，提出了一种迭代搜索算法。该迭代搜索算法按照任选尺度参数区间建立局部5点ED2–SP模式（Local 5 dots ED2–SP pattern），并将局部5点ED2–SP模式概括为17个类型，并通过对17种5点ED2–SP模式的识别及其在尺度方向上的平移缩放操作，可以以最少的精简分割数据立方体为代价找到全局模式下极小ED2及其对应的SP值。进而针对所有形状因子和紧凑度因子的组合所对应的极小ED2与SP组合，排序获得最小ED2与最优尺度、形状与紧凑度参数的组合，从而有效地解决遥感影像分割质量综合评价与分割参数优选问题，为给定土地覆被类型的参考数据集的基础上快速获取最优分割数据集与最优分割参数提供了有效的解决办法，达到了项目的预期目标。