一種基于ssc的多尺度分割參數(shù)優(yōu)化方法
【專利摘要】本發(fā)明適用于遙感信息提取【技術(shù)領(lǐng)域】，提供了一種基于SSC的多尺度分割參數(shù)優(yōu)化方法，包括：輸入遙感影像，將尺度參數(shù)在指定范圍內(nèi)以固定步長(zhǎng)進(jìn)行遍歷，得到一組隨尺度參數(shù)變化的分割結(jié)果；根據(jù)計(jì)算得到的分割結(jié)果在各個(gè)尺度參數(shù)下的分割質(zhì)量評(píng)價(jià)值求得尺度參數(shù)優(yōu)化值；將形狀因子參數(shù)或緊致度參數(shù)在指定范圍內(nèi)以固定步長(zhǎng)進(jìn)行遍歷，得到隨形狀因子參數(shù)或緊致度參數(shù)變化的分割結(jié)果；根據(jù)計(jì)算得到的分割結(jié)果在各個(gè)尺度參數(shù)下的分割質(zhì)量評(píng)價(jià)值求得形狀因子參數(shù)優(yōu)化值或緊致度參數(shù)優(yōu)化值；通過(guò)計(jì)算分割質(zhì)量評(píng)價(jià)值來(lái)優(yōu)化各個(gè)多尺度分割參數(shù)，在不具備先驗(yàn)知識(shí)的前提下，可以計(jì)算得到一個(gè)分割參數(shù)，并且使得分割后產(chǎn)生的影像對(duì)象與實(shí)際目標(biāo)大小最為接近。
【專利說(shuō)明】—種基于SSC的多尺度分割參數(shù)優(yōu)化方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于遙感信息提取【技術(shù)領(lǐng)域】，尤其涉及一種基于SSC的多尺度分割參數(shù)優(yōu)化方法。

【背景技術(shù)】
[0002]目前，影像分割已成遙感專題信息提取中不可或缺的技術(shù)，如何根據(jù)專題應(yīng)用尺度將相鄰的像元組成有意義的影像對(duì)象并融入對(duì)象的背景信息是遙感專題信息提取成功的關(guān)鍵。
[0003]如果影像基元對(duì)應(yīng)于真實(shí)場(chǎng)景中的可見特征，那么通過(guò)處理方法或特征知識(shí)的有效結(jié)合來(lái)進(jìn)行分割分類是唯一可能的。但是，產(chǎn)生的分割對(duì)象面臨一個(gè)巨大的挑戰(zhàn)，因?yàn)樗蕾囉谝唤M用戶定義的分割參數(shù)，這些參數(shù)受限于所允許的內(nèi)部影像異質(zhì)性和對(duì)象的大小。目前大多數(shù)遙感應(yīng)用研究中對(duì)于分割參數(shù)的選擇往往直接采用缺省的參數(shù)值，或者通過(guò)反復(fù)嘗試之后選擇一個(gè)效果比較好的分割結(jié)果。此類分割的選擇方法具有一定的盲目性，且無(wú)法得到最佳的分割結(jié)果。影響多尺度分割效果的分割參數(shù)有尺度、形狀因子和緊致度參數(shù)，但目前已有的分割參數(shù)自動(dòng)選擇方法中，僅僅提供了確定尺度參數(shù)的方法，對(duì)于同樣具有重要影響的形狀因子和緊致度參數(shù)卻未予以確定。


【發(fā)明內(nèi)容】

[0004]本發(fā)明實(shí)施例的目的在于提供一種基于SSC(Scale-Shape_Compactness,尺度-形狀-緊湊度)的多尺度分割參數(shù)優(yōu)化方法，以解決現(xiàn)有技術(shù)需要進(jìn)行大量計(jì)算選擇多尺度分割參數(shù)的問(wèn)題。
[0005]本發(fā)明實(shí)施例是這樣實(shí)現(xiàn)的，一種基于SSC的多尺度分割參數(shù)優(yōu)化方法，所述方法包括以下步驟:
[0006]步驟SI，輸入遙感影像，采用缺省的形狀因子參數(shù)和緊致度參數(shù)，尺度參數(shù)在指定范圍內(nèi)以固定步長(zhǎng)進(jìn)行遍歷，得到一組隨所述尺度參數(shù)變化的分割結(jié)果；
[0007]步驟S2，計(jì)算所述步驟SI中得到的所述分割結(jié)果在各個(gè)所述尺度參數(shù)下的分割質(zhì)量評(píng)價(jià)值，以所述分割質(zhì)量評(píng)價(jià)值及其對(duì)應(yīng)的尺度分別作為縱坐標(biāo)和橫坐標(biāo)擬合三次樣條曲線，取所述三次樣條曲線上分割質(zhì)量評(píng)價(jià)值的極大值的最大值對(duì)應(yīng)的橫坐標(biāo)為尺度參數(shù)優(yōu)化值；
[0008]步驟S3，將尺度參數(shù)設(shè)置為所述步驟S2中得到的所述尺度參數(shù)優(yōu)化值，采用缺省的緊致度參數(shù)，形狀因子參數(shù)在指定范圍內(nèi)以固定步長(zhǎng)進(jìn)行遍歷，得到一組隨所述形狀因子參數(shù)變化的分割結(jié)果；
[0009]步驟S4，計(jì)算所述步驟S3中得到的分割結(jié)果在各個(gè)形狀因子參數(shù)下的分割質(zhì)量評(píng)價(jià)值，以所述分割質(zhì)量評(píng)價(jià)值及其對(duì)應(yīng)的形狀因子參數(shù)分別作為縱坐標(biāo)和橫坐標(biāo)擬合三次樣條曲線，取所述三次樣條曲線上分割質(zhì)量評(píng)價(jià)值的極大值的最大值對(duì)應(yīng)的橫坐標(biāo)為形狀因子參數(shù)優(yōu)化值；
[0010]步驟S5，將尺度參數(shù)設(shè)置為所述步驟S2中得到的尺度參數(shù)優(yōu)化值，形狀因子參數(shù)設(shè)置為所述步驟S4中得到的形狀因子參數(shù)優(yōu)化值，緊致度參數(shù)在指定范圍內(nèi)以固定步長(zhǎng)進(jìn)行遍歷，得到一組隨所述緊致度參數(shù)變化的分割結(jié)果；
[0011]步驟S6，計(jì)算所述步驟S5中得到的分割結(jié)果在各個(gè)緊致度參數(shù)下的分割質(zhì)量評(píng)價(jià)值，以所述分割質(zhì)量評(píng)價(jià)值及其對(duì)應(yīng)的緊致度參數(shù)分別作為縱坐標(biāo)和橫坐標(biāo)擬合三次樣條曲線，取所述三次樣條曲線上分割質(zhì)量評(píng)價(jià)值的極大值的最大值對(duì)應(yīng)的橫坐標(biāo)為緊致度參數(shù)優(yōu)化值。
[0012]本發(fā)明實(shí)施例提供的一種基于SSC的多尺度分割參數(shù)優(yōu)化方法的有益效果包括:
[0013]通過(guò)設(shè)定分割參數(shù)的分割質(zhì)量評(píng)價(jià)值，在不具備先驗(yàn)知識(shí)的前提下，可以得到一個(gè)優(yōu)化的分割參數(shù)，計(jì)算過(guò)程簡(jiǎn)單，避免盲目選擇分割參數(shù)或者大量計(jì)算后選擇得到最優(yōu)分割參數(shù)的過(guò)程，并且實(shí)際實(shí)施例證明該優(yōu)化的分割參數(shù)使得分割后產(chǎn)生的影像對(duì)象與實(shí)際目標(biāo)大小最為接近，在設(shè)置分割參數(shù)具有重要的指導(dǎo)意義和應(yīng)用價(jià)值。

【專利附圖】

【附圖說(shuō)明】
[0014]為了更清楚地說(shuō)明本發(fā)明實(shí)施例中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0015]圖1是本發(fā)明提供的基于SSC的多尺度分割參數(shù)優(yōu)化方法的流程圖；
[0016]圖2是本發(fā)明實(shí)施例提供的基于SSC的多尺度分割參數(shù)優(yōu)化方法的流程圖；
[0017]圖3是本發(fā)明實(shí)施例提供的隨尺度參數(shù)變化的分割質(zhì)量評(píng)價(jià)值三次樣條曲線示意圖；
[0018]圖4是本發(fā)明實(shí)施例提供的隨形狀因子參數(shù)變化的分割質(zhì)量評(píng)價(jià)值三次樣條曲線示意圖；
[0019]圖5是本發(fā)明實(shí)施例提供的隨緊致度參數(shù)變化的分割質(zhì)量評(píng)價(jià)值三次樣條曲線示意圖。

【具體實(shí)施方式】
[0020]為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點(diǎn)更加清楚明白，以下結(jié)合附圖及實(shí)施例，對(duì)本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說(shuō)明。應(yīng)當(dāng)理解，此處所描述的具體實(shí)施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。
[0021]為了說(shuō)明本發(fā)明所述的技術(shù)方案，下面通過(guò)具體實(shí)施例來(lái)進(jìn)行說(shuō)明。
[0022]如圖1所示為本發(fā)明提供的基于SSC的多尺度分割參數(shù)優(yōu)化方法的流程圖，該方法包括以下步驟:
[0023]步驟SI，輸入遙感影像，采用缺省的形狀因子參數(shù)和緊致度參數(shù)，尺度參數(shù)在指定范圍內(nèi)以固定步長(zhǎng)進(jìn)行遍歷，得到一組隨尺度參數(shù)變化的分割結(jié)果。
[0024]步驟S2，計(jì)算步驟SI中得到的分割結(jié)果在各個(gè)尺度參數(shù)下的分割質(zhì)量評(píng)價(jià)值，以分割質(zhì)量評(píng)價(jià)值及其對(duì)應(yīng)的尺度分別作為縱坐標(biāo)和橫坐標(biāo)擬合三次樣條曲線，取三次樣條曲線上分割質(zhì)量評(píng)價(jià)值的極大值的最大值對(duì)應(yīng)的橫坐標(biāo)為尺度參數(shù)優(yōu)化值。
[0025]步驟S3，將尺度參數(shù)設(shè)置為步驟S2中得到的尺度參數(shù)優(yōu)化值，采用缺省的緊致度參數(shù)，形狀因子參數(shù)在指定范圍內(nèi)以固定步長(zhǎng)進(jìn)行遍歷，得到一組隨形狀因子參數(shù)變化的分割結(jié)果。
[0026]步驟S4,計(jì)算步驟S3中得到的分割結(jié)果在各個(gè)形狀因子參數(shù)下的分割質(zhì)量評(píng)價(jià)值，以分割質(zhì)量評(píng)價(jià)值及其對(duì)應(yīng)的形狀因子參數(shù)分別作為縱坐標(biāo)和橫坐標(biāo)擬合三次樣條曲線，取三次樣條曲線上分割質(zhì)量評(píng)價(jià)值的極大值的最大值對(duì)應(yīng)的橫坐標(biāo)為形狀因子參數(shù)優(yōu)化值。
[0027]步驟S5，將尺度參數(shù)設(shè)置為步驟S2中得到的尺度參數(shù)優(yōu)化值，形狀因子參數(shù)設(shè)置為步驟S4中得到的形狀因子參數(shù)優(yōu)化值，緊致度參數(shù)在指定范圍內(nèi)以固定步長(zhǎng)進(jìn)行遍歷，得到一組隨緊致度參數(shù)變化的分割結(jié)果。
[0028]步驟S6，計(jì)算步驟S5中得到的分割結(jié)果在各個(gè)緊致度參數(shù)下的分割質(zhì)量評(píng)價(jià)值，以分割質(zhì)量評(píng)價(jià)值及其對(duì)應(yīng)的緊致度參數(shù)分別作為縱坐標(biāo)和橫坐標(biāo)擬合三次樣條曲線，取三次樣條曲線上分割質(zhì)量評(píng)價(jià)值的極大值的最大值對(duì)應(yīng)的橫坐標(biāo)為緊致度參數(shù)優(yōu)化值。
[0029]本發(fā)明實(shí)施例提供的一種基于SSC的多尺度分割參數(shù)優(yōu)化方法，在不具備先驗(yàn)知識(shí)的前提下，可以計(jì)算得到一個(gè)分割參數(shù)，并且使得分割后產(chǎn)生的影像對(duì)象與實(shí)際目標(biāo)大小最為接近，在設(shè)置分割參數(shù)具有重要的指導(dǎo)意義和應(yīng)用價(jià)值。
[0030]實(shí)施例一
[0031]上述基于SSC的多尺度分割參數(shù)優(yōu)化方法中包括對(duì)尺度參數(shù)進(jìn)行優(yōu)化、對(duì)形狀因子參數(shù)進(jìn)行優(yōu)化和對(duì)緊致度參數(shù)進(jìn)行優(yōu)化的過(guò)程，如圖2所示為本發(fā)明實(shí)施例提供的基于SSC的多尺度分割參數(shù)優(yōu)化方法的流程圖，由圖2可知，本發(fā)明提供的基于SSC的多尺度分割參數(shù)優(yōu)化方法的實(shí)施例包括:
[0032]在本發(fā)明實(shí)施例中，步驟SI得到一組隨尺度參數(shù)變化的分割結(jié)果的方法具體包括:
[0033]將遙感影像Img導(dǎo)入eCognit1n軟件，采用缺省的形狀因子參數(shù)Shapedef和緊致度參數(shù)Compdeif,尺度參數(shù)在指定范圍Scalerange內(nèi)，以固定步長(zhǎng)進(jìn)行遍歷,得到一組隨尺度參數(shù)變化的分割參數(shù)Para(scale),利用該分割參數(shù)Para(scale)對(duì)遙感影像Img采用eCognit1n軟件的多尺度分割方法進(jìn)行分割，得到上述一組隨尺度參數(shù)變化的分割結(jié)果Seg(scale)。
[0034]步驟S3得到一組隨形狀因子參數(shù)變化的分割結(jié)果的方法具體包括:
[0035]將尺度參數(shù)設(shè)置為步驟S2中得到的尺度參數(shù)優(yōu)化值，采用缺省的緊致度參數(shù)，形狀因子參數(shù)在指定范圍Shaperange內(nèi)，以固定步長(zhǎng)進(jìn)行遍歷，得到一組隨形狀因子參數(shù)變化的分割參數(shù)Para (shape),利用該分割參數(shù)Para (shape)對(duì)遙感影像Img采用eCognit1n軟件的多尺度分割方法進(jìn)行分割，得到上述隨形狀因子參數(shù)變化的分割結(jié)果Seg(Shape)。
[0036]步驟S5得到一組隨緊致度參數(shù)變化的分割結(jié)果的方法具體包括:
[0037]將尺度參數(shù)設(shè)置為步驟S2中得到的尺度參數(shù)優(yōu)化值，形狀因子參數(shù)設(shè)置為步驟S4中得到的形狀因子參數(shù)優(yōu)化值，緊致度參數(shù)在指定范圍Comprange內(nèi)，以固定步長(zhǎng)進(jìn)行遍歷，得到一組隨緊致度參數(shù)變化的分割參數(shù)Para(comp),利用該分割參數(shù)Para (comp)對(duì)遙感影像Img采用eCognit1n軟件的多尺度分割方法進(jìn)行分割，得到上述隨緊致度參數(shù)變化的分割結(jié)果Seg(comp)。
[0038]步驟S2、S4和S6中計(jì)算分割質(zhì)量評(píng)價(jià)值Val (Seg)包括:
[0039]分割質(zhì)量評(píng)價(jià)值Val (Seg)的計(jì)算公式為:
[0040]Val(seg) = F (V)+F(I);
[0041]其中V和F(V)分別代表對(duì)象內(nèi)同質(zhì)性指標(biāo)和其歸一化值。

【權(quán)利要求】
1.一種基于SSC的多尺度分割參數(shù)優(yōu)化方法，其特征在于，所述方法包括: 步驟SI，輸入遙感影像，采用缺省的形狀因子參數(shù)和緊致度參數(shù)，尺度參數(shù)在指定范圍內(nèi)以固定步長(zhǎng)進(jìn)行遍歷，得到一組隨所述尺度參數(shù)變化的分割結(jié)果； 步驟S2，計(jì)算所述步驟SI中得到的所述分割結(jié)果在各個(gè)所述尺度參數(shù)下的分割質(zhì)量評(píng)價(jià)值，以所述分割質(zhì)量評(píng)價(jià)值及其對(duì)應(yīng)的尺度分別作為縱坐標(biāo)和橫坐標(biāo)擬合三次樣條曲線，取所述三次樣條曲線上分割質(zhì)量評(píng)價(jià)值的極大值的最大值對(duì)應(yīng)的橫坐標(biāo)為尺度參數(shù)優(yōu)化值； 步驟S3，將尺度參數(shù)設(shè)置為所述步驟S2中得到的所述尺度參數(shù)優(yōu)化值，采用缺省的緊致度參數(shù)，形狀因子參數(shù)在指定范圍內(nèi)以固定步長(zhǎng)進(jìn)行遍歷，得到一組隨所述形狀因子參數(shù)變化的分割結(jié)果； 步驟S4，計(jì)算所述步驟S3中得到的分割結(jié)果在各個(gè)形狀因子參數(shù)下的分割質(zhì)量評(píng)價(jià)值，以所述分割質(zhì)量評(píng)價(jià)值及其對(duì)應(yīng)的形狀因子參數(shù)分別作為縱坐標(biāo)和橫坐標(biāo)擬合三次樣條曲線，取所述三次樣條曲線上分割質(zhì)量評(píng)價(jià)值的極大值的最大值對(duì)應(yīng)的橫坐標(biāo)為形狀因子參數(shù)優(yōu)化值； 步驟S5，將尺度參數(shù)設(shè)置為所述步驟S2中得到的尺度參數(shù)優(yōu)化值，形狀因子參數(shù)設(shè)置為所述步驟S4中得到的形狀因子參數(shù)優(yōu)化值，緊致度參數(shù)在指定范圍內(nèi)以固定步長(zhǎng)進(jìn)行遍歷，得到一組隨所述緊致度參數(shù)變化的分割結(jié)果； 步驟S6，計(jì)算所述步驟S5中得到的分割結(jié)果在各個(gè)緊致度參數(shù)下的分割質(zhì)量評(píng)價(jià)值，以所述分割質(zhì)量評(píng)價(jià)值及其對(duì)應(yīng)的緊致度參數(shù)分別作為縱坐標(biāo)和橫坐標(biāo)擬合三次樣條曲線，取所述三次樣條曲線上分割質(zhì)量評(píng)價(jià)值的極大值的最大值對(duì)應(yīng)的橫坐標(biāo)為緊致度參數(shù)優(yōu)化值。
2.如權(quán)利要求1所述的方法，其特征在于，所述步驟SI得到一組隨尺度參數(shù)變化的分割結(jié)果的方法包括: 將遙感影像Img導(dǎo)入eCognit1n軟件,采用缺省的形狀因子參數(shù)Shapedef和緊致度參數(shù)Compdrf,尺度參數(shù)在指定范圍Scalerangfi內(nèi)，以固定步長(zhǎng)進(jìn)行遍歷,得到一組隨尺度參數(shù)變化的分割參數(shù)Para(scale),利用所述分割參數(shù)Para(scale)對(duì)所述遙感影像Img采用eCognit1n軟件的多尺度分割方法進(jìn)行分割，得到所述隨尺度參數(shù)變化的分割結(jié)果Seg(scale)。
3.如權(quán)利要求1所述的方法，其特征在于，所述步驟S3得到一組隨形狀因子參數(shù)變化的分割結(jié)果的方法具體包括: 將尺度參數(shù)設(shè)置為所述步驟S2中得到的尺度參數(shù)優(yōu)化值，采用缺省的緊致度參數(shù)Compdef，形狀因子參數(shù)在指定范圍Shaperange內(nèi)，以固定步長(zhǎng)進(jìn)行遍歷，得到一組隨形狀因子參數(shù)變化的分割參數(shù)Para (shape),利用所述分割參數(shù)Para (shape)對(duì)所述遙感影像Img采用eCognit1n軟件的多尺度分割方法進(jìn)行分割，得到所述隨形狀因子參數(shù)變化的分割結(jié)果 Seg (shape)。
4.如權(quán)利要求1所述的方法，其特征在于，所述步驟S5得到一組隨緊致度參數(shù)變化的分割結(jié)果的方法具體包括: 將尺度參數(shù)設(shè)置為所述步驟S2中得到的尺度參數(shù)優(yōu)化值，形狀因子參數(shù)設(shè)置為所述步驟S4中得到的形狀因子參數(shù)優(yōu)化值，緊致度參數(shù)在指定范圍Comprange內(nèi)，以固定步長(zhǎng)進(jìn)行遍歷，得到一組隨緊致度參數(shù)變化的分割參數(shù)Para(Comp)，利用所述分割參數(shù)Para (comp)對(duì)遙感影像Img采用eCognit1n軟件的多尺度分割方法進(jìn)行分割,得到所述隨緊致度參數(shù)變化的分割結(jié)果Seg(comp)。
5.如權(quán)利要求1所述的方法，其特征在于，所述步驟S2、S4和S6中計(jì)算分割質(zhì)量評(píng)價(jià)值Val (Seg)包括: 分割質(zhì)量評(píng)價(jià)值Val (Seg)的計(jì)算公式為:
Val (Seg) = F(V) +F(I)； 其中V和F(V)分別代表對(duì)象內(nèi)同質(zhì)性指標(biāo)和其歸一化值；
其中，n表示影像中分割對(duì)象的總數(shù)，Bi表示對(duì)象i的面積，Vi表示對(duì)象i的方差； I和F(I)分別代表對(duì)象間異質(zhì)性指標(biāo)和其歸一化值；
其中，n表示研究區(qū)分割影像對(duì)象的總數(shù)表示影像對(duì)象i與影像對(duì)象j的空間鄰近性，當(dāng)影像對(duì)象i與影像對(duì)象j相互鄰接時(shí)，則值為I，若不互相鄰接則值為O ;Xi與\分別表示影像對(duì)象i與影像對(duì)象j的平均灰度值；文表示整個(gè)影像的平均灰度值。
6.如權(quán)利要求1所述的方法，其特征在于，所述步驟S2、S4和S6中利用Matlab軟件的CurveFittingTool工具中三次樣條曲線方法擬合三次樣條曲線CubSpl。
【文檔編號(hào)】G06T7/00GK104200482SQ201410478027
【公開日】2014年12月10日 申請(qǐng)日期:2014年9月17日 優(yōu)先權(quán)日:2014年9月17日
【發(fā)明者】劉帥 申請(qǐng)人:武漢獅圖空間信息技術(shù)有限公司