地理信息：遙感分割的原則與方法

　　由于影像的復(fù)雜性和應(yīng)用的多樣性，

　　影像分割并沒有一個統(tǒng)一的標(biāo)準(zhǔn)和方法，一般可以依據(jù)以下兩個原則對影像進(jìn)行分制:

　　(1)依據(jù)像元灰度值的不連續(xù)性進(jìn)行分制。

　　假定不同區(qū)域像元的灰度值具有不連續(xù)性，因而可以對其進(jìn)行分割。

　　(2)依據(jù)同一區(qū)域內(nèi)像元的灰度值具有相似性進(jìn)行分割。

　　這種方法一般從一個種子點(diǎn)出發(fā).

將其鄰城中滿足相似性測量準(zhǔn)則的像元進(jìn)行合并從而達(dá)到分割的目的。

　　從20世紀(jì)60年代開始，人們就對影像分制進(jìn)行了研究，

至今已提出了上千種針對各種應(yīng)用的分割算法。

　　影像分制一般是基于亮度值的不連續(xù)性或相似性，

　　因此、影像分割方法可以相應(yīng)地分為兩大類:

　　基于邊界的方法和基于區(qū)域的方法，前者如邊緣生長、邊界檢測;

　　后者如閥值分割、區(qū)域生長、區(qū)域分裂合并等。

　　影像分割技術(shù)進(jìn)入通感影像分析領(lǐng)域的時間比較晚，

　　其受關(guān)注程度也不如計(jì)算機(jī)視覺領(lǐng)城，早期的研究大多是現(xiàn)成影像分前方法的應(yīng)用，

　　但計(jì)算機(jī)視覺領(lǐng)域的影像分劑技術(shù)不能直接適用于遙感影像分析，

　　主要是因?yàn)檫b感形像的應(yīng)用有自身的特點(diǎn):

　�、傺父袀鞲衅魉�獲取的數(shù)措是多該段甚至是高光譜的影像與計(jì)算機(jī)視覺領(lǐng)域的影像相比要復(fù)雜得多;

　�、谧鳛橹匾�的數(shù)據(jù)源,需要從通感影像中提取附屬數(shù)據(jù)，如GIS數(shù)據(jù)、高程數(shù)據(jù)茅;

　�、圻b感影像中的地物具有尺度復(fù)雜性:④通感應(yīng)用強(qiáng)調(diào)實(shí)時與動態(tài)的評估。

　　1999年針對高空間分辨率迅感影像的分割軟件eCognition研制成功，

　　該軟件采用分形網(wǎng)絡(luò)演化方法(fractal net evolution appronch, FNEA)，

　　被認(rèn)為是一種有效利用光講信息和空間信息的分析方法。

　　近年來有大量的相關(guān)研究表明,可以直接利用eCognition軟件進(jìn)行目標(biāo)識別、

　　或者在cCognition軟件輔助下進(jìn)行面向?qū)ο蠓诸惙椒ǖ奶接憽?/p>

　　該方法的主要缺點(diǎn)是多尺度的對象表達(dá)不能確定每一個尺度分制是合理的。

　　因此，遙感影像分割的關(guān)鍵問題在于獲得符合地物內(nèi)在尺度的分制。

　　近年來，國內(nèi)外在該領(lǐng)城的工作主要集中于分割新方法探索、不確定性分析、

　　基于分割的特征提取及面向?qū)ο蠓诸悜?yīng)用等方面，

　　存在的主要問題包括對不同尺度、內(nèi)部變化不同的地物分割精度顯著不同;

　　缺乏統(tǒng)一可靠的影像分割精度評價(jià)標(biāo)準(zhǔn)，

　　模糊理論、數(shù)學(xué)形態(tài)學(xué)、小波特征、支持向量機(jī)、分水嶺變換均值漂移邊緣生長、

　　區(qū)城合井等方法先后在濕感影像中得到了應(yīng)用。

　　針對遙感影像的多光譜分制問題，一般是先檢測各波段的特征然后進(jìn)行合并和分割。

　　此外，研究者先后提出了結(jié)合多種特征的影像分割方法，

　　還有研究者提出了針對具體應(yīng)用的遙感影像分割模式。



為您推薦 地理信息：遙感影像的分割與鑲嵌