地理信息：遥感分割的原则与方法

　　地理信息：遥感分割的原则与方法

　　由于影像的复杂性和应用的多样性，

　　影像分割并没有一个统一的标准和方法，一般可以依据以下两个原则对影像进行分制:

　　(1)依据像元灰度值的不连续性进行分制。

　　假定不同区域像元的灰度值具有不连续性，因而可以对其进行分割。

　　(2)依据同一区域内像元的灰度值具有相似性进行分割。

　　这种方法一般从一个种子点出发.

将其邻城中满足相似性测量准则的像元进行合并从而达到分割的目的。

　　从20世纪60年代开始，人们就对影像分制进行了研究，

至今已提出了上千种针对各种应用的分割算法。

　　影像分制一般是基于亮度值的不连续性或相似性，

　　因此、影像分割方法可以相应地分为两大类:

　　基于边界的方法和基于区域的方法，前者如边缘生长、边界检测;

　　后者如阀值分割、区域生长、区域分裂合并等。

　　影像分割技术进入通感影像分析领域的时间比较晚，

　　其受关注程度也不如计算机视觉领城，早期的研究大多是现成影像分前方法的应用，

　　但计算机视觉领域的影像分剂技术不能直接适用于遥感影像分析，

　　主要是因为遥感形像的应用有自身的特点:

　　①迅感传感器所获取的数措是多该段甚至是高光谱的影像与计算机视觉领域的影像相比要复杂得多;

　　②作为重要的数据源,需要从通感影像中提取附属数据，如GIS数据、高程数据茅;

　　③遥感影像中的地物具有尺度复杂性:④通感应用强调实时与动态的评估。

　　1999年针对高空间分辨率迅感影像的分割软件eCognition研制成功，

　　该软件采用分形网络演化方法(fractal net evolution appronch, FNEA)，

　　被认为是一种有效利用光讲信息和空间信息的分析方法。

　　近年来有大量的相关研究表明,可以直接利用eCognition软件进行目标识别、

　　或者在cCognition软件辅助下进行面向对象分类方法的探讨。

　　该方法的主要缺点是多尺度的对象表达不能确定每一个尺度分制是合理的。

　　因此，遥感影像分割的关键问题在于获得符合地物内在尺度的分制。

　　近年来，国内外在该领城的工作主要集中于分割新方法探索、不确定性分析、

　　基于分割的特征提取及面向对象分类应用等方面，

　　存在的主要问题包括对不同尺度、内部变化不同的地物分割精度显著不同;

　　缺乏统一可靠的影像分割精度评价标准，

　　模糊理论、数学形态学、小波特征、支持向量机、分水岭变换均值漂移边缘生长、

　　区城合井等方法先后在湿感影像中得到了应用。

　　针对遥感影像的多光谱分制问题，一般是先检测各波段的特征然后进行合并和分割。

　　此外，研究者先后提出了结合多种特征的影像分割方法，

　　还有研究者提出了针对具体应用的遥感影像分割模式。



为您推荐 地理信息：遥感影像的分割与镶嵌