基于多类型特征集成统计建模的高分辨率遥感影像多粒度分割研究

针对高分辨率遥感影像的特点，研究边界特征、区域特征和语义特征集成统计建模的方法，并在此基础上进行高分辨率遥感影像的多粒度分割。利用边界检测和区域检测方法分别检测影像中的边界和区域，并提取它们的光谱特征和结构特征；研究基于边界特征的马尔科夫模型（MRF）建模方法，并在此基础上研究边界封闭性的假设及检验方法；以给定边界封闭性假设为邻域约束，研究区域MRF的建模方法；分析语义信息的特点，研究在影像的先验模型和后验概率模型中集成语义信息的方法。在上述基础上，研究高分辨率遥感影像多粒度分割的优化方法，并设计实用的分割算法。将边界特征、区域特征和语义特征集成在同一统计模型中并进行多粒度影像分割，为高分辨率遥感影像的自动解译提供了一条新的思路，具有重要的理论价值与应用价值。

高分辨率遥感影像细节信息丰富，边界特征和区域特征明显，还蕴含有丰富的语义特征。在国家自科基金的资助下，对三种特征的集成统计建模方法进行了研究。在获取边界和区域过分割结果的基础上，首先对边界特征进行了MRF建模研究，成功设计了结合不同类型边界信息的逻辑回归模型。其次，对过分割区域进行了MRF建模研究。结合边界特征提出了多区域-分辨率的特征建模方法，结合邻域面积特征提出了多粒度区域特征的描述模型，结合多尺度边界长度特征和多尺度图像特征提出了多分辨率区域MRF的图像模型，基于这些模型所得分割结果的精度优于已有文献报道的同类方法。然后，结合样本数据的统计特性和语义信息的特点，对语义模型的表示和提取方法进行了研究。采用集合划分策略，提出了二叉分层语义树的获取方法，应用于影像分类后能获取与人工指定分层语义树相当的分类结果。研究分层语义树、区域MRF模型和边界特征的集成建模方法，并在此基础上提出了新的高分辨率遥感影像地物分类算法，分类精度优于已有文献。最后，多粒度影像分割的最优策略进行了研究。结合影像的语义分层特性，设计了区域空间交互模型和最优类别合并准则，提出了大纹理图像的多粒度分割算法，获得了比现有方法灵活性、区域性和边界性都更优的分割方法。另外，通过将模糊理论引入多分辨率图像分割，提高了MRF模型的建模能力，获得了更为准确的影像模型，分割精度也明显优于同类已有文献报道方法。上述研究表明，对区域特征、边界特征和语义特征进行集成统计建模并应用于影像分割是一个可行的思路，这对高分辨率遥感影像自动解译具有一定的理论和实用价值。