像元与对象协同的遥感影像多语义尺度统计分割研究

For extracting information from the high spatial resolution remote sensing image, pixel-based methods and object-based methods are always separate studying, pixel-based methods hardly consider the object features, the misclassifications of initial regions in the object-based methods need to revise at the pixel level, these two type methods neglect the connection between them. This study is based on the multiresolution representation cooperating with the semantics, uses the statistics model to combine the benefits of both the pixel-based and object-based methods. First, the multiresolution theory and the representation way for hierarchical semantics is researched by decomposing the image into the low frequency and the high frequency based regions. Then, building the region adjacent graphic under the region multiresolution structure, study how to use the Markov random field (MRF) model to synergistically model the object-level regions and the pixel-level boundaries in the graphic. At last, learn how the pixels and objects interact during the iterations of solving the model, research the feedback from the region labels to boundaries and the revision from the boundaries to the misclassifications of regions, obtain the result based the Bayesian framework, design the useful segmentation algorithm. The method cooperating with pixels and objects under the semantic multiresolution based on MRF provides a new way to automatically interpret the high spatial resolution remote sensing images, which has the theory significance and the application value.

在高空间分辨率遥感影像信息提取中，基于像元和面向对象的分析方法往往被分开研究，像元级方法难以考虑对象级特征，对象级方法中初始区域误分需要像元层面修正，两者之间缺乏有效的协同。本课题以探索基于语义信息的多尺度构建方法为基础，研究像元级与对象级协同的统计多尺度分割算法。课题首先根据影像的语义层次信息，研究基于区域高低频分解的多尺度理论和构建方法；然后，建立多尺度结构下的区域邻接图，研究马尔科夫随机场（MRF）模型对图中对象级层面的区域和像元级层面的边界协同建模的方式；最后，研究MRF模型迭代求解过程中像元与对象间的相互作用机理，探索区域标记结果自上而下对像元边界的反馈机制和像元边界调整自下而上对区域误分的修正方法，在贝叶斯理论框架下求解模型结果，并设计实用的分割算法。研究像元与对象协同的多尺度MRF建模求解分割算法，为高分辨率遥感影像自动解译提供了一条新的思路，具有重要的理论价值和应用价值。

高空间分辨率遥感影像具有多层次的语义信息，需要在不同的粒度层面解译影像信息。在国家自然科学基金的支持下，对像元级与对象级分析方法的协同建模及其多语义尺度的统计分割方法进行了研究。首先，研究了具有多尺度结构的马尔可夫随机场（MRF）模型。在分析语义层次信息与空间多尺度结构的基础上，分别提出了考虑语义信息的特征多尺度MRF模型和能进行多语义解译的标记多尺度MRF模型。然后，研究了像元级和对象级MRF模型各自的特点，根据区域对象大小和公共边界的差异提出了带权重的区域邻接图以及相应带区域惩罚项的对象级MRF模型，根据区域对象中不同语义层次信息存在的相关性提出了多层混合MRF模型。其次，在模型的特征层面与标记层面分别探索了MRF模型对像元基元和对象基元的协同建模方法。其中，在特征层面，根据像元特征与对象特征的不同提出了模型似然函数由像元级与对象级子似然函数协同的建模方法；在标记层面，结合概率转移矩阵提出了不同标记场间多语义协同的MRF模型。这些模型获得了比单一的像元级或区域级方法精度更高的分割结果。最后，研究了MRF模型的优化求解方法，结合贝叶斯理论框架提出了对象级MRF模型的生成式概率推断求解方法，结合多源数据的特点提出了与影像融合协同的建模求解方法，结合MRF模型对象基元的特征与空间关系提出了基于区域生长的MRF模型求解方法，在高分辨率遥感影像的城镇识别中获得了优于同类方法的结果。此外，初步探讨了相关统计方法在深空遥感影像解译中的应用价值。上述研究工作表明，像元和对象的协同建模并应用与影像分割是一条可行的思路，对高空间分辨率遥感影像自动解译具有一定的理论和实用价值。