基于图论的面向对象高分辨率遥感影像多尺度分割方法研究

面向对象的影像分割是高分辨率遥感影像目标识别与分类的关键步骤，图像分割的好坏直接影响目标识别的准确度，利用对象的几何与空间上下文关系特性有助于提高目标识别精度。本项目在已完成《基于图论的面向对象的高分辨率影像分割方法研究》博士论文的基础上，深入研究图论模型与图优化理论，结合高空间分辨率遥感影像特点，将统计学习理论与图模型相结合，研究并设计适合于高分辨率遥感影像的面向对象的多尺度分割准则；利用图模型表达对象之间相互关系的优势，研究多尺度多层次的高分辨率影像分割不规则金字塔图模型描述，实现对每层对象之间空间邻接关系以及各层对象之间包含关系的表达，为基于空间上下文关系模型的目标识别与影像解译奠定基础；根据影像分辨率与目标本身所具有的尺度特性，研究实现从不同层次获取不同尺度目标最佳分割结果的方法，从而避免过分割或欠分割，为后续目标识别提供有意义的分割结果。

项目组以高空间分辨率遥感影像面向对象分割与信息提取为主要目的，首先收集了Quickbird、WorldView、航空等高分遥感影像中的典型地物目标（主要包括建筑物、道路、水体、植被等），采用目视判读和人工勾划方式得到各类典型目标区域，形成目标样本库以及分割结果评价参考库。在此基础上，一方面综合利用光谱、形状、纹理等多种特征进行面向对象多尺度影像分割，研究与改进了初始分割算法以及多尺度多层次分割准则设置，采用分水岭方法将影像进行初始分割得到均匀分布的超像素，再以超像素为节点，以超像素之间的光谱（直方图统计特性）、纹理、结构相似性为边权来构建图模型，实现了基于区域特性的最小生成树多尺度多层次影像分割与结果描述，并针对不同目标选择合适尺度的分割结果。另一方面研究描述和利用各类目标几何与纹理特征的方法，如基于小波近似系数和归一化的Fourier描述子，构建了一种高分辨率遥感影像目标形状特征多尺度描述模型——多尺度形状树；提出一种像素矩形度指数的计算方法，并结合像素矩形度指数用于面向对象的影像分割与建筑物提取；根据纹理特征是区分高分遥感影像中目标的重要依据，结合变差函数在描述纹理特征中的特点，提出变差函数纹理特征辅助下的面向对象影像分类方法；结合目标多尺度特征研究了基于多尺度视觉词袋模型的高分遥感影像目标识别方法。根据以上研究，该项目组完成发表了5篇论文，其中1篇SCI，2篇EI，1篇中文核心期刊，获得一项发明专利，一项软件注册权证书，培养2名博士2名硕士，超额完成项目预计研究成果。