融合地物语义的多尺度对象马尔可夫模型的高分辨率遥感影像分割研究

Remote sensing image is experiencing remarkable improvement in spatial resolution, which makes much more detail of land observed, at the same time, brings a huge challenge to conventional remote sensing image interpretation methodology. High spatial resolution remote sensing images are characterized by hierarchical semantic structure, strong randomicity, and being rich in texture and geometric structure information. In order to benefit high spatial resolution remote sensing image interpretation, image objects are used as processing units, hierarchical semantic information is fused into multiscale markov random field (MRF) theory framework and a multiscale object MRF based method for information extraction in high resolution image is explored. Firstly, the multi-feature based TurboPixels segmentation algorithm is employed to generate basic analysis units-image objects. Then, according to merging rules defined by combinations of semantic information in every level and the spectral and spatial feature , a hierarchical image object adjacency graph, which matches the hierarchical land semantic object, is established level by level. Finally, the multiscale MRF model is operated on the multiscale object adjacency graph and an image interpretation method fusing multiscale features and multilevel land semantic information is explored. The study provides a new thought for automatic interpretation of high resolution images and has certain theoretical and economic importance.

遥感影像空间分辨率的显著提高，使得遥感影像具有更丰富的地物细节信息，也使得传统的遥感影像解译方法面临巨大挑战。针对高空间分辨率遥感影像地物语义层次分明、随机性强、纹理和几何结构特征明显的特点，以影像对象作为基本处理单元，将层次地物语义信息融合到多尺度马尔可夫随机场（MRF）理论框架中，研究高分辨率遥感影像解译问题。首先，采用多特征TurboPixels算法对高分辨率遥感影像进行区域过分割生成基本处理单元-影像对象；结合不同层次地物的语义、光谱及空间特征，有区别的建立多尺度合并规则，建立与地物语义层次对应的多尺度对象邻接图；最后，在多尺度对象邻接图上，基于多尺度MRF模型，研究融合多尺度特征与多层次语言信息的高分辨率遥感影像解译方法。在上述基础上，研究基于多尺度对象MRF模型的影像信息提取算法，为高分辨率遥感影像的自动解译提供一条新的思路。

近年来，随着国内外大量高空间分辨率遥感卫星的成功发射，对地观测数据获取已经进入高分辨率卫星遥感时代，高分辨率遥感影像数据已经成为地理空间信息重要数据源，但我国遥感数据处理的能力远远不能满足国家对发展高分辨率遥感系统的迫切需求。所以高分辨率遥感影像智能化处理和信息自动提取已经成为当前遥感领域研究的重要科学问题。项目针对高空间分辨率遥感影像地物语义层次分明、随机性强、纹理和几何结构特征明显的特点，以影像对象作为基本处理单元，将层次地物语义信息融合到多尺度马尔可夫随机场（MRF）理论框架中，研究高分辨率遥感影像自动解译问题。项目围绕着初始分割算法—低层语义获取—地物语义层次模型—多尺度合并规则—融合地物语义的多尺度马尔可夫模型等关键问题开展研究。主要研究内容包括：1、采用TurboPixels算法和融合地物边界的分割优化算法获得高精度的基本处理基元—对象，该算法能够有效抑制过分割现象的产生，优化后边缘保持性较好，更加接近于地面真实分割结果，提高了高分辨率影像的分割精度；2、提出了融合像素-多尺度区域特征的高分辨率遥感影像分类算法，获得低层语义信息，该算法提高分类精度，并保持地物对象的完整性和地物细节信息；3、结合不同层次地物的语义、光谱及空间特征，基于空间统计指数有区别的建立多尺度合并规则，形成多尺度分割结果，建立与地物语义层次对应的多尺度对象邻接图；4、提出一种融合地物语义的多尺度对象马尔可夫模型的高分辨率遥感影像分类算法，首先在低层语义信息基础上进行地物语义上推，构建地物语义层次模型，再在融合地物语义层次模型基础上，基于多尺度对象邻接图上进行多尺度对象MRF(Markov Random Field)模型的构建，最后将多尺度对象MRF模型应用高分辨率遥感影像分类，提高了分类精度，保持地物细节信息和地物区域性。项目对融合地物语义的多尺度对象马尔可夫模型的建模方法进行研究，并将其应用于高分辨率遥感影像智能化解译中，项目研究成果将推动面向对象的高分辨率影像分类、信息提取的发展，为国产高分辨率影像应用提供理论基础和实用工具。