基于几何划分和层次结构模型的高分辨率遥感影像分割方法研究

The last generation satellite data acquiring systems increasingly provide high spatial resolution remote sensing images. The availability of high spatial resolution remote sensing images makes it possible to describe and map the Earth surface both with great geometrical precision and a high level of thematic detail. On the other hand, the increases of geometrical noise and internal spectral variability of each land cover and land use class caused by the improvement in spatial resolution completely changes the perspective of remote sensing image analysis compared with moderate resolution remote sensing image provided by previous-generation remote sensing data acquiring systems. To address the development of novel techniques for the segmentation of high spatial resolution remote sensing image, the research of this project will focus on (1) tessellation based hierarchical model of high spatial resolution remote sensing image, (2) Bayes theory based high spatial resolution remote sensing image segmentation model, (3) parameter estimation scheme for simulating the above image segmentation model, (4) convergence analysis, and (5) evaluation of results. This project proposes a novel region and statistic distribution based method for the segmentation of high spatial resolution remote sensing image. The proposed method is aimed at obtaining accurate and reliable segmented map to help for further high-level remote sensing image processing tasks such as feature extraction, object recognition, and classification.

随着空间分辨率的提高，遥感影像中像素光谱测度空间相关性更加复杂，因此合理建模这种相关性是高分辨率遥感影像精准分割的关键因素。项目以建立高分辨率遥感影像像素光谱测度空间相关性层次结构模型这一科学问题为核心，对高分辨率遥感影像精准分割算法展开深入的理论与实践研究，实现精度高、可靠性强的高分辨率遥感影像分割。在随机几何、随机场以及贝叶斯等理论基础上，项目重点研究（1）影像域几何划分、地物目标形状的几何表达、像素光谱测度在邻域级、区域级、全局级的统计分布规律，以建立遥感影像的层次结构模型；（2）高分辨率遥感影像分割模型；（3）可变维状态空间的模型参数估计算法；（4）遥感影像分割算法收敛性；（5）影像分割结果验证及评价方法。项目研究成果将给出普适的高分辨率遥感影像空间相关性建模方法学，并将其融入到遥感影像分割算法的设计中，为高分辨率遥感影像的精准解译提供一种新思路。

随着空间分辨率的提高，遥感影像中像素光谱测度空间相关性更加复杂，因此合理建模这种相关性是高分辨率遥感影像精准分割的关键因素。项目以建立高分辨率遥感影像像素光谱测度空间相关性层次结构模型这一科学问题为核心，对高分辨率遥感影像精准分割算法展开深入的理论与实践研究。在随机几何、随机场、贝叶斯及模糊集等理论基础上，重点研究了以下内容。. (1)利用几何划分技术，包括Voronoi划分、规则划分、Delaunay三角网划分，将影像域划分为可随机变化的子区域集，并用子区域拟合统计上同质的地物目标区域；并通过实验比较了不同几何划分技术对任意几何形状的拟合精度。. (2)在像素层次上采用一系列统计分布模型刻画像素光谱测度统计规律及邻域像素的相互作用；在划分区域层次上，采用静态随机场模型建模划分后各子区域内像素光谱测度的统计一致性；在全局层次上，将邻域区域间相关性模型看作是对邻域像素相关性模型的扩展，引入MRF模型建模邻域子区域之间的相关性。综合上述像素、区域及全局模型建立高分辨率遥感影像层次化结构模型。 .（3）在贝叶斯理论构架下，结合高分辨率遥感影像层次结构模型及其分布参数的先验概率模型构建遥感影像分割模型，即在给定遥感影像条件下的后验联合分布概率或边缘概率分割模型。进一步地，在模糊集理论框架下，利用影像域划分构建了区域化模糊聚类分割模型。.（4）设计了马尔科夫链蒙特卡洛（Markov Chain Montero Carlo, MCMC）、可逆变马尔科夫链蒙特卡洛（Reversible Jump Markov Chain Montero Carlo, RJMCMC）、期望最大化（Expectation Maximization, EM）和期望条件最大化（Expectation Conditional Maximization, ECM）等算法，以获取最优影像分割解和模型参数估计值，从而实现遥感影像的最优分割。.（5）利用基于误差矩阵的精度评价方法，以及基于分割区域轮廓线缓冲区的精度评价方法对分割结果进行精度评价。