本文選自國(guó)家級(jí)期刊《中國(guó)新通信》，《中國(guó)新通信》雜志是由中國(guó)科學(xué)技術(shù)協(xié)會(huì)主管，中國(guó)電子學(xué)會(huì)主辦，《中國(guó)數(shù)據(jù)通信》雜志社編輯出版的集權(quán)威性、實(shí)用性、技術(shù)性、普及性于一體的數(shù)據(jù)通信專(zhuān)業(yè)技術(shù)刊物。技術(shù)版為月刊。覆蓋范圍：電信、電子、郵政、金融、交通、石油、電力、廣電、教育、鐵路、醫(yī)療、部隊(duì)等相關(guān)數(shù)據(jù)通信領(lǐng)域的部門(mén)與系統(tǒng)。讀者對(duì)象：從事數(shù)據(jù)通信的技術(shù)管理干部、工程技術(shù)人員、市場(chǎng)與業(yè)務(wù)的開(kāi)發(fā)者、數(shù)據(jù)通信的大用戶(hù)和有關(guān)專(zhuān)業(yè)的大專(zhuān)院校師生等。本刊曾用刊名：中國(guó)數(shù)據(jù)通訊網(wǎng)絡(luò);中國(guó)數(shù)據(jù)通信。
　　摘要：面向?qū)ο蟮挠跋裥畔⑻崛〖夹g(shù)已經(jīng)成為了解決高分辨率遙感影像計(jì)算機(jī)解譯的主要手段。本文從面向?qū)ο笥跋裥畔⑻崛〖夹g(shù)中圖像多尺度分割這一關(guān)鍵步驟出發(fā)，對(duì)其基本思想和主要算法ＦＥＮＡ進(jìn)行了敘述。最后本文以eCognition軟件中的多尺度分割算法為例，進(jìn)行了相關(guān)實(shí)驗(yàn)，證明了面向?qū)ο蟮倪b感影像分析技術(shù)的可行性及在計(jì)算機(jī)解譯中的優(yōu)勢(shì)性。

　　關(guān)鍵字：面向?qū)ο?多尺度分割,FNEA

　　前言

　　隨著遙感衛(wèi)星的迅速發(fā)展，人們獲得的影像分辨率已經(jīng)突破米級(jí)。遙感影像與一般的圖像相比，具有數(shù)據(jù)量大，灰度集較多，復(fù)雜的紋理特征及一定的尺度特征。所以遙感圖像分割算法比一般的圖像的分割算法要求更高。而且圖像分割還是由圖像處理進(jìn)入圖像分析的關(guān)鍵步驟，作為一種基本的計(jì)算機(jī)圖像處理技術(shù)，一方面，它是目標(biāo)表達(dá)的基礎(chǔ)，對(duì)特征測(cè)量有重要的影響；另一方面，因?yàn)閳D像分割及其基于分割的目標(biāo)表達(dá)、特征提取和參數(shù)測(cè)量等將原始圖像轉(zhuǎn)化為更抽象更緊湊的形式，使得更高層的圖像分析和理解成為可能[1]。近幾十年來(lái)，人們從基于邊緣的圖像分割這個(gè)基礎(chǔ)出來(lái)，陸續(xù)引進(jìn)很多新的方法和概念來(lái)完成圖像分割，如小波變換、馬爾可夫隨機(jī)場(chǎng)理論、人工神經(jīng)網(wǎng)絡(luò)、遺傳算法等等。但是這些方法都只能完成某一特定情況下的圖像分割，不能完全適用于大多數(shù)情況。

　　因?yàn)檫b感影像的是有像元組成的，所以傳統(tǒng)的遙感影像多是基于像元的。但是在高分辨率遙感圖像中，一類(lèi)地物往往由多個(gè)像元組成，直接按像元進(jìn)行分割會(huì)割裂許多存在的信息。在這種情況下，面向?qū)ο蟮倪b感影像信息提取技術(shù)成為大家研究的熱點(diǎn)，并取得了許多成果。

　　孫曉霞等利用面向?qū)ο笮畔⑻崛〉能浖�提取IKNOS影像中德河流和道路，精度較高[2]。明冬萍等提出面向?qū)ο蟮男畔⑻崛】蚣躘3]。Willhauck等采用面向?qū)ο蟮挠跋穹治龇椒ǎ�集合了多種數(shù)據(jù)如ERSSAR影像、植被圖以及NOAA數(shù)據(jù)，完成印尼在1997年到1998年嚴(yán)重森林火災(zāi)后的制圖任務(wù)[4]。Huang等進(jìn)行相關(guān)的實(shí)驗(yàn)，也對(duì)這種基于面向?qū)ο蟮姆诸?lèi)結(jié)果的精度和準(zhǔn)確性進(jìn)行了肯定[5]。尤其值得一提的是，第一個(gè)面向?qū)ο蟮?a href='http://www.jinnzone.com/ygxx/' target='_blank'>遙感信息提取軟件eCognition已經(jīng)采用了面向?qū)ο蠛湍：��?guī)則的處理與分析技術(shù)并成功將其投入廣泛商業(yè)運(yùn)用。王文宇等對(duì)比了ERDAS和eCognition的分類(lèi)結(jié)果，eCognition的結(jié)果好于ERDAS[6]；丁曉英利用eCognition對(duì)土地進(jìn)行分類(lèi)[7]；牛春盈等對(duì)面向?qū)ο蟮挠跋裥畔⑻崛≤浖﨔eatureAnalst（FA）和eCognition（EC）做了分析與比較[8]。

　　1面向?qū)ο蟮幕�本思�?/p>

　　計(jì)算機(jī)在分析和處理遙感影像是按像元進(jìn)行的，所以在早前的遙感影像的處理方法都是以像元為處理單元。但是舒寧認(rèn)為采用計(jì)算的目的就是要減輕或者替代人的工作，應(yīng)該將人的知識(shí)與計(jì)算機(jī)處理相結(jié)合[9]。從一般事實(shí)可以知道，人們?cè)谶M(jìn)行目視解譯的時(shí)候，通常是抓住圖像的主要特征，先將自身的先驗(yàn)知識(shí)與圖像的分析結(jié)合起來(lái)，將具有色彩、紋理、形狀等明顯特征的物體分辨出來(lái)。例如在進(jìn)行武漢地物影像目視判讀的時(shí)候，會(huì)首先注意到長(zhǎng)江、東湖以及分開(kāi)的武漢三鎮(zhèn)。所以如果讓計(jì)算機(jī)分析影像的方法模擬人眼的工作模式，應(yīng)該能取得更好的效果。這就需要讓計(jì)算機(jī)以影像同質(zhì)區(qū)域?yàn)榛�本單位�?lái)進(jìn)行影像處理。而這樣的同質(zhì)區(qū)域，就稱(chēng)之為對(duì)象。面向?qū)ο笥跋穹指罹褪腔�于�?duì)象來(lái)進(jìn)行的。

　　2圖像的多尺度分割

　　由于不同的類(lèi)別信息在不同的尺度下有著不一樣的表達(dá)，所以單一的尺度并不能很好的滿(mǎn)足影像分析的需要，往往需要在不同的尺度下對(duì)遙感圖像進(jìn)行分析。對(duì)高分辨率遙感影像而言，空間分辨率就是尺度。在設(shè)定了多個(gè)尺度進(jìn)行影像分割后，就可以形成一個(gè)以分割尺度為參數(shù)的影像對(duì)象層次網(wǎng)絡(luò)體系。影像對(duì)象就是一個(gè)包括像元的光譜信息以及該像元與周?chē)�像元關(guān)系信息的等語(yǔ)義信息的集合。多尺度分割主要解決了遙感影像中不同屬性的類(lèi)別信息在不同尺度的對(duì)象層中得到了表達(dá)的問(wèn)題。多尺度分割符合人類(lèi)視覺(jué)的機(jī)制和特點(diǎn)，如隨著尺度的逐步增大，是對(duì)影像對(duì)象逐步綜合的過(guò)程[10]。

　　3FNEA多尺度分割算法

　　由BaatzM和SchapeA于2000年提出的分形網(wǎng)絡(luò)演化方法（fractalnetevolutionapproach——FNEA）是目前應(yīng)用廣泛的多尺度分割算法。目前已經(jīng)在商業(yè)軟件eCognition中得到應(yīng)用。

　　FNEA是由目視解譯的過(guò)程而來(lái)，它以同質(zhì)性規(guī)則為尺度因子，通過(guò)調(diào)整異質(zhì)度閾值，將單一分辨率、像素表示的院士遙感影像轉(zhuǎn)變?yōu)槎喑叨�、多層次的圖像實(shí)體網(wǎng)絡(luò)[10]。FNEA是一種基于自上而下的區(qū)域生長(zhǎng)技術(shù)的圖像分割，即從單一的像素開(kāi)始，按照一定的最優(yōu)原則合并相鄰的圖像實(shí)體，不斷重復(fù)地將小對(duì)象合并成大對(duì)象，直到最小的異質(zhì)性增加值超過(guò)閾值為止。得到的圖像分割結(jié)果滿(mǎn)足加權(quán)異質(zhì)度最大，異質(zhì)度閾值越小，區(qū)域合并的越少，圖像實(shí)體的面積越小，總的圖像實(shí)體個(gè)數(shù)越少。圖1就是FNEA的多尺度分形結(jié)構(gòu)示意圖

　　圖1：FNEA的多尺度分形結(jié)構(gòu)示意圖

　　4實(shí)驗(yàn)及結(jié)果分析

　　下面以GeoEye-1衛(wèi)星0.5m分辨率的遙感影像為例，使用eCognition軟件進(jìn)行多尺度分割，并對(duì)其結(jié)果進(jìn)行分析。在eCognition中選擇尺度為100,70,50,30的進(jìn)行分割。得到如圖的結(jié)果：

　　圖2：從左至右依次為原始圖像，尺度為100,70,50,30的分割圖像

　　從結(jié)果統(tǒng)計(jì)中可以看出，隨著尺度的降低，得到的對(duì)象越多，

　　5結(jié)語(yǔ)

　　面向?qū)ο蟮挠跋裥畔⑻崛〖夹g(shù)是一種仿照人眼解譯過(guò)程來(lái)進(jìn)行的。人眼對(duì)影像的解譯都是通過(guò)對(duì)象來(lái)實(shí)現(xiàn)的，在不同的尺度上對(duì)影像進(jìn)行分割解譯。通過(guò)進(jìn)行多尺度分析，可以很好的將影像上不同層次上地物的明顯特征體現(xiàn)出來(lái)，為計(jì)算機(jī)解譯影像帶來(lái)了更多的方便。但是多尺度的圖像分割之后還需要進(jìn)行對(duì)象特征的確定，才能對(duì)圖像進(jìn)行進(jìn)一步的操作。從上述可以看出面向?qū)ο蟮倪b感影像信息提取技術(shù)能夠適應(yīng)不同類(lèi)別的遙感影像，表現(xiàn)出強(qiáng)大的生命力。

　　參考文獻(xiàn)

　　[1]章毓晉,圖像分割[M].北京:科學(xué)出版社，2001,1-7

　　[2]孫曉霞，張繼賢，劉正軍，2006，利用面向?qū)ο蟮姆诸?lèi)方法從IKONOS全色影像中提取河流與道路[J]。測(cè)繪科學(xué)，31（1）：62-63

　　[3]明冬萍，等，2005，高分辨率遙感影像信息提取及塊狀基于特征提取[J]，數(shù)據(jù)采集與處理，20（1）：34-39

　　[4]Willhauck,G.,Benz,U.C.,andSiegert,F.,2002,Semiautomaticclassificationproceduresforfiremonitoringusingmufti-temporalSARimageandNOAA-AVHRRhotspotdata,ProceedingsoftheEuropeanConference,SyntheticApertureRadar,Cologne,Germany:4-6

　　[5]HuangHuiping,WuBingfang,FanJinlong.AnalusistotheRelationshipClassificationAccuracySegmentationScaleImageResolution[C].IEEETrans,IGARSS,2003.6:3671-3673

　　[6]王文宇等，2006，基于eCognition的高分辨率遙感圖像的自動(dòng)識(shí)別分類(lèi)技術(shù)[J].北京建筑工程學(xué)院學(xué)報(bào)，22（4）：26-29

　　[7]丁曉英,2005，eCognition在土地利用項(xiàng)目中的應(yīng)用[J].測(cè)繪與空間地理信息，28（6）：116-117

　　[8]牛春盈，江萬(wàn)壽，黃先鋒等，2007，面向?qū)ο笥跋裥畔⑻崛≤浖﨔eatureAnalyst和eCognition的分析與比較[J].遙感應(yīng)用，2：66-70

　　[9]舒寧,2007,關(guān)于遙感影像處理分析的理論與方法之若干問(wèn)題[J].武漢大學(xué)學(xué)報(bào)（信息科學(xué)版）,32（11）：1007～1010

　　[10]孫開(kāi)敏,2008,基于對(duì)象的地面目標(biāo)變化檢測(cè).武漢大學(xué)[D]

轉(zhuǎn)載請(qǐng)注明來(lái)自：http://www.jinnzone.com/zhinengkexuejishulw/20539.html