本文選自國家級期刊《中國新通信》，《中國新通信》雜志是由中國科學(xué)技術(shù)協(xié)會(huì)主管，中國電子學(xué)會(huì)主辦，《中國數(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)域的部門與系統(tǒng)。讀者對象：從事數(shù)據(jù)通信的技術(shù)管理干部、工程技術(shù)人員、市場與業(yè)務(wù)的開發(fā)者、數(shù)據(jù)通信的大用戶和有關(guān)專業(yè)的大專院校師生等。本刊曾用刊名：中國數(shù)據(jù)通訊網(wǎng)絡(luò);中國數(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。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)，對特征測量有重要的影響；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，人們從基于邊緣的圖像分割這個(gè)基礎(chǔ)出來，陸續(xù)引進(jìn)很多新的方法和概念來完成圖像分割，如小波變換、馬爾可夫隨機(jī)場理論、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)，也對這種基于面向?qū)ο蟮姆诸惤Y(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。王文宇等對比了ERDAS和eCognition的分類結(jié)果，eCognition的結(jié)果好于ERDAS[6]；丁曉英利用eCognition對土地進(jìn)行分類[7]；牛春盈等對面向?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，人們在進(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，將具有色彩、紋理、形狀等明顯特征的物體分辨出來。例如在進(jìn)行武漢地物影像目視判讀的時(shí)候，會(huì)首先注意到長江、東湖以及分開的武漢三鎮(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�本單位來進(jìn)行影像處理。而這樣的同質(zhì)區(qū)域，就稱之為對象。面向?qū)ο笥跋穹指罹褪腔�于對象來進(jìn)行的。

　　2圖像的多尺度分割

　　由于不同的類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足影像分析的需要，往往需要在不同的尺度下對遙感圖像進(jìn)行分析。對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)的影像對象層次網(wǎng)絡(luò)體系。影像對象就是一個(gè)包括像元的光譜信息以及該像元與周圍像元關(guān)系信息的等語義信息的集合。多尺度分割主要解決了遙感影像中不同屬性的類別信息在不同尺度的對象層中得到了表達(dá)的問題。多尺度分割符合人類視覺的機(jī)制和特點(diǎn)，如隨著尺度的逐步增大，是對影像對象逐步綜合的過程[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是由目視解譯的過程而來，它以同質(zhì)性規(guī)則為尺度因子，通過調(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)域生長技術(shù)的圖像分割，即從單一的像素開始，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)地將小對象合并成大對象，直到最小的異質(zhì)性增加值超過閾值為止。得到的圖像分割結(jié)果滿足加權(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，得到的對象越多，

　　5結(jié)語

　　面向?qū)ο蟮挠跋裥畔⑻崛〖夹g(shù)是一種仿照人眼解譯過程來進(jìn)行的。人眼對影像的解譯都是通過對象來實(shí)現(xiàn)的，在不同的尺度上對影像進(jìn)行分割解譯。通過進(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，為計(jì)算機(jī)解譯影像帶來了更多的方便。但是多尺度的圖像分割之后還需要進(jìn)行對象特征的確定，才能對圖像進(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蟮姆诸惙椒◤腎KONOS全色影像中提取河流與道路[J]。測繪科學(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].測繪與空間地理信息，28（6）：116-117

　　[8]牛春盈，江萬壽，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題[J].武漢大學(xué)學(xué)報(bào)（信息科學(xué)版）,32（11）：1007～1010

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

轉(zhuǎn)載請注明來自：http://www.jinnzone.com/zhinengkexuejishulw/20539.html