面向?qū)ο蟮母叻直媛蔬b感影像分割分類評價指標(biāo).pdf

《面向?qū)ο蟮母叻直媛蔬b感影像分割分類評價指標(biāo).pdf》由會員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫。

1、第15卷第4期地球信息科學(xué)學(xué)報、，ol_15．No．42013年8月JOURNALOFGEO．INFORMAT10NSCIENCEAug．，2013面向?qū)ο蟮母叻直媛蔬b感影像分割分類評價指標(biāo)吳波，林珊珊，周桂軍(福州大學(xué)空間數(shù)據(jù)挖掘與信息共享教育部重點(diǎn)實驗室，福建省空間信息研究中心，福州350002)摘要：由于總體精度或Kappa系數(shù)的遙感影像分lt]／分類評價指標(biāo)，對影像分割圖斑的幾何形狀等真實結(jié)構(gòu)未能有效刻畫，不能有效體現(xiàn)面向?qū)ο筇幚碇羞吘壪裨恼鎸嵎指睿诸愋Ч?。本文基于分割對象的幾何結(jié)構(gòu)，提出了5個面向?qū)?/p>

2、象的高分辨率遙感影像分割／分類精度評價指標(biāo)：過分割、欠分割、邊緣匹配、分割塊數(shù)，以及形狀誤差，并在IDL平臺實現(xiàn)了一個面向?qū)ο笥跋穹治雠c評價的原型系統(tǒng)。通過對福州市QuickBird影像的Meanshift分割評價，證實了其指標(biāo)能夠刻畫出分割對象的深層結(jié)構(gòu)，并符合地物對象分割／分類的真實分布。實驗還表明，該評價指標(biāo)在確定分割算法的參數(shù)方面具有重要的應(yīng)用價值。關(guān)鍵詞：高分辨率遙感影像；分割／分類評價；面向?qū)ο?；幾何結(jié)構(gòu)DoI：10．3724／SP．J．1047．2013．005671引言理與幾何形狀等真實結(jié)構(gòu)進(jìn)行有

3、效刻畫，因而不能有效體現(xiàn)邊緣像元分割／分類的真實情況。由于IKONOS與QuickBird等具有較高的空間分辨分類／分割的錯誤大多在類別的邊界像元中，那么，率圖像u1，能在較小的空間尺度上觀察地表的細(xì)節(jié)像元的評價指標(biāo)不考慮抽樣樣本像元的空間關(guān)系，變化，精確獲取地物信息。目前，其廣泛應(yīng)用于農(nóng)可能導(dǎo)致雖然總體精度或Kappa系數(shù)較高，但存在業(yè)、土地利用、自然資源和環(huán)境調(diào)查、城市規(guī)劃、自大量孤立像元或小圖斑的現(xiàn)象；或者雖然具有不同然災(zāi)害監(jiān)測、海岸帶和海洋制圖等各個方面【。的分割／分類結(jié)果，卻具有相近的評價數(shù)值。圖1是為

4、了提高分類精度，人們通常采用面向?qū)ο蟮母叻直媛蔬b感影像分割中可能出現(xiàn)的各種情況。影像分割，再從分割對象中提取各種光譜、紋理、形圖1(a)表示一種地物被分成了多個小塊，而且每一狀等影像特征來降低地物光譜相互混合的現(xiàn)象。個小塊的大小不等，出現(xiàn)了過分割現(xiàn)象；圖l(b)表譬如，面向?qū)ο蟮膃Cognition處理平臺具有兩個重示多種地物被分成了一個大塊，沒有將不同地物進(jìn)要的特征：一是充分利用了對象信息(色調(diào)，形狀，行有效的分割，造成了欠分割現(xiàn)象；圖1(c)表示分紋理，層次)，類間信息(與鄰近對象，子對象，父對割的邊緣和真實

5、的地物對象的邊緣并不完全重合，象的相關(guān)特征)；二是能利用多尺度信息分割，形成形成了邊緣匹配誤差；圖1(d)表示一種地物對象被不同分辨率等級的圖斑，并在最適宜的尺度層中提分成的塊數(shù)，一個地物被分成的塊數(shù)越多，則表明?。?】。由于eCognition的強(qiáng)大信息處理能力是以分割結(jié)果就越差；圖1(e)表示分割結(jié)果的形狀和地影像分割為基礎(chǔ)的，因而，遙感影像的分割及其分物對象形狀的差異，一般地如果形狀差異越大，則割結(jié)果的評價成為面向?qū)ο筇幚砑夹g(shù)的關(guān)鍵問分割結(jié)果就越差。題。然而，雖然eCognition在分割／分類等高分辨遙顯

6、然，用像元統(tǒng)計的OA或者Kappa系數(shù)評價感影象處理中取得了重大突破，卻仍然是以目視判指標(biāo)，難以反映以上地物對象的分割／分類結(jié)果與真讀或傳統(tǒng)像元統(tǒng)計的評價。目視判讀方式無法給實情況不一致的現(xiàn)象。這表明需要針對邊緣像元出定量評價。另一方面，像元統(tǒng)計方式是通過在分或圖像幾何結(jié)構(gòu)進(jìn)行刻畫，設(shè)計出面向?qū)ο蟮姆指睿疘-U／分類結(jié)果中抽取獨(dú)立樣本，利用總體精度或分類評價指標(biāo)u。1，以提高分割結(jié)果評價的精確性和Kappa系數(shù)來評價，沒有對影像分割／分類圖斑的紋客觀性”。本文參考文獻(xiàn)[121，針對高分辨遙感影收稿日期：2013-

7、01-21；修回日期：2013—03—11．基金項目：福建省科技重點(diǎn)項目(2011Y0036)。作者簡介：吳波(1975一)，男，博士，副教授，主要從事遙感圖像處理及時空數(shù)據(jù)挖掘等方面的研究。E-mail：wavelet778@sohu．tom4期吳波等：面向?qū)ο蟮母叻直媛蔬b感影像分割分類評價指標(biāo)571OL9n8c；76c=5c=4∞32●c=5；(b)空寬=10，譜寬=5，尺度=10；(c)空寬=10，譜標(biāo)，圖7中的其他子圖(ii)-(vi)分別表示過分割、欠寬=10，尺度=10；(d)空寬=20，譜寬=20，

8、尺度：2O；分割、邊緣匹配度、分割塊數(shù)與形狀變化5種幾何形(e)空寬=30，譜寬=20，尺度=30；(f)空寬=30，譜寬狀指標(biāo)。=30，尺度=30；(g)空寬=35，譜寬=30，尺度=60；從圖7(i)的數(shù)值分析結(jié)果可以看出，盡管某些(h)空寬=50，譜寬=40，尺度=40。參數(shù)下Meanshift的分割效果顯然不同，但OA和圖6是遙感影像在不同組合參數(shù)下Meanshi