文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 自然科学 > 物理 > 面向对象的高分辨率遥感影像分割分类评价指标
侵权投诉

面向对象的高分辨率遥感影像分割分类评价指标

第15卷第4期2013年8月

地球信息科学学报

JOURNALOFGEO-INFORMATIONSCIENCE

Vol.15,No.4Aug.,2013

面向对象的高分辨率遥感影像分割分类评价指标

吴波,林珊珊,周桂军

(福州大学空间数据挖掘与信息共享教育部重点实验室,福建省空间信息研究中心,福州350002)

摘要:由于总体精度或Kappa系数的遥感影像分割/分类评价指标,对影像分割图斑的几何形状等真实结构未能有效刻画,不能有效体现面向对象处理中边缘像元的真实分割/分类效果。本文基于分割对象的几何结构,提出了5个面向对象的高分辨率遥感影像分割/分类精度评价指标:过分割、欠分割、边缘匹配、分割块数,以及形状误差,并在IDL平台实现了一个面向对象影像分析与评价的原型系统。通过对福州市QuickBird影像的Meanshift分割评价,证实了其指标能够刻画出分割对象的深层结构,并符合地物对象分割/分类的真实分布。实验还表明,该评价指标在确定分割算法的参数方面具有重要的应用价值。关键词:高分辨率遥感影像;分割/分类评价;面向对象;几何结构DOI:10.3724/SP.J.1047.2013.00567

1引言

IKONOS与QuickBird等具有较高的空间分辨率图像[1],能在较小的空间尺度上观察地表的细节变化,精确获取地物信息[2]。目前,其广泛应用于农业、土地利用、自然资源和环境调查、城市规划、自然灾害监测、海岸带和海洋制图等各个方面[3-6]。

为了提高分类精度,人们通常采用面向对象的影像分割,再从分割对象中提取各种光谱、纹理、形状等影像特征来降低地物光谱相互混合的现象[7]。譬如,面向对象的eCognition处理平台具有两个重要的特征:一是充分利用了对象信息(色调,形状,纹理,层次),类间信息(与邻近对象,子对象,父对象的相关特征);二是能利用多尺度信息分割,形成不同分辨率等级的图斑,并在最适宜的尺度层中提

8]

取[1,。由于eCognition的强大信息处理能力是以

理与几何形状等真实结构进行有效刻画,因而不能有效体现边缘像元分割/分类的真实情况[9]。由于分类/分割的错误大多在类别的边界像元中,那么,像元的评价指标不考虑抽样样本像元的空间关系,可能导致虽然总体精度或Kappa系数较高,但存在大量孤立像元或小图斑的现象;或者虽然具有不同的分割/分类结果,却具有相近的评价数值。图1是高分辨率遥感影像分割中可能出现的各种情况。图1(a)表示一种地物被分成了多个小块,而且每一个小块的大小不等,出现了过分割现象;图1(b)表示多种地物被分成了一个大块,没有将不同地物进行有效的分割,造成了欠分割现象;图1(c)表示分割的边缘和真实的地物对象的边缘并不完全重合,形成了边缘匹配误差;图1(d)表示一种地物对象被分成的块数,一个地物被分成的块数越多,则表明分割结果就越差;图1(e)表示分割结果的形状和地物对象形状的差异,一般地如果形状差异越大,则分割结果就越差。

显然,用像元统计的OA或者Kappa系数评价指标,难以反映以上地物对象的分割/分类结果与真实情况不一致的现象。这表明需要针对边缘像元或图像几何结构进行刻画,设计出面向对象的分割/分类评价指标[10],以提高分割结果评价的精确性和客观性[11]。本文参考文献[12],针对高分辨遥感影

影像分割为基础的,因而,遥感影像的分割及其分割结果的评价成为面向对象处理技术的关键问题。然而,虽然eCognition在分割/分类等高分辨遥感影象处理中取得了重大突破,却仍然是以目视判读或传统像元统计的评价。目视判读方式无法给出定量评价。另一方面,像元统计方式是通过在分割/分类结果中抽取独立样本,利用总体精度或Kappa系数来评价,没有对影像分割/分类图斑的纹

收稿日期:2013-01-21;修回日期:2013-03-11.基金项目:福建省科技重点项目(2011Y0036)。

作者简介:吴波(1975-),男,博士,副教授,主要从事遥感图像处理及时空数据挖掘等方面的研究。E-mail:wavelet778@sohu.com

第1页

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email