全局区域相异度阈值构建稀疏尺度集模型

目的尺度集模型是一种有效的影像多尺度分割模型,但数据结构复杂、构建效率低下且冗余尺度较多。针对这些问题,提出了一种由全局区域相异度阈值驱动构建稀疏尺度集模型的方法。方法本文方法改变了尺度集模型构建的驱动方式,通过重复进行增大全局区域相异度阈值以及合并所有小于当前全局区域相异度阈值的邻接区域这2个步骤完成尺度集的构建。同时,将依次出现的全局区域相异度阈值与从小到大的抽象尺度对应,采用深度优先搜索在区域邻接图中快速搜索满足条件的邻接区域,采用三次指数平滑法预测下一尺度的全局区域相异度阈值,采用基于局部方差和莫兰指数的尺度属性分析消除冗余的欠分割尺度。结果与传统尺度集相比,稀疏尺度集极大地简化了底层数据结构,通过调节模型核心参数可以有效消除冗余尺度。保守参数设置下,稀疏尺度集的构建速度提高至传统尺度集的3.11倍,且二者区域合并质量无明显差别。结论本文提出的稀疏尺度集模型能够在不引起合并质量下降的前提下大幅度提高模型构建速度,将具有更加广泛与灵活的应用。