综合优度法和不一致性法的最优分割参数选择方法

分割参数的选择直接决定着影像对象的大小、形状。因此如何选择最优的分割参数显得尤为重要。用局部标准差和局部Moran指数构建了新的优度度量函数,然后与通过不一致性法选择的分割参数进行比较,进而选取综合的最优分割参数。通过对高空间分辨率IKONOS影像上农田、草地、池塘和建筑物等4种不同类型地物进行实验,表明不同地物类型具有不同的最优分割参数区间,且分别使用本研究所提出的优度法和不一致性法所得度量参数具有基本一致的最优参数分布区间。进而,通过对最优分割参数和其他分割参数下的分割结果进行影像分类,分类结果的精度评价表明综合两种度量方法得到的最优分割参数可获得最佳的分类结果。

高分影像树种分类的最优分割尺度确定方法

【目的】研究面向对象树种分类过程中多尺度分割算法参数组合确定方法,寻找替代传统依赖于参考多边形的最优分割尺度评价方式,并对ESP2工具所得最优分割尺度对树种分类的适宜性做出定量评价。【方法】以黑龙江省伊春市桦皮羌子林场为研究区,基于GF-2遥感影像数据,开展面向对象分类的分割试验。利用ESP2工具找出固定尺度范围内(100~400,步长为1)同质性局部方差变化率随分割尺度变化曲线中明显峰值所对应的分割尺度,将其定义为最优分割尺度范围。执行最佳同质性准则组合参数配合下最优分割尺度范围内各尺度的多尺度分割,统计树种样本点对在各分割结果中的分布情况并记录分割时间,通过对比树种样本点对正确落入相邻对象比和分割时长来确定最优分割尺度。【结果】相同尺度下的同质性准则组合参数试验表明,当组合两因子参数分别为shape=0.5、compactness=0.3时,其分割效果相对最好。基于树种样本点对的分割结果评价表明,树种样本点对正确落入比最高时对应的分割尺度参数为259,210对相异相邻树种样本点对中共有203对样本点正确落入相邻分割对象中。最优分割尺度范围内各分割结果的矢量距离指数和ED3modified指数表明,其评价结果与基于树种样本点对的评价结果相吻合。【结论】不同同质性准则组合参数对分割结果的影响具有明显差异,设计高效的试验方案寻找该组合十分必要。基于树种样本的评价方法充分利用地面调查数据,将以往评价中常用的多边形样本简化为点样本,可避免人工勾画真实地物边界的繁杂工作量。将分割效率考虑在内的最优分割尺度评价点指数方法与基于对象匹配法或面积相近原理的评价方法相比,可提高操作上的简易性和评价因素的全面性。