基于區域不一致性評價自動優選遙感影像分割參數的方法與流程

技術特征：

1.一種基于區域不一致性評價自動優選遙感影像分割參數的方法，其特征在于包括如下步驟：

步驟一：輸入待分割的遙感影像和參考數據集，初始化參數，所述的初始化參數包括給定初始尺度分割參數區間值s₁和s₅，且s₅>s₁，給定尺度分割參數間最小步距d_min，給定ED2_min最大值L、形狀因子、緊湊度因子和ED2_min極小值ζ；步驟二：如果s₅-s₁>4d_min，則在初始尺度分割參數值s₁和s₅的基礎上設置5個尺度分割參數及其步距，否則需重新設置初始尺度分割參數值s₁和s₅，這里d>d_min為約束條件，s₁，s₂，s₃，s₄，s₅五個尺度分割參數具體計算如下：

$d=\frac{1}{4}(s_5-s_1)$

$s_3=\frac{1}{2}(s_1+s_5)$

s₂＝s₁+d

s₄＝s₅-d

步驟三：根據s₁，s₂，s₃，s₄，s₅尺度分割參數上各自的分割數據集和參考數據集，分別統計其參考多邊形數量、分割多邊形數量，重疊面積、過分割面積、欠分割面積、依次計算出每一個尺度分割參數對應的不一致性度量參數對應的PSE_i，NSR_i和ED2_i，其中i＝{2,3,4,5}。具體計算流程如下：

在每個尺度分割參數中，用R＝{r_i:i＝1,2,...,m}表示m個參考多邊形的集合，S＝{s_j:j＝1,2,...,n}表示分割多邊形的集合，|r_i∩s_j|表示參考多邊形r_i和分割多邊形s_j相交部分的面積，|r_i|和|s_j|分別為參考多邊形r_i和分割多邊形s_j的面積，S'＝{s_k:k＝1,2,...,v}表示與參考數據集相對應的分割數據集的集合。定義Sa和Sb為集合S的兩個子集，且滿足匹配準則：

$Sa=\{s_j:\frac{\left|r_i\∩s_j\right|}{\left|s_j\right|}\>0.5\}$

$Sb=\{s_j:\frac{\left|r_i\∩s_j\right|}{\left|r_i\right|}\>0.5\}$

也就是說匹配準則是參考多邊形和分割多邊形相交部分的面積至少是參考多邊形或匹配多邊形的面積一半，則參考多邊形相匹配的分割多邊形的集合S'就為Sa和Sb的并集。同時定義∑|R_i|為m個參考多邊形的總面積，∑|S_k|為跟m個參考多邊形相匹配的分割多邊形總面積，∑|R_i∩S_k|為參考數據集和匹配的分割數據集重疊面積，|r_i-s_j|＝|r_i|-|r_i∩s_j|是在匹配多邊形之外的那部分參考多邊形的面積為過分割面積，|s_j-r_i|＝|s_j|-|r_i∩s_j|是在參考多邊形之外的那部分匹配多邊形的面積為欠分割面積。因此，PSE、NSR和ED2可以表示為：

$PSE=\frac{\mathrm{\Σ}\left|S_k\right|-\mathrm{\Σ}\left|S_k\∩R_i\right|}{\mathrm{\Σ}\left|R_i\right|}$

$NSR=\frac{abs(m-n)}{m}$

$ED2=\sqrt{{\mathrm{PSE}}^2+{\mathrm{NSR}}^2}$

最后得到計算5點間的ED2最小值和最大值：

ED2_min＝min{ED2₁,ED2₂,ED2₃,ED2₄,ED2₅}

ED2_max＝max{ED2₁,ED2₂,ED2₃,ED2₄,ED2₅}

步驟四:模式匹配過程

分析ED2隨s₁～s₅尺度分割參數變化的趨勢并動態調整五個尺度分割參數，不斷地匹配PSE-NSR-ED2不一致評價模型Case a～Case q 17種變化模式，獲得在固定形狀因子和緊湊度因子下遙感影像的最優尺度分割參數。

步驟五：依次按照形狀因子＝0.1,0.2,…,0.9，緊湊度因子＝0.1,0.2,…,0.9的組合方式進行步驟一到步驟四的迭代運算，得到81個參數組合上的最優尺度分割參數；然后對這81組最優尺度分割參數進行再排序，從中選出的最小ED2組對應的尺度分割參數，形狀因子及緊湊度因子三個參數組合即為最優分割參數組合。

2.根據權利要求1所述的方法，其特征在于所述的步驟四ED2隨尺度分割參數變化的趨勢具有Case a～Case q 17種模式：

Case a.ED2_i不隨尺度分割參數發生變化，即ED2₁＝ED2₂＝ED2₃＝ED2₄＝ED2₅，或者其間的最大、最小值之差小于預設的極小值ζ：

|ED2_max-ED2_min|＜ζ

若如此且ED2_max≥L，則意味著預設尺度分割參數明顯偏大至ED2值變化不穩定區域，需要將尺度分割參數范圍向小值方向，將s₅左移到s₁的位置，s₁左移4個步距，s₃為動態調整后s₁和s₅的值一半，s₂和s₄也相應左移4個步距：

s₅←s₁

s₁←s₁-4·d

$s_3\←\frac{1}{2}(s_1+s_5)$

s₂←s₁+d

s₄←s₅-d

如果s₁<0，則使s₁＝5，s₅左移s₄的位置，d為動態調整后s₁和s₅的值四分之一，s₃為動態調整后s₁和s₅的值二分之一，s₂和s₄左移1個新獲的步距：

s₁←5

s₅←s₄

$d\&LeftArrow;\frac{1}{4}(s_5-s_1)$

$s_3\&LeftArrow;\frac{1}{2}(s_5+s_1)$

s₂←s₁+d

s₄←s₅-d

回到步驟三繼續；

否則當滿足條件ED2_max<L時擴大尺度分割參數搜索范圍，相應的s₃不變，s₁減小原來的2倍步距，s₅擴大原來的2倍步距，s₂和s₄分別替換原來的s₁和s₅)

s₂←s₁

s₄←s₅

s₁←s₂-2·d

s₅←s₄+2·d

如果擴大出現s₁<0，則使s₁＝5，s₅左移s₄的位置，d為動態調整后s₁和s₅的值四分之一，s₃為動態調整后s₁和s₅的值二分之一，s₂和s₄左移1個新獲的步距：

s₁←5

s₅←s₄

$d\&LeftArrow;\frac{1}{4}(s_5-s_1)$

$s_3\&LeftArrow;\frac{1}{2}(s_5+s_1)$

s₂←s₁+d

s₄←s₅-d

回到步驟三繼續；

如果擴大尺度分割參數范圍搜索，仍出現ED2_i不隨尺度參數發生變化，或其間的最大、最小值之差小于預設的極小值ζ其中之一的情況：

|ED2_max-ED2_min|＜ζ

且ED2_max≤L，則最優尺度分割參數可能位居其一，s_opt∈[s₁,s₅]；需作進一步的判斷：如果前后兩次運算均出現上述狀況，對比前后兩次運算ED_2min，取ED2_min較小的一次作為最優尺度分割參數的范圍，s_opt∈[s₁,s₅]，則s_opt＝s₅，運行結束并報告結果。

Case b.ED2_i隨尺度分割參數的增加而遞減，即ED2₁≥

ED2₂≥ED2₃≥ED2₄≥ED2₅，則最優尺度分割參數大于s₅，調整尺度分割參數設置，將s₁右移到s₃的位置，s₂右移到s₄的位置，s₃右移到s₅的位置，s₂和s₄也相應右移2個步距：

s₁←s₃

s₂←s₄

s₃←s₅

s₄←s₃+2·d

s₅←s₄+2·d

回到步驟三繼續；

Case c.ED2_i在s₄處呈現最小值拐點，即ED2₁≥ED2₂≥ED2₃≥ED2₄并且ED2₄≤ED2₅，則最優尺度分割參數可能處于s₃和s₅之間，將尺度分割參數范圍向小值方向，則使s₁右移到s₂的位置，s₂右移到s₃的位置，s₃右移到s₄的位置，s₄右移到s₅的位置，s₅右移1個步距：

s₁←s₂

s₂←s₃

s₃←s₄

s₄←s₅

s₅←s₄+d

回到步驟三繼續；

Case d.ED2_i在s₃處呈現最小值拐點，即ED2₁≥ED2₂≥ED2₃，并且ED2₃≤ED2₄≤ED2₅，則最優尺度分割參數處于s₂和s₄之間；進而如果ED2₃≥L，則意味著預設尺度分割參數明顯偏大至ED2值變化不穩定區域，需要將尺度分割范圍向小值方向，將s₅左移到s₁的位置，s₁左移4個步距，s₃為動態調整后s₅和s₁的二分之一，s₂和s₄也相應左移4個步距：

s₅←s₁

s₁←s₁-4·d

$s_3\&LeftArrow;\frac{1}{2}(s_1+s_2)$

s₂←s₁+d

s₄←s₂-d

如果s1<0，則使s₁＝5，s₅左移s₄的位置，d為動態調整后s₁和s₅的值四分之一，s₃為動態調整后s₁和s₅的值二分之一，s₂和s₄也相應左移1個新獲的步距：

s₁←5

s₅←s₄

$d\&LeftArrow;\frac{1}{4}(s_5-s_1)$

$s_3\&LeftArrow;\frac{1}{2}(s_5+s_1)$

s₂←s₁+d

s₄←s₅-d

回到步驟三繼續；

否則ED2₃<L，并且d＞d_min，則需要在s₂和s₄之間加密搜索，相應的s₃不變，將s₁左移到s₂的位置，s₅左移到s₄的位置，s₂和s₄也相應左移二分之一個步距：

s₁←s₂

s₅←s₄

$s_2\&LeftArrow;s_1+\frac{1}{2}\&CenterDot;d$

$s_4\&LeftArrow;s_5-\frac{1}{2}\&CenterDot;d$

直到d≤d_min，且滿足ED2₃<L，則s_opt＝s₃。

Case e.ED2_i在s₂處呈現最小值拐點，即ED2₁≥ED2₂，并且ED2₂≤ED2₃≤ED2₄≤ED2₄，則最優尺度分割參數可能處于s₁和s₃之間，若ED2₂<L，且d<d_min，則s₂為最優參數；否則如果ED2₂≥L，則需要將尺度分割參數范圍向小值方向，則使s₅左移到s₄的位置，s₄左移到s₃的位置，s₃左移到s₂的位置，s₂左移到s₁的位置，s₁左移1個步距：

s₅←s₄

s₄←s₃

s₃←s₂

s₂←s₁

s₁←s₁-d

如果s₁<0，則使s₁＝5，s₅左移s₄的位置，d為動態調整后s₁和s₅的值四分之一，s₃為動態調整后s₁和s₅的值二分之一，s₂和s₄也相應左移1個新獲的步距：

s₁←5

s₅←s₄

$d\&LeftArrow;\frac{1}{4}(s_5-s_1)$

$s_3\&LeftArrow;\frac{1}{2}(s_5+s_1)$

s₂←s₁+d

s₄←s₅-d

回到步驟三繼續；

否則當ED2₂<L，且d>d_min，在s₁和s₃處加密，則需要在s₂和s₄之間加密搜索，相應的s₃不變，將s₁左移到s₂的位置，s₅左移到s₄的位置，s₂和s₄也相應左移二分之一個步距：

s₁←s₂

s₅←s₄

$s_2\&LeftArrow;s_1+\frac{1}{2}\&CenterDot;d$

$s_5\&LeftArrow;s_2-\frac{1}{2}\&CenterDot;d$

回到步驟三繼續；

Case f.ED2_i隨尺度分割參數遞增，即ED2₁≤ED2₂≤ED2₃≤ED2₄≤ED2₂，則最優尺度分割參數小于s₁或者鄰近s₁，則使s₅左移到s₃的位置，s₃左移到s₁的位置，s₄左移到s₂的位置，s₂左移2個步距，s₁左移2個步距：

s₅←s₃

s₃←s₁

s₄←s₂

s₂←s₃-d

s₁←s₂-d

如果s₁<0，則使s₁＝5，s₅左移s₄的位置，d為動態調整后s₁和s₅的值四分之一，s₃為動態調整后s₁和s₅的值二分之一，s₂和s₄也相應左移1個新獲的步距：

s₁←5

s₅←s₄

$d\&LeftArrow;\frac{1}{4}(s_5-s_1)$

$s_3\&LeftArrow;\frac{1}{2}(s_5+s_1)$

s₂←s₁+d

s₄←s₅-d

回到步驟三繼續；

Case g-Case q.隨尺度分割參數遞增，ED2_i隨尺度分割參數的變化趨勢趨于不穩定，ED2i值隨尺度分割參數變化而至不穩定區域，且ED2_min≥L，則意味著預設尺度分割參數明顯偏大至ED2_i值變化不穩定區域，需要將分割尺度參數范圍向小值方向左移，將s₅左移到s₁的位置，s₁左移4個步距，s₃為動態調整后s₁和s₅的值一半，s₂和s₄也相應左移4個步距：

s₅←s₁

s₁←s₁-4·d

$s_3\&LeftArrow;\frac{1}{2}(s_1+s_2)$

s₂←s₁+d

s₄←s₂-d

如果s₁<0，則使s₁＝5，s₅左移s₄的位置，d為動態調整后s₁和s₅的值四分之一，s₃為動態調整后s₁和s₅的值二分之一，s₂和s₄也相應左移1個新獲步距：

s₁←5

s₅←s₄

$d\&LeftArrow;\frac{1}{4}(s_5-s_1)$

$s_3\&LeftArrow;\frac{1}{2}(s_5+s_1)$

s₂←s₁+d

s₄←s₅-d

回到步驟三繼續:否則遇到ED2_max≤L時，將放大后計算獲得的這組數據與上一組數據的ED2_min進行比較，如果出現小于上一組最小值的情況就繼續放大，直到找到最小的ED2_min，放大結束，確定最小ED2_min的區間，然后在最小區間進行加密，加密到d≤d_min，加密結束，取其ED2_min對應的尺度分割參數為最優尺度分割參數。

3.根據權利要求1所述的方法，其特征在于所述的步驟一中給定尺度分割參數間最小步距d_min＝1，給定ED2_min最大值L＝1.0、形狀因子＝0.1、緊湊度因子＝0.1、ED2_min極小值ζ＝0.0001。