论文部分内容阅读
【摘 要】影像分割是遥感影像信息提取研究中的重要步骤。文章对高分辨率遥感影像分割方法进行了总结，并对高分辨率遥感影像分割研究的发展趋势进行了讨论与展望。
【关键词】高分辨率影像；面向对象分割；多尺度
遥感影像处理与信息提取以影像分割为基础。遥感影像分割是根据影像上像元之间的相似性将满足相似性条件的像素划分到影像中某一区域的过程，是影像处理和信息提取的关键。国内外高分辨率卫星对地观测技术的不断发展使得高分辨率遥感影像分割技术受到广泛关注。常规的高分辨率遥感影像分割算法与灰度图像分割方法大体相同，此外有学者研究出了融合其他特定理论的新型分割方法。文章在查阅大量相关文献基础上，将高分辨率遥感分割方法分为面向像元和面向对象分割，并对每一类高分辨率影像分割方法进行阐述总结。
一、面向像元的高分辨率遥感影像分割方法
（一）基于区域的分割方法
基于区域的影像分割主要包括区域生长及区域分裂合并两类。区域生长从像素点出发，在影像上选择“种子点”，以种子点为起点根据种子点与相邻点的一致性进行“生长”，逐步合并成一个区域。区域分裂合方法不断地对影像进行“分裂”，再将相邻的满足一致性条件的区域合并以得到分割结果。
（二）基于边缘的分割方法
基于边缘的影像分割方法通过不同区域间像素的不连续变化检测区域之间的边缘，如利用边缘检测算子对影像进行卷积计算，完成影像分割。
（三）基于阈值的分割方法
基于阈值的分割方法假设影像上同一目标或同一背景的相邻像素之间高度相似，而不同目标或背景的像素间存在明显差异，通过选择合适的阈值能够分离目标和背景，实现影像分割。
（四）其他分割方法
面向像素的融合分割算法包括分水岭变换和相位一致原理等。2012年，李巍巍对分水岭分割并行化进行了研究；2013年，江怡利用改进分水岭变换进行高分影像分割研究；2013年，王珂等结合了相位一致原理与光谱相似性进行高分影像分割。
二、面向对象的高分辨率遥感影像分割方法
面向对象高分辨率影像分割以能够代表真实地物的区域对象或像素集合为基本单元。多尺度分割是最为经典最为常用的面向对象分割思想。2009年，王爱萍等提出了分层聚合多尺度分割算法；2010年，沈占锋等将均值漂移应用到多尺度高分影像分割中；2014年，王露提出了最优尺度参数选择方法。
基于马尔科夫随机场模型的影像分割融入了统计学思想。2007年，李云峰等对马尔科夫模型进行了改进；2009年，刘国英进行了基于马尔科夫场的遥感影像分割研究。CV模型是一种基于区域信息的水平集影像分割方法，2011年，徐文宁等对CV模型进行了改进，取得了较好效果。2016年，王春艳等提出基于二型模糊模型的高分影像分割方法。
三、结语
随着高分辨率影像中地物细节信息的不断丰富，传统的面向像素的高分辨率遥感影像分割方法已经无法满足影像分割的要求，以多尺度分割为核心的面向对象分割方法将逐步取代面向像素分割，成为主流。如何在面向对象基础上研发出一种更为精准、快速的分割方法仍是学者关注的重点。
参考文献
[1] 李巍巍.高分辨率遥感影像分水岭并行分割研究[D].辽宁工程技术大学，2012.
[2] 江怡.基于改进分水岭变换的高分辨率遥感影像分割方法研究[D].中南大学，2013.
[3] 王珂，顾行发，余涛等.结合光谱相似性与相位—致模型的高分辨率遥感图像分割方法[J].红外与毫米波学报，2013，32（01）：73-79.
[4] 王爱萍，王树根，吴会征.利用分层聚合进行高分辨率遥感影像多尺度分割[J].武汉大学学报（信息科学版），2009（09）：1055-1058.
[5] 沈占锋，骆剑承，胡晓东，孙卫刚.高分辨率遥感影像多尺度均值漂移分割算法研究[J].武汉大学学报（信息科学版），2010（03）：313-316.
[6] 王露.面向对象的高分辨率遥感影像多尺度分割参数及分类研究[D].中南大学，2014.
[7] 李云峰，曹渝昆，朱庆生.基于小波域隐马模型的树木类图像分割算法[J].计算机应用研究，2007，24（08）：233-235.
[8] 刘国英.基于小波域马尔科夫场的遥感影像分割研究[D].武汉：武汉大学测绘遥感信息工程国家重点实验室，2009.
[9] 许文宁，梅树立，王鹏新，杨勇.改进CV模型在高分辨率遥感影像分割中的应用[J].农业机械学报，2011，03：180-183.
[10] 王春艳，徐爱功，李玉，隋心.融入空间关系的二型模糊模型高分辨率遥感影像分割[J].遥感学报，2016（01）：103-113.
作者简介：朱姝（1991- ），女，四川自贡人，硕士，研究方向：遥感数字图像处理。
【关键词】高分辨率影像；面向对象分割；多尺度
遥感影像处理与信息提取以影像分割为基础。遥感影像分割是根据影像上像元之间的相似性将满足相似性条件的像素划分到影像中某一区域的过程，是影像处理和信息提取的关键。国内外高分辨率卫星对地观测技术的不断发展使得高分辨率遥感影像分割技术受到广泛关注。常规的高分辨率遥感影像分割算法与灰度图像分割方法大体相同，此外有学者研究出了融合其他特定理论的新型分割方法。文章在查阅大量相关文献基础上，将高分辨率遥感分割方法分为面向像元和面向对象分割，并对每一类高分辨率影像分割方法进行阐述总结。
一、面向像元的高分辨率遥感影像分割方法
（一）基于区域的分割方法
基于区域的影像分割主要包括区域生长及区域分裂合并两类。区域生长从像素点出发，在影像上选择“种子点”，以种子点为起点根据种子点与相邻点的一致性进行“生长”，逐步合并成一个区域。区域分裂合方法不断地对影像进行“分裂”，再将相邻的满足一致性条件的区域合并以得到分割结果。
（二）基于边缘的分割方法
基于边缘的影像分割方法通过不同区域间像素的不连续变化检测区域之间的边缘，如利用边缘检测算子对影像进行卷积计算，完成影像分割。
（三）基于阈值的分割方法
基于阈值的分割方法假设影像上同一目标或同一背景的相邻像素之间高度相似，而不同目标或背景的像素间存在明显差异，通过选择合适的阈值能够分离目标和背景，实现影像分割。
（四）其他分割方法
面向像素的融合分割算法包括分水岭变换和相位一致原理等。2012年，李巍巍对分水岭分割并行化进行了研究；2013年，江怡利用改进分水岭变换进行高分影像分割研究；2013年，王珂等结合了相位一致原理与光谱相似性进行高分影像分割。
二、面向对象的高分辨率遥感影像分割方法
面向对象高分辨率影像分割以能够代表真实地物的区域对象或像素集合为基本单元。多尺度分割是最为经典最为常用的面向对象分割思想。2009年，王爱萍等提出了分层聚合多尺度分割算法；2010年，沈占锋等将均值漂移应用到多尺度高分影像分割中；2014年，王露提出了最优尺度参数选择方法。
基于马尔科夫随机场模型的影像分割融入了统计学思想。2007年，李云峰等对马尔科夫模型进行了改进；2009年，刘国英进行了基于马尔科夫场的遥感影像分割研究。CV模型是一种基于区域信息的水平集影像分割方法，2011年，徐文宁等对CV模型进行了改进，取得了较好效果。2016年，王春艳等提出基于二型模糊模型的高分影像分割方法。
三、结语
随着高分辨率影像中地物细节信息的不断丰富，传统的面向像素的高分辨率遥感影像分割方法已经无法满足影像分割的要求，以多尺度分割为核心的面向对象分割方法将逐步取代面向像素分割，成为主流。如何在面向对象基础上研发出一种更为精准、快速的分割方法仍是学者关注的重点。
参考文献
[1] 李巍巍.高分辨率遥感影像分水岭并行分割研究[D].辽宁工程技术大学，2012.
[2] 江怡.基于改进分水岭变换的高分辨率遥感影像分割方法研究[D].中南大学，2013.
[3] 王珂，顾行发，余涛等.结合光谱相似性与相位—致模型的高分辨率遥感图像分割方法[J].红外与毫米波学报，2013，32（01）：73-79.
[4] 王爱萍，王树根，吴会征.利用分层聚合进行高分辨率遥感影像多尺度分割[J].武汉大学学报（信息科学版），2009（09）：1055-1058.
[5] 沈占锋，骆剑承，胡晓东，孙卫刚.高分辨率遥感影像多尺度均值漂移分割算法研究[J].武汉大学学报（信息科学版），2010（03）：313-316.
[6] 王露.面向对象的高分辨率遥感影像多尺度分割参数及分类研究[D].中南大学，2014.
[7] 李云峰，曹渝昆，朱庆生.基于小波域隐马模型的树木类图像分割算法[J].计算机应用研究，2007，24（08）：233-235.
[8] 刘国英.基于小波域马尔科夫场的遥感影像分割研究[D].武汉：武汉大学测绘遥感信息工程国家重点实验室，2009.
[9] 许文宁，梅树立，王鹏新，杨勇.改进CV模型在高分辨率遥感影像分割中的应用[J].农业机械学报，2011，03：180-183.
[10] 王春艳，徐爱功，李玉，隋心.融入空间关系的二型模糊模型高分辨率遥感影像分割[J].遥感学报，2016（01）：103-113.
作者简介：朱姝（1991- ），女，四川自贡人，硕士，研究方向：遥感数字图像处理。