随着科技水平的提高,使用从遥感影像中获得的数据提取地物是当前最有效的技术措施之一。如何在遥感影像中准确高效地找到森林植被信息,在全球生态系统的监控和分析、国土资源管理、城市建设等领域都有重要的研究价值。虽然森林植被的纹理、形状和光谱等信息十分丰富,但遥感图像中森林植被结构复杂、多尺度空间散布易细碎以及易受地区与天气的影响等问题,导致森林植被分割难度增大。随着视觉注意在遥感影像森林分割中被广泛应用,结合视觉注意机制的遥感图像森林植被分割方法有着显著的优势。文献[28]中提出的基于视觉注意多尺度SID(Salient Image Disk)模型,相对于其他大部分模型来说能够较精确地分割出森林植被区域,但是,遥感图像中存在的与树冠形状相似的其他易混淆地物,如圆形建筑物和水坑等,它们同样可以被多尺度SID描述。因此本文在其基础上充分利用树冠的结构纹理特征,提出一种基于视觉注意机制多尺度树冠SID森林植被遥感图像纹理分割方法。树冠作为遥感图像中森林植被的典型纹理单元,具有突出的结构纹理特征。首先将树冠作为视觉注意目标,采用双边滤波和高斯拉普拉斯滤波方法有针对性地增强森林植被区域的树冠纹理信息,增强树冠SID模型的纹理表达能力;其次将树冠的结构纹理描述补充到传统的多尺度SID模型中,即在原SID模型中加入两方向灰度差分纹理信息建立树冠SID模型,与传统的方法相比能够有效排除混淆地物,实现了典型树冠的准确标记。结果显示,该方法能有效排除混淆地物准确标记大部分树冠,森林植被区域树冠分割精确度高。最后通过改进的区域生长算法,以多尺度树冠SID作为种子生长出森林植被区域,较好地完成了森林植被的分割。森林植被分割进一步的研究工作是分区域寻找SID,以便解决树冠SID分布不均匀的问题。将图像等分成若干个小区域,对于没有SID的区域适当降低视觉注意算子的约束条件,包括对比度、同质性、均值和两方向灰度差分。