高分辨率遥感图像分割的最优尺度选择

计算机工程与应用 ›› 2014, Vol. 50 ›› Issue (6): 144-147.

高分辨率遥感图像分割的最优尺度选择

刘兆祎1，李鑫慧2，沈润平2，朱枫3，张凯4，王恬5，王媛媛6

1.南京信息工程大学大气物理学院，南京 210044
2.南京信息工程大学遥感学院，南京 210044
3.北京师范大学全球变化与地球系统科学研究院，北京 100875
4.中国人民解放军94940部队
5.兰州大学大气科学学院，兰州 730000
6.中国科学院大气物理研究所，北京 100029

出版日期:2014-03-15 发布日期:2015-05-12

Selection of the best segmentation scale in high-resolution image segmentation

LIU Zhaoyi1, LI Xinhui2, SHEN Runping2, ZHU Feng3, ZHANG Kai4, WANG Tian5, WANG Yuanyuan6

1.School of Atmospheric Physics, Nanjing University of Information Science and Technology, Nanjing 210044, China
2.School of Remote Sensing, Nanjing University of Information Science and Technology, Nanjing 210044, China
3.College of Global Change and Earth System Sciences, Beijing Normal University, Beijing 100875, China
4.Unit 94940 of PLA, China
5.School of Atmospheric Sciences, Lanzhou University, Lanzhou 730000, China
6.Institute of Atmospheric Physics, Chinese Academy of Sciences, Beijing 100029, China

Online:2014-03-15 Published:2015-05-12

摘要/Abstract

摘要： 面向对象的最优尺度选择是高分辨率遥感图像多尺度分割技术中的关键问题。最优分割尺度的确定直接影响到后续的图像信息提取与分析。在模型计算法的基础上，改进并实现了一种全局最优尺度计算模型。该最优尺度计算模型可以根据多波段信息自动选择最优尺度，从而避免了人目视的主观性。

关键词: 面向对象, 最优尺度选择, 模型计算

Abstract: The problem of best segmentation scale is a key point in multi-scale segmentation of high-resolution image segmentation. The confirmation of the best segmentation has a direct effect on the extraction and analysis of the information gathered from the image. This paper puts forward a best segmentation scale model in overall situation on the basis of model calculation. This model can calculate the best segmentation scale on the consideration of multi-band information, therefore, avoiding the potential subjectivity of human visual.

Key words: object-oriented, best segmentation scale, model calculation

刘兆祎1，李鑫慧2，沈润平2，朱枫3，张凯4，王恬5，王媛媛6. 高分辨率遥感图像分割的最优尺度选择[J]. 计算机工程与应用, 2014, 50(6): 144-147.

LIU Zhaoyi1, LI Xinhui2, SHEN Runping2, ZHU Feng3, ZHANG Kai4, WANG Tian5, WANG Yuanyuan6. Selection of the best segmentation scale in high-resolution image segmentation[J]. Computer Engineering and Applications, 2014, 50(6): 144-147.

[1]	折延宏，胡梦婷，贺晓丽，曾望林. 两种多粒度形式概念分析模型的比较研究[J]. 计算机工程与应用, 2020, 56(10): 51-55.
[2]	林卉1，于瑞鹏2，王李娟1，邵聪颖1. 基于特征向量的遥感影像自动分类研究[J]. 计算机工程与应用, 2017, 53(16): 177-181.
[3]	陈永平1，杨思春2，苏新1. 纵向合成背景的面向对象概念格属性约简[J]. 计算机工程与应用, 2016, 52(9): 140-145.
[4]	张静文，周杉. 面向对象技术实现活动网络图及关键路径算法[J]. 计算机工程与应用, 2016, 52(4): 234-237.
[5]	陈仁喜1，李鑫慧2，周绍光1. 面向对象的竞争合作学习遥感影像聚类算法[J]. 计算机工程与应用, 2016, 52(21): 8-13.
[6]	李小春，贾春阳，李卫华，全卫澎. 无监督特征优选高分辨率影像变化检测新方法[J]. 计算机工程与应用, 2016, 52(10): 196-200.
[7]	李敏1，2，黄强1，周凌1，倪少权1. 面向对象Petri网的成品油配送模型构建研究[J]. 计算机工程与应用, 2015, 51(20): 55-61.
[8]	刘保卫. 虚拟现实场景的建模特点及生成效果[J]. 计算机工程与应用, 2014, 50(5): 137-141.
[9]	耿宏，朱泳静. 基于面向对象八叉树的飞机虚拟维修场景渲染[J]. 计算机工程与应用, 2014, 50(5): 243-246.
[10]	陈永平1，杨思春2，苏新1. 基于并不可约元的面向对象概念格的属性约简[J]. 计算机工程与应用, 2014, 50(10): 131-135.
[11]	李宁，刘超，原子. 基于拉力算法的面向对象程序结构可视化研究[J]. 计算机工程与应用, 2013, 49(6): 80-85.
[12]	陈永平1，杨思春2. 面向对象概念格的压缩[J]. 计算机工程与应用, 2013, 49(19): 119-122.
[13]	李维，刘良明，杜娟. 针对FY2E影像的白天雾检测研究[J]. 计算机工程与应用, 2012, 48(8): 4-7.
[14]	李龙翔1，胡晓东2，沈占锋2，明冬萍1，2，宋卓沁1，2. 对象化过程中的快速标号算法研究[J]. 计算机工程与应用, 2012, 48(6): 193-195.
[15]	吴宁1，陈秋晓2. 面向影像分割的多尺度快速区域合并方法[J]. 计算机工程与应用, 2012, 48(6): 1-4.