高分辨率遥感影像分割：对象置信度引导的多尺度算法

"对象置信度指引下的高分辨率遥感影像分割.pdf" 本文主要探讨了在高分辨率遥感影像分割中的一个重要挑战，即如何减少分割结果与实际地理对象之间的差异。作者构建了一种新颖的对象置信度（OC）指标，用于评估任意区域与地理对象之间的匹配程度，以此为基础提出了一种面向地理对象的多尺度分割算法。 对象置信度（OC）指标是解决高分辨率遥感影像分割问题的关键。这个指标通过量化区域特征与实际地理对象特征的相似度，提供了一个有效的评估标准。在算法实现中，首先对遥感影像进行过分割，生成初始的种子区域集合，同时确定合适的尺度参数集合。过分割是为了确保在后续处理中能捕获到更精细的地理对象细节。 接下来，算法的核心在于对象置信度的尺度间变化跟踪。通过监测OC指标在不同尺度上的变化，算法指导多尺度区域的合并过程。这一过程旨在逐步优化区域边界，使得合并后的区域更加接近真实的地理对象。这种动态调整的策略有助于避免过分割（过度细分）和欠分割（未充分分割）的问题，从而提高分割的准确性。 实验结果证实了所提算法的有效性。在处理过分割和欠分割问题上，该算法表现突出，能准确识别出如建筑物、道路等复杂地理对象的完整轮廓。无论是定性分析还是定量精度评估，该算法都明显优于商业软件eCongnition和传统的多尺度分割方法。 此外，该研究受到了多项科研基金的支持，包括国家自然科学基金、江苏省自然科学基金、江苏省高校自然科学基金以及东南大学移动通信国家重点实验室开放研究基金。这表明了该研究在学术界和工业界的广泛认可。 总结起来，这篇论文提出的对象置信度指引的多尺度分割算法为高分辨率遥感影像处理提供了新的思路，对于提高遥感影像分析的准确性和可靠性具有重要意义，特别是在城市规划、环境监测、灾害评估等领域有着广泛的应用前景。