張世富

(菏澤學院資源與環(huán)境系，山東菏澤274000)

矢量-柵格疊置分析的影像分割精度評價方法

張世富

(菏澤學院資源與環(huán)境系，山東菏澤274000)

影像分割是面向?qū)ο笥跋穹治龉ぷ髁鞒痰牡谝粋€環(huán)節(jié)，影像的分割精度對影像分類以及分類結(jié)果的精度有決定性的影響.使用基于矢量-柵格疊置分析的分割精度評價方法，可以有效避免兩者因數(shù)據(jù)源的不同而引起的面積計算誤差.使用該方法與傳統(tǒng)方法分別對分割質(zhì)量指數(shù)QR、過分割指數(shù)OR、欠分割指數(shù)UR與綜合測量指數(shù)ED 4個評價指標進行計算并對比，表明該方法能更準確地計算分割數(shù)據(jù)與參考數(shù)據(jù)的面積差異，提高各評價指標的計算精度，從而可以更準確地對分割精度進行評價.

影像分割;精度評價;空間疊置

近年來，基于對象影像分析(OBIA)已經(jīng)發(fā)展成為遙感影像處理領(lǐng)域中的一個新范式.基于對象影像分析工作流程的第一個環(huán)節(jié)就是影像分割.在影像分割過程中，影像被分割成一系列內(nèi)部均質(zhì)、鄰域異質(zhì)的空間單元，這些空間單元被稱之為影像對象［1］.基于對象的影像分析處理單元不再是單個的像元，而是通過影像分割產(chǎn)生的影像對象.因此，影像的分割精度直接關(guān)系到后續(xù)信息提取的精度［2］.

理論上并不存在最優(yōu)的影像分割方法，目前雖已提出了上千種算法［3］，但由于尚沒有通用的分割理論，對分割技術(shù)的評價研究仍很缺乏.對圖像分割評價的目的是為了更好地指導(dǎo)、改進和提高圖像分割算法的性能，因而對其進行研究有著十分重要的意義［4-5］.

目前，對于分割結(jié)果的評價，主要有3種思路［5］:(1)對分割算法評價的分析法;(2)對分割結(jié)果進行評價選擇最優(yōu)分割結(jié)果的優(yōu)度實驗方法; (3)與已知參考結(jié)果進行比較的差異性分析的方法.前2種思路屬于非監(jiān)督的方法，對分割算法評價［6］的分析方法趨向于理論上的評價，最優(yōu)分割結(jié)果與實際應(yīng)用可能會有所偏差;對分割結(jié)果進行評價的優(yōu)度實驗法［7-9］需要對分割結(jié)果進行窮舉選擇，而且參數(shù)計算相對較為復(fù)雜;與已知參考結(jié)果進行比較的差異性分析法是一種監(jiān)督的分割精度評價方法，具有很好的可行性，不僅與分割算法的內(nèi)部結(jié)構(gòu)特征無關(guān)，而且具有客觀性，因此有普遍適用性.差異性分析法是將分割結(jié)果與已有參考數(shù)據(jù)進行對比分析比較兩者之間的差異，主要度量方法有基于區(qū)域范圍度量、基于邊界位置度量與混合度量［10］.其中差異性分析方法中基于范圍的度量比較常用，也較符合我們的實際應(yīng)用.

在基于區(qū)域范圍的度量中最重要的是獲取其準確的范圍差異(面積差異)，然后通過面積差異計算評價指標對分割精度進行評價.本文介紹基于矢量-柵格疊置分析的方法對影像分割結(jié)果與參考數(shù)據(jù)進行矢量疊置選擇與柵格疊置運算，獲取其在范圍上的更準確的面積差異，從而對分割精度進行更精確的評價.

1 基于矢量-柵格疊置分析的分割精度評價方法

基于面積差異的分割精度評價方法是一種監(jiān)督的評價方法.在評價過程中需要有一組經(jīng)驗數(shù)據(jù)作為參考(參考數(shù)據(jù))，然后將影像分割產(chǎn)生的矢量多邊形文件(分割對象)與參考數(shù)據(jù)進行空間對比分析.往往分割多邊形數(shù)據(jù)與參考數(shù)據(jù)并不完全重疊，所以參考數(shù)據(jù)多邊形與分割對象多邊形進行對比分析后會產(chǎn)生3種情況(如圖1):重疊部分(Overlapped)，參考數(shù)據(jù)與分割對象相吻合的部分;過分割部分(Over-segmentation)，應(yīng)該被分割為該對象卻被錯誤分割為其他對象的部分，即參考對象具有而分割對象不具有的部分;欠分割部分(Under-segmentation)，應(yīng)該被分割為其他對象卻被錯誤分割為該對象的部分，即參考對象不具有而分割對象具有的部分［11-13］.

圖1 參考數(shù)據(jù)與分割對象的對應(yīng)關(guān)系Fig.1 The corresponding relations of the reference data and segmentation data

圖2 矢量-柵格疊置分析的分割精度評價流程Fig.2 Flow chart of segmentation accuracy assessment method based on vector-raster overlay analysis

所謂面積差異即上面提到的過分割部分與欠分割部分.首先我們要計算重疊部分、過分割部分以及欠分割部分的面積，然后根據(jù)這三部分面積計算各種評價指標對影像分割精度進行評價，重疊部分面積、過分割面積與欠分割面積計算的準確程度直接影響到評價指標的計算結(jié)果以及影像分割精度評價的精度，所以如何精確地計算重疊部分面積、過分割面積與欠分割面積是基于面積差異影像分割精度評價最基本的環(huán)節(jié)也是最重要的環(huán)節(jié)之一.

1.1 方法綜述

分割數(shù)據(jù)即影像經(jīng)過分割算法分割成一系列內(nèi)部均質(zhì)、鄰域異質(zhì)的空間單元，這些空間單元根據(jù)分割參數(shù)的不同設(shè)定最小為可為單個像元，最大可包括整景影像.最理想情況是影像中特定地物類型能用一個或幾個對象來表達，對象大小與地物目標大小接近，對象多邊形即不能太破碎，也不能邊界模糊，且地物類別內(nèi)部對象的光譜變異較小.分割數(shù)據(jù)的邊界由以上所述空間單元內(nèi)的像元邊界合并得到，多成鋸齒狀.

參考數(shù)據(jù)可理解為真實地物的邊界，即在人類認知中為基本的、不可分割地理單元，并且可以很容易從周圍環(huán)境中區(qū)分出來.參考數(shù)據(jù)可以通過實地考察獲取，也可以由分類結(jié)果以及從高分辨率影像中數(shù)字化得到.

由于分割數(shù)據(jù)邊界由像元合并而成，多為鋸齒狀;而參考數(shù)據(jù)邊界多由人工采集(實地采集，手動數(shù)字化)得到，邊界較為平滑.所以在對參考數(shù)據(jù)與分割對象多邊形進行疊置分析時，即使兩者邊界相同也會由于邊界不能完全吻合而產(chǎn)生面積計算上的偏差.所以為得到更準確的過分割與欠分割面積需要對分割數(shù)據(jù)與參考數(shù)據(jù)的分辨率進行統(tǒng)一.

基于矢量-柵格疊置的分割精度評價方法使用2次空間疊置分析來計算過分割、欠分割以及重疊部分面積.首先使用矢量疊置分析選擇與參考數(shù)據(jù)相匹配的分割多邊形;然后進行矢量柵格轉(zhuǎn)化，以界定的區(qū)域?qū)⒖紨?shù)據(jù)與分割數(shù)據(jù)轉(zhuǎn)化為與分割影像分辨率相同的柵格文件，達到統(tǒng)一分辨率的目的;最后進行柵格疊置分析，計算過分割、欠分割以及重疊部分面積.具體實現(xiàn)過程如圖2所示.

1.2 矢量疊置分析

由于分割數(shù)據(jù)由整景影像分割而成，而參考數(shù)據(jù)為影像中的典型地物或典型區(qū)域，所以首先要選取與參考數(shù)據(jù)相匹配的分割多邊形(即參考數(shù)據(jù)中地理單元所對應(yīng)的分割對象的集合)，采用面積比值法選取匹配多邊形，即與參考數(shù)據(jù)重疊部分面積大于自身面積50%或大于參考多邊形面積50%的分割對象多邊定義為匹配多邊形.在選擇過程中要分別計算其面積，為減少不必要的計算，首先選擇與參考多邊形具有相交關(guān)系的分割多邊形，再使用面積比值進行二次選擇.

1.3 矢量轉(zhuǎn)柵格

由于分割多邊形邊界由同質(zhì)像元合并而來，邊界為像元邊界的合并，多為鋸齒狀，而參考多邊形由人工采集得到，邊界較為平滑，為避免由于邊界誤差引起的面積差異而導(dǎo)致所計算出的評價指標產(chǎn)生偏差，需要對分割數(shù)據(jù)域參考數(shù)據(jù)進行統(tǒng)一分辨率，方法中將矢量文件轉(zhuǎn)換為與分割影像像元分辨率相同的柵格文件，再進行柵格疊置分析可以得到準確的面積參數(shù).在矢量轉(zhuǎn)柵格過程用要確定柵格圖層的范圍，否則轉(zhuǎn)換得到的柵格圖層會沒有邊界，通常使用分割前影像的邊界作為柵格圖層的范圍，我們稱之為研究區(qū)范圍.

在矢量轉(zhuǎn)柵格前我們先定義一個“value”屬性字段，將參考數(shù)據(jù)多邊形的“value”屬性字段賦值為1，將分割對象多邊形的“value”屬性字段賦值為2，并以“研究區(qū)范圍”作為邊界對矢量圖層進行更新運算確定圖層邊界，經(jīng)過矢量轉(zhuǎn)柵格后柵格圖層范圍與研究區(qū)范圍一致.

然后對矢量文件進行矢量轉(zhuǎn)柵格運算(二值化運算).將柵格大小設(shè)置為與分割影像像元大小相同，在矢量轉(zhuǎn)柵格過程中計算每個柵格的中心，如果該柵格的中心落在多邊形范圍內(nèi)則將柵格的屬性賦值為已定義的“value”字段的屬性，如果柵格的中心沒有落在多邊形范圍內(nèi)則將柵格屬性賦值為0.這樣在以研究區(qū)范圍為邊界的柵格文件中由多邊形轉(zhuǎn)換產(chǎn)生的柵格屬性為開始所賦的“value”值，其余柵格屬性為0，便于柵格疊置分析.

1.4 柵格疊置分析

最終需要從空間分析結(jié)果中得到3個參數(shù)來計算評價指標，即重疊面積、過分割面積(參考多邊形面積與相交面積之差)、欠分割面積(分割多邊形面積與相交面積之差)［11］，通過前文所賦“value”值進行疊加運算就可將三部分面積區(qū)別開來.

將匹配多邊形轉(zhuǎn)換為的柵格圖層與參考數(shù)據(jù)多邊形轉(zhuǎn)換為得到的柵格圖層進行疊加運算得到柵格疊置結(jié)果，經(jīng)過柵格疊加運算后，重疊部分對應(yīng)的柵格屬性為參考對象多邊形與分割對象多邊形屬性之和，即為3;過分割部分柵格屬性為1、欠分割部分柵格屬性為2.可以根據(jù)柵格的屬性值提取相應(yīng)的柵格數(shù)量，然后分別計算三部分面積.

1.5 空間數(shù)據(jù)屬性讀取與統(tǒng)計分析

空間分析結(jié)束后，需要讀取分析結(jié)果屬性表中的面積參數(shù)以計算評價指標.由柵格疊置分析可知在柵格疊置結(jié)果中“value”值為1的像元個數(shù)為過分割部分的面積、“value”值為2的像元個數(shù)為欠分割部分的面積、“value”值為3的像元個數(shù)為重疊部分的面積，分別讀取各部分的像元個數(shù)后根據(jù)矢量轉(zhuǎn)柵格時設(shè)定的像元分辨率可以得到各部分準確的面積并計算遙感影像分割精度評價指標.

目前主要的遙感影像分割精度評價指標有［11］:分割質(zhì)量指數(shù)(QR，Quality of Segmentation Rate)、過分割指數(shù)(OR，Over Segmentation Rate)、欠分割指數(shù)(UR，Under Segmentation Rate)以及綜合測量指數(shù)(ED，Euclid Distance).

ri為參考數(shù)據(jù)多邊形，i=1，2，3，…，m;sj為分割對象多邊形，j=1，2，3，…，n;o-s為過分割部分;u-s為欠分割部分;c-s為重疊部分.

通過以上參數(shù)可以對影像的分割精度進行評價，并確定最優(yōu)分割結(jié)果，對影像進行后續(xù)分析.

2 案例分析

文中采用矢量-柵格疊置分析方法與傳統(tǒng)的直接進行對比方法對同一組分割數(shù)據(jù)計算評價指標并進行比較，驗證哪種方法得到的結(jié)果精度更高.

案例中研究區(qū)為寧夏回族自治區(qū)中衛(wèi)市的Landsat5 TM影像742假彩色合成(圖3)，拍攝日期為2009年8月6日.使用德國Definiens Imaging公司開發(fā)的智能化影像分析軟件eCognition對影像進行分割，分割尺度為15，形狀因子與緊湊度因子均為0.1～0.9，共產(chǎn)生81組分割結(jié)果.參考數(shù)據(jù)為從同區(qū)域QuickBird影像中手工數(shù)字化該地區(qū)的一類主要地物—耕地，參考數(shù)據(jù)含有30個樣本，為得到準確的評價結(jié)果，樣本中盡量包含耕地中不同種植類型、不同面積的地塊.

圖3 研究區(qū)域位置示意圖Fig.3 Schematic diagram of the study area location

圖4展示一組典型的分割數(shù)據(jù)與參考數(shù)據(jù)的對比，黑色實線為影像分割為參考數(shù)據(jù)，由從同年份的QiuckBird影像中手動數(shù)字化得到(圖5)，白色實線為影像的分割數(shù)據(jù)中與參考數(shù)據(jù)相匹配的多邊形.由于參考數(shù)據(jù)與分割數(shù)據(jù)數(shù)據(jù)源的分辨率不同，會導(dǎo)致數(shù)據(jù)的邊界不吻合，導(dǎo)致所計算的面積差異存在誤差.圖6為使用傳統(tǒng)的方法直接將參考數(shù)據(jù)與分割數(shù)據(jù)進行疊加所得結(jié)果，圖7為使用矢量-柵格疊置分析的方法對數(shù)據(jù)進行處理所得結(jié)果，對比可見區(qū)域左側(cè)由于邊界不吻合而造成的面積差異得到很好的修正，其他區(qū)域也得到了改善.對該分割對象進行統(tǒng)計分析如表1所示，雖然使用矢量-柵格疊置分析方法所得結(jié)果的過分割面積有所增加，但欠分割面積與重疊面積以及QR、OR都得到了很大的改善，綜合評價指標ED也表明使用矢量柵格疊置分析方法可以使分割數(shù)據(jù)域參考數(shù)據(jù)有更高的吻合度，有效避免因邊界不吻合而產(chǎn)生的差異面積計算偏差.以上僅對單個對象進行分析，本文下面對81組分割數(shù)據(jù)使用30組參考數(shù)據(jù)分別計算上述4個評價指標并進行對比分析.

圖4 分割數(shù)據(jù)Fig.4 Segmentation data

圖5 參考數(shù)據(jù)Fig.5 Reference data

圖6 傳統(tǒng)疊置方法Fig.6 The results of the traditional overlay method

圖7 基于矢量-柵格疊置方法Fig.7 The results based on vector-raster overlay analysis

表1 示例對象分析統(tǒng)計表Tab.1 Analysis and statistics of the sample objects

最后，分別使用傳統(tǒng)的疊置分析方法與基于矢量-柵格疊置分析的分割精度評價方法對分割數(shù)據(jù)與參考數(shù)據(jù)進行各種評價指標的計算，分別得到QR、OR、UR以及ED 4個評價指標，并對他們分別進行比較，為便于顯示2種情況下的差異，對其進行差值運算，統(tǒng)一將傳統(tǒng)的分割數(shù)據(jù)與參考數(shù)據(jù)直接進行對比計算的方法所得評價指標與基于矢量-柵格疊置分析的分割精度評價方法計算所得評價指標相減得到D-OR、D-QR、D-UR與D-ED，然后進行比較，結(jié)果如圖8所示.

圖8 2種方法計算所得評價指標比較Fig.8 Comparison between evaluation index calculated from two methods

由圖8可知，2種計算方法對同一評價指標的計算結(jié)果做差值運算后，參與評價的81組分割結(jié)果中D-OR、D-QR與D-ED均小于零，D-UR均大于零.D-OR與D-QR小于零表明使用后一種方法比前一種方法得到的結(jié)果過分割面積與欠分割面積都有所減少;D-UR大于零表明使用后一種方法比前一種方法得到的結(jié)果重疊部分面積有所增加;D-ED小于零表明使用后一種方法進行評價分割結(jié)果與參考數(shù)據(jù)的吻合度更高.

綜上所述，使用基于矢量-柵格疊置分析方法可以有效地避免因邊界誤差引起的面積計算偏差，提高了分割結(jié)果與參考數(shù)據(jù)的吻合度，可以更精確地計算過分割、欠分割以及重疊面積，從而可以提高評價精度.

3 結(jié)論與展望

本文使用矢量-柵格疊置分析建模的方法對基于對象的影像分割精度評價中重疊面積、過分割面積以及欠分割面積進行了準確的計算，克服了單純使用矢量疊置分析計算時由于邊界不吻合而造成的面積計算偏差，提高了分割精度評價的準確性.本文在矢量轉(zhuǎn)柵格進行上個屬性賦值時采用的方法是柵格中心定位，個別情況下可能與實際有些偏差，以后可以對此進行進一步研究，采用更合理的方式對柵格進行屬性賦值，提高精度評價的準確度.

當然過分割以及欠分割面積的計算只是分割精度評價中一個環(huán)節(jié)，評價指標的選取對分割精度評價的準確性也有著重要的影響.在影像分割精度評價過程中既要準確地計算重疊面積、過分割面積以及欠分割面積，并且要選取合適、可靠的精度評價指標才能對其進行準確的評價.

［1］Benz U，Hofmann P，Willhauck G，et al.Multi-resolution，object-oriented fuzzy analysis of remote sensing data for GIS-ready information［J］.ISPRS Journal of Photogrammetry and Remote Sensing，2004，58(3-4):239-258.

［2］Pal N R，Pal S K.A review on image segmentation techniques［J］.Pattern Recognition，1993，26(9):1272-1294.

［3］陳忠.高分辨率遙感圖像分類技術(shù)研究［D］.北京:中國科學院遙感應(yīng)用研究所，2006.

［4］明冬萍，駱劍承，周成虎，等.高分辨率遙感影像特征分割及算法評價分析［J］.地球信息科學，2006，8(1):103-109.

［5］章毓晉.圖像工程(中冊):圖像分析［M］.2版.北京:清華大學出版社，2006.

［6］章毓晉.圖像分割評價技術(shù)分類和比較［J］.中國圖像圖形學報，1996，1(2):151-158.

［7］黃銳，桑農(nóng)，羅大鵬，等.融合感知一致程度的圖像分割評價方法［J］.華中科技大學學報:自然科學版，2010，38 (10):52-56.

［8］陳春雷，武剛.面向?qū)ο蟮倪b感影像最優(yōu)分割尺度評價［J］.遙感技術(shù)與應(yīng)用，2011，26(1):96-102.

［9］何敏，張文君，王衛(wèi)紅.面向?qū)ο蟮淖顑?yōu)分割尺度計算模型［J］.大地測量與地球動力學，2009，29(1):106-109.

［10］Zhang Yujin.A survey on evaluation methods for image segmentation［J］.Pattern Recognition，1996，29(8):1335-1346.

［11］Nichols C，Ashley H，James S，et al.Accuracy assessment measures for object-based image segmentation goodness［J］.Photogrammetric Engineering＆Remote Sensing，2010，76 (3):289-299.

［12］Liu Yong，Bian Ling，Meng Yuhong，et al.Discrepancy measures for selecting optimal combination of parameter values in object-based image analysis［J］.ISPRS Journal of Photogrammetry and Remote Sensing，2012，68:144-156.

［13］張世富.寧夏中衛(wèi)黃灌區(qū)耕地時空變化及其環(huán)境經(jīng)濟效應(yīng)研究［D］.蘭州:蘭州大學，2012.

Method of Segmentation Accuracy Assessment Based on Vector-raster Overlay Analysis

ZHANG Shi-fu
(Resources and Environment Department，Heze University，Heze 274000，China)

Image segmentation is the first step in object-based image analysis，the accuracy of image segmentation has decisive affects on the result of subsequent classification.There is a new method of segmentation accuracy assessment based on vector-raster overlay analysis，it can avoid the errors in area calculation caused by different data sources.Four evaluation index，such as Quality Rate(QR)，Over Segmentation Rate(OR)，Under Segmentation Rate(UR)，and Euclid Distance(ED)，are calculated by the present method and traditional method.Comparison between the index obtained from the two method shows that，the present method can improve the accuracy of the evaluation by calculate the area discrepancy more accurately between segmentation data and reference data.

image segmentation;accuracy assessment;overlay analysis

TP79

A

(責任編輯 蘇曉東)

1004-8820(2015)02-0119-06

10.13951/j.cnki.37-1213/n.2015.02.008

2014-07-02

張世富(1986-)，男，山東沂水人，碩士，主要研究方向為3S應(yīng)用及城鄉(xiāng)規(guī)劃.