石 雪

桂林理工大學(xué)測繪地理信息學(xué)院，廣西 桂林 541004

高分辨率遙感影像具有同一目標(biāo)區(qū)域內(nèi)像素異質(zhì)性增強(qiáng)、不同目標(biāo)區(qū)域間像素同質(zhì)性增強(qiáng)等特征，這給其分割方法的設(shè)計帶來了困難和挑戰(zhàn)。在統(tǒng)計意義上，高分辨率遙感影像的特征使其各目標(biāo)區(qū)域內(nèi)像素光譜測度統(tǒng)計分布主要呈現(xiàn)出非對稱、重尾、尖峰和多峰等復(fù)雜統(tǒng)計特性，準(zhǔn)確建模高分辨率遙感影像內(nèi)像素光譜測度統(tǒng)計分布是獲得高質(zhì)量影像分割結(jié)果的有效途徑之一，而傳統(tǒng)混合模型難以滿足準(zhǔn)確建模像素光譜測度復(fù)雜統(tǒng)計分布的要求，如何準(zhǔn)確建模影像統(tǒng)計模型并提高影像分割精度成為高分辨率遙感影像分割方法設(shè)計的關(guān)鍵問題。為此，論文提出一種層次化混合模型用于建模復(fù)雜特性的統(tǒng)計分布，并依此設(shè)計基于層次化混合模型的高分辨率遙感影像分割方法。

(1) 提出一種具有層次性結(jié)構(gòu)的混合模型，稱為層次化混合模型，用于解決高分辨率遙感影像內(nèi)像素光譜測度復(fù)雜統(tǒng)計分布的建模問題。層次化混合模型定義為若干個組分概率分布加權(quán)和，用于建模整幅影像內(nèi)像素光譜測度統(tǒng)計分布；其組分定義為若干個分量概率分布加權(quán)和，用于建模影像各目標(biāo)區(qū)域內(nèi)像素光譜測度復(fù)雜統(tǒng)計分布；其分量由同一已知概率分布定義，用于建模目標(biāo)區(qū)域中子區(qū)域內(nèi)像素光譜測度的統(tǒng)計分布。綜上，層次化混合模型包含兩層結(jié)構(gòu)，其中組分構(gòu)成了模型的第一層結(jié)構(gòu)，分量構(gòu)成了模型的第二層結(jié)構(gòu)。層次化混合模型通過準(zhǔn)確建模像素光譜測度的統(tǒng)計分布，可有效地利用影像內(nèi)光譜信息，進(jìn)而提高影像分割結(jié)果的質(zhì)量。

(2) 依據(jù)層次化混合模型的建模能力，提出基于層次化混合模型的高分辨率遙感影像分割方法。采用層次化混合模型建模高分辨率遙感影像的統(tǒng)計模型，其中針對全色遙感影像的統(tǒng)計特性，采用高斯分布作為層次化混合模型分量；針對多光譜遙感影像的統(tǒng)計特性，采用多元高斯分布作為層次化混合模型分量；針對合成孔徑雷達(dá)影像的統(tǒng)計特性，采用伽馬分布作為層次化混合模型分量。采用高斯-馬爾可夫隨機(jī)場模型建模組分權(quán)重先驗(yàn)分布以有效地利用影像內(nèi)像素空間位置信息。根據(jù)貝葉斯定理，構(gòu)建模型參數(shù)的后驗(yàn)分布作為影像分割模型，并設(shè)計期望最大化/馬爾可夫鏈蒙特卡洛(Expectation Maximization/Markov Chain Monte Carlo,EM/MCMC)方法求解分割模型以獲得最優(yōu)模型參數(shù)，通過最大化后驗(yàn)概率實(shí)現(xiàn)影像分割。

(3) 為了驗(yàn)證提出分割方法的有效性，采用提出方法和基于統(tǒng)計模型的對比方法對高分辨率全色、多光譜和合成孔徑雷達(dá)影像進(jìn)行分割試驗(yàn)，并定性和定量地分析試驗(yàn)結(jié)果。試驗(yàn)結(jié)果表明提出方法具有準(zhǔn)確建模高分辨率遙感影像內(nèi)像素光譜測度的非對稱、重尾、尖峰或平坦峰和雙峰等復(fù)雜統(tǒng)計分布的能力，且可實(shí)現(xiàn)高精度和高效率的高分辨率遙感影像分割。