土地利用现状图斑约束下的并行图像分割

引用本文

袁媛, 刘顺喜, 陈静波, 王忠武, 刘晓奕, 武斌. 土地利用现状图斑约束下的并行图像分割[J]. 国土资源遥感, 2013,25(4): 160-165
YUAN Yuan, LIU Shunxi, CHEN Jingbo, WANG Zhongwu, LIU Xiaoyi, WU Bin. Parallel image segmentation technique controlled by land use patch[J]. REMOTE SENSING FOR LAND & RESOURCES,2013,25(4): 160-165 复制到剪切板

Permissions

《国土资源遥感》编辑部

土地利用现状图斑约束下的并行图像分割

袁媛¹, 刘顺喜², 陈静波¹, 王忠武², 刘晓奕¹, 武斌¹

1.中国科学院遥感与数字地球研究所,北京 100101

2. 中国土地勘测规划院,北京 100035

第一作者简介: 袁媛(1988 - ),女,硕士研究生,主要研究遥感图像处理与应用技术。E-mail:yy_nju@163.com。

收稿日期: 2012-12-10

基金: 高分信息产品“生产线”系统先期攻关项目(编号: E0104/1112)和国土资源高分应用示范系统先期攻关项目(编号: E0202/1112)共同资助

摘要

针对土地利用动态遥感监测中存在的图斑边界提取问题,探索了将前时相的地类图斑的边界和土地利用类别作为先验知识约束分割过程的方法。该方法利用图斑的边界约束分割的空间范围,利用图斑的土地利用类别动态确定分割参数,是一种图斑边界控制的多参数分割方法。在此基础上利用多点接口(message passing interface,MPI)并行分割策略加速分割处理流程,有效提高了分割速度。实验结果表明,该技术能够获得更高的分割精度,为后续的土地利用现状信息提取和土地利用变化检测奠定良好的基础。

关键词: 土地利用动态遥感监测; 均值漂移; MPI; 分割参数

中图分类号:TP75 文献标志码:A 文章编号:1001-070X(2013)04-0160-06 doi: 10.6046/gtzyyg.2013.04.26

Parallel image segmentation technique controlled by land use patch

YUAN Yuan¹, LIU Shunxi², CHEN Jingbo¹, WANG Zhongwu², LIU Xiaoyi¹, WU Bin¹

1.Institute of Remote Sensing Applications, Chinese Academy of Sciences, Beijing 100101, China

2.China Land Surveying and Planning Institute, Beijing 100035, China

Abstract

To overcome the block boundary extraction problem in remote sensing dynamic monitoring of land use, the authors have designed a land use patch boundary controlled mean shift segmentation algorithm making full use of the former land use vector data. This method uses the spatial extent of the patch polygons as the segmentation boundary constraint and selects the optimal segmentation parameter dynamically according to the land use type of the patch, thus being a multi-parameter segmentation method. The segmentation processing is also accelerated using MPI platform, which improves the running speed effectively. The experimental result shows that this method is capable of obtaining higher accuracy and can provide a good foundation for the subsequent land use information extraction as well as land use change detection.

Keyword: remote sensing dynamic monitoring of land use; mean shift; MPI; segmentation parameters

Show Figures

0 引言

随着土地利用动态遥感监测技术和方法的日臻成熟, 其应用成效也日渐彰显, 国土资源管理对其需求也日益扩大, 多源、多时相、多种分辨率的遥感监测成果越来越广泛应用于国土资源管理的各个领域。土地利用动态遥感监测的关键在于准确高效地提取土地利用变化信息。目前, 在土地利用与覆盖变化分类研究中, 绝大多数方法是单纯基于图像的光谱信息统计模式^[1], 会受到不同的分辨率、天气及下垫面情况、土地利用特征等多重因素的制约, 对提取精度产生一定影响。同时, 由于实际应用中多采用目视解译或像素级变化检测的方法确定变化区域, 而土地利用变化信息提取的最终结果是图斑, 因此边界模糊图斑的正确提取和边界线准确勾绘也对操作人员的技术水平提出了较高的要求^[2]。

面向对象遥感图像分析方法是针对高分辨率图像应用而兴起的一种新的遥感图像处理技术, 是遥感图像分类和专题信息提取研究热点。面向对象的变化检测的方法首先对各时期图像采用面向对象分类方法进行独立分类, 然后再根据分类结果进行变化检测。与其他传统的分类方法相比, 面向对象的变化检测的方法将遥感图像看作由若干个具有同质特征的像素群组成, 因而不仅可以利用地物本身的光谱信息, 还可以充分利用地物的空间信息、纹理信息和上下文信息, 提高信息提取的准确性和可靠性, 相比像素级变化检测方法具有精度更高、检测结果易于解释等优点^[3], 已被许多学者证明具有较好的应用前景^{[4, 5, 6]}。面向对象变化检测的第一步是图像分割, 目前应用较多的算法包括面向对象多尺度分割算法、分水岭算法及均值漂移(mean shift)算法等^[7]。面向对象多尺度分割算法^[8]是eCognition软件的内嵌算法, 其算法细节没有公开, 因此无法大范围推广应用。Zhang等提出了一种基于分水岭变换的多光谱图像分割算法, 结合了像素的空间信息和光谱信息, 但需要对分水岭变换造成的过分割现象进行后处理^[9]。Zhang等提出了一种基于均值漂移算法的面向对象变化检测方法, 实验证明该方法可以获得较高的检测率, 有较好的可操作性^[10]。

由于土地利用动态监测的实施单位通常有前一时相的土地利用现状的矢量数据(即基期土地利用现状图)^[11], 在此数据背景下, 本文将现势的遥感图像和土地利用现状图结合, 设计了一种图斑边界控制的均值漂移分割算法, 可以根据图斑的土地利用类别选择不同的分割参数, 并利用多点接口(message passing interface, MPI)对分割过程进行并行加速, 提高了算法的执行效率。

1 均值漂移分割算法

1.1 均值漂移算法原理

均值漂移算法是一种不需要知道聚类个数等先验知识的非参数聚类技术, 它来源于模式识别中的一种常用的概率密度估计方法— — 核密度估计 ^[12]。该算法实际是一个迭代的过程: 先算出当前点的偏移均值, 移动该点到其偏移均值, 然后以此为新的起始点继续移动, 直到满足一定的条件结束。

给定d维欧几里得空间R^d中的n个任意样本点{x_i, i=1, …, n}, 在x点的概率密度函数f(x)的核密度估计公式为

$\begin{matrix} {\hat{f}}_{h, k} \end{matrix}$ (x)= $\begin{matrix} \frac{c_{k, d}}{n h^{d}} \end{matrix} \begin{matrix} \overset{n}{\sum_{i = 1}} \end{matrix}$ k $\begin{matrix} (|| \frac{x - x_{i}}{h} ||^{2}) \end{matrix}$ 。 (1)

式中: k(‖ x‖ ²)为核函数的剖面函数; c_k_,_d为常系数; h为带宽。

为找到概率密度最大点, 对式(1)求导, 得到

(2)

上式第二个方括号内的部分就是Mean Shift向量, 即

m_{h, g}(x)= $\begin{matrix} \frac{\overset{n}{\sum_{i = 1}} x_{i} k (|| \frac{x - x_{i}}{h} ||^{2})}{\overset{n}{\sum_{i = 1}} k (|| \frac{x - x_{i}}{h} ||^{2})} \end{matrix}$ -x; (3)

Mean Shift向量指向概率密度的最大增量方向, 当其值为0时, 概率密度达到最大值, 在实际应用中采用以下迭代公式计算, 即

y_j+₁= $\begin{matrix} \frac{\overset{n}{\sum_{i = 1}} x_{i} k (|| \frac{y_{j} - x_{i}}{h} ||^{2})}{\overset{n}{\sum_{i = 1}} k (|| \frac{y_{j} - x_{i}}{h} ||^{2})} \end{matrix}$ , j=1, 2, …, (4)

式中, y_i的初值为x, y_j+₁是第j次迭代得到的特征。可以证明, 序列y_j能够收敛到y', 则y'点为x对应的模式。

1.2 均值漂移影像分割算法

均值漂移分割算法中, 定义了一个p+2维的像素点特征空间(x^s, s^r), 其中x^s表示像素点的2维图像坐标, S^r表示该网格点的p维光谱向量。考虑到空间特征和光谱特征的不同量纲, 定义了如下乘积形式的核函数^[12]

$\begin{matrix} K_{h_{s}, h_{r}} \end{matrix}$ (x)= $\begin{matrix} \frac{C}{h_{s}^{2} {h^{p}}_{r}} \end{matrix}$ k $\begin{matrix} (|| \frac{x^{s}}{h_{s}} ||^{2}) \end{matrix}$ k $\begin{matrix} (|| \frac{x^{r}}{h_{r}} ||^{2}) \end{matrix}$ (5)

其中, h_s和h_r分别是空域和光谱域的带宽; C为归一化常数; k为2个域中使用的共同的配置文件。算法还可设置最小分割块大小t, 用于小区域合并。用户可以设置参数h=(h_s, h_r, t)来控制分割的尺度。

2 图斑边界控制的并行分割

2.1 图斑边界控制的分割

即使在参数设置合适的情况下, 全自动的分割算法也会产生诸如分割过碎、分割完整地物不理想等结果。考虑到当后时相的遥感图像与基期土地利用现状图相比变化较小时, 地类图斑的边界不会切割完整地物, 且已经通过预处理, 所以大小合适。如果让分割在图斑边界内部进行, 自然可以解决分割过碎和分割完整地物的缺陷。

图斑边界控制分割的原理是指在遥感图像与地类图斑配准叠合的基础上, 将每个图斑对图像进行掩模运算, 提取出对应位置的图像, 然后在其内部执行均值漂移分割, 将所有子图像的分割结果合并获得后时相图像的总分割结果。

2.2 图斑属性对分割的约束

由于土地利用现状图已经记录了每个图斑的土地利用类别, 可假设在每个图斑内前、后时相遥感图像的土地利用状况未发生显著改变, 对每种土地利用类别的图斑分别设置对应的分割参数。因而, 本方法是一种多参数的分割方法。

对不同类型的地理实体采用不同的分割参数可以避免因采用同一参数而导致的尺度过小, 使得地物分割过碎或尺寸过大出现地类混分的现象。对同一种地类采用适合该地类的分割参数可以确保在这种尺度下分割得到的多边形能够保留感兴趣地物的真实边界, 防止同一地物被分割为许多部分。分割处理以图斑为单位执行, 处理流程如图1所示。

	Figure Option View Download New Window
	图1 技术流程图Fig.1 Technical flow chart

2.3 分割算法的并行策略

目前, 在我国土地利用调查的技术规程中, 明确规定把高分辨率遥感数据作为基础数据源, 以提高调查的效率与精度^[7]。在实际生产管理中, 由于数据量较大及算法的精度与速度方面的适用性问题, 限制了计算机自动提取的应用。针对这些问题, 本文设计了基于MPI的图斑边界控制并行处理流程, 以提高分割效率。

由于图斑之间无重叠区, 每个图斑掩模得到的子图像可以独立分割, 不存在图像分块分割算法中合并分割结果时产生的“ 缝合线” 问题^[7]。因此本文采用粗粒度并行策略, 基于MPICH2平台和单机双核实现了以下处理流程: 首先, 读入预处理后的图像和土地利用现状图矢量文件, 按照图斑编号的奇偶性将矢量数据分为两部分, 分别进入进程0和进程1中处理; 每读入一个图斑矢量, 便执行图斑边界控制的均值漂移分割, 将结果存入输出数组中; 然后, 利用MPI的点对点通信函数, 以进程0作为主进程, 接收进程1的输出数据并在主进程中将两部分的分割结果合并及矢量化, 得到最终的分割结果。

3 方法实验

本文选取的图像为2007年10月16日北京市昌平区SPOT5正射融合图像, 基期土地利用现状数据为2007年昌平区土地利用现状图, 图斑的土地利用类别为: 耕地、非耕农用地、建设用地、未利用地4种。

图像分割的要求是能够分割出单幢建筑物。由于耕地和非耕农用地区域在图像上的光谱方差较小、质地均一且面积一般较大, 因而选取的空域和光谱带宽较大, 分割尺度大, 避免产生过多的伪边界; 建设用地区域地物类型复杂, 方差较大, 因而选取较小的空域、光谱带宽, 分割尺度小, 尽可能地保留了较多建筑物的细节信息。另外, 由于该实验数据为分辨率2.5 m的SPOT5图像, 而土地利用动态遥感监测要求的最小可监测图斑约为2亩¹(1亩=666.7 m²)(1 333.4 m²), 因此设置耕地和非耕农用地最小分割对象面积为200个像元, 以够满足最小分割对象不小于2亩, 为后续准确监测新增建设用地图斑做好数据准备。

基于上述分析结果, 通过反复试验对比, 确定了4种地类的适宜分割参数, 如表1所示。

表1 各类土地利用类别的最优分割参数 Tab.1 Optimal segmentation parameters for several land use types

在硬件配置为Intel Pentium 4, 2.93 Hz, 内存2 G, 运行环境为单机双核的计算机上处理整景图像, 串行图斑边界控制的多参数分割耗时为4 986 s, 利用MPI加速后耗时为2 875 s, 分割时间缩短了约42%。

4 实验评价

为了说明图斑边界控制的多参数分割较无边界控制的统一参数分割的优越性, 将实验影像用统一参数(8, 6, 50)直接进行均值漂移分割, 不采用图斑边界控制, 并将得到的实验结果与多参数边界控制分割的结果进行对比, 如图2— 图4所示。

	Figure Option View Download New Window
	图2 建设用地分割结果Fig.2 Segmentation results of construction land

	Figure Option View Download New Window
	图3 耕地分割结果Fig.3 Segmentation results of cultivated land

	Figure Option View Download New Window
	图4 非耕农用地分割结果Fig.4 Segmentation results of non-cultivated land

4.1 定性评价

在图斑边界的控制下, 分割得到的对象边界与基期土地利用数据中图斑边界严格吻合, 因而不会得到跨图斑的分割结果; 而在无边界控制下, 分割得到的对象边界与原始图斑边界无任何对应关系, 产生了许多边界复杂的分割对象。同时, 由于针对不同地类图斑采用多参数分割, 与统一参数分割相比, 分割的结果有效避免了伪边界、分割过碎和分割完整地物的缺点, 并且在一定程度上避免了不同地类地物的混分现象, 因而大幅提高了分割结果的精度。

4.2 定量评价

分割结果定量评价从对象光谱同质度和对象形状两方面进行评价^[13]。采用对象标准差表示对象的光谱同质度, 标准差越大, 代表该对象同质度越差, 也间接说明对象边界与实际地物边界的契合度较差, 即说明分割效果越差。同时, 采用对象边界指数(border index, BI)和形状指数(shape index, SI)评价分割对象间的紧致性, 计算公式为

BI= $\begin{matrix} \frac{R_{BI}}{2 (R_{w} + R_{h})} \end{matrix}$ , (6)

SI= $\begin{matrix} \frac{R_{BI}}{4 \sqrt[]{‖ R^{m} ‖}} \end{matrix}$ 。 (7)

式中: R_BI为对象的边界长度, 即对象组成对象边界的像素个数; R_w和R_h分别为对象的宽和高(单位为像素), 通过计算对象最小外包矩形得到表示组成分割对象的像素个数。对于分割结果, 如果对象边界规则性较差, 则对象边界指数和形状指数则较大。

采用上述评价方法, 对无边界控制和图斑边界控制的多参数图像分割结果进行定量评价, 评价结果如表2所示。

表2 分割结果定量评价 Tab.2 Quantitative evaluation of segmentation results

从表2中可以看出, 对于建设用地、耕地和非耕农用地分割结果, 边界控制多参数分割结果从对象光谱同质度和形状规则性两方面都优于无边界控制分割结果。

5 结论

本文提出了土地利用现状图斑约束下的并行分割方法。该方法利用图斑边界控制分割处理, 为各类土地利用类别分别设置分割参数, 是一种多参数的分割方法, 同时利用MPI对分割流程进行加速。

1)图斑边界控制的多参数均值漂移分割能有效减少过分割和欠分割现象的发生, 提高分割的精度, 且与土地利用动态遥感监测业务结合紧密, 可为土地利用动态遥感监测中的子图斑变化发现、土地利用现状信息提取奠定较好的基础。

2)基于MPICH2平台实现了本文提出的并行分割思路, 一定程度上提高了处理效率。

3)本文提出的土地利用现状图斑约束下的图像分割技术的应用前提是后时相遥感图像较基期土地利用现状图的变化较小, 故当基期土地利用现状图与图像的成像时间间隔较大或者在土地利用变化较为频繁的地区本方法将不再适用。

The authors have declared that no competing interests exist.

参考文献

View Option

[1]	甘甫平, 王润生, 王永江, 等. 基于遥感技术的土地利用与土地覆盖的分类方法[J]. 国土资源遥感, 1999, 21(4): 40-45. Gan P P, Wang R S, Wang Y J, et al. The classification method based on remote sensing techniques for land use cover[J]. Remote Sensing for Land and Resources, 1999, 21(4): 40-45. [本文引用:1]
[2]	柴渊, 李万东. 土地利用动态遥感监测技术和方法[M]. 北京: 地质出版社, 2011: 153. Chai Y, Li W D. Dynamic monitoring of land use through remote sensing techniques and methods[M]. Beijing: Geology Press, 2011: 153. [本文引用:1]
[3]	孙晓霞, 张继贤, 燕琴, 等. 遥感影像变化检测方法综述及展望[J]. 遥感信息, 2011(1): 119-123. Sun X X, Zhang J X, Yan Q, et al. A summary on current techniques and prospects of remote sensing change detection[J]. Remote Sensing Information, 2011(1): 119-123. [本文引用:1] [CJCR: 0.45]
[4]	张继贤, 杨贵军. 单一时相遥感数据土地利用与覆盖变化自动检测方法[J]. 遥感学报, 2005, 9(3): 294-299. Zhang J X, Yang G J. Automatic land use and land cover change detection with one temporary remote sensing image[J]. Journal of Remote Sensing, 2005, 9(3): 294-299. [本文引用:1] [CJCR: 1.077]
[5]	An K, Zhang J S, Yu X. Object-oriented urban dynamic monitoring-A case study of Haidian district of Beijing[J]. Chinese Geographical Science, 2007, 17(3): 236-242. [本文引用:1] [JCR: 0.727] [CJCR: 0.698]
[6]	Petropoulos G P, Kalaitzidis C, Vadrevu K P. Support vector machines and object-based classification for obtaining land -use/cover cartography from Hyperion hyperspectral imagery[J]. Computers and Geosciences, 2012, 4(41): 99-107. [本文引用:1] [JCR: 1.562]
[7]	沈占锋, 骆剑承, 吴炜, 等. 采用并行均值漂移算法实现农林地块边界的精确提取[J]. 中国图形图象学报, 2011, 16(9): 1689-1695. Shen Z F, Luo J C, Wu W, et al. Agricultural and forestry land boundary precise segmentation from remote sensing images by parallel mean shift algorithm[J]. Journal of Image and Graphics, 2011, 16(9): 1689-1695. [本文引用:3] [CJCR: 0.792]
[8]	Baatz M, Schäpe A. Multiresolution segmentation-an optimization approach for high quality multiscale image segmentation[M]//Strobl J, Blaschke T, Griesebner G. Angewand te Geographische Informations Verarbeitung XII. Karlsruhe: Wichmann Verlag, Karlsruhe, 2000: 12-23. [本文引用:1]
[9]	Zhang Y, Feng X, Le X. Segmentation on multispectral remote sensing image using watershed transformation[C]//Congress on Image and Signal Processing, 2008: 773-777. [本文引用:1]
[10]	Zhang G, Li Y, Li Z J. A new approach toward object-based change detection[J]. Science China Technological Sciences, 2010, 53(1): 105-110. [本文引用:1] [JCR: 1.113] [CJCR: 0.7695]
[11]	程昌秀, 严泰来, 朱德海. GIS辅助下的图斑地类识别方法研究——以土地利用动态监测为例[J]. 中国农业大学学报, 2001, 6(3): 55-59. Cheng C X, Yan T L, Zhu D H. The method of polygon land use identify supported by GIS-A case study for dynamic monitoring land using[J]. Journal of China Agricultural University, 2001, 6(3): 55-59. [本文引用:1] [CJCR: 0.997]
[12]	Comaniciu D, Meer P. Mean shift: A robust approach toward feature space analysis[J]. IEEE Trans on Pattern Analysis and Machine Intelligence, 2002, 24(5): 603-619. [本文引用:2]
[13]	Yue A, Yang J, Zhang C, et al. A watershed segmentation method with shape-based merging criterion based on multispectral remote sensing imagery[J]. Sensor Letters, 2011, 9(3): 1006-1013. [本文引用:1] [JCR: 0.558]

1999

0.0

甘甫平, 王润生, 王永江, 等. 基于遥感技术的土地利用与土地覆盖的分类方法[J]. 国土资源遥感, 1999, 21(4): 40-45.

Gan P

, Wang R

, Wang Y

, et al. The classification method based on remote sensing techniques for land use cover[J]. Remote Sensing for Land and Resources, 1999, 21(4): 40-45.

Techniques of classification are very importance for Land Use and Cover Change(LUCC). LUCC study are on the basis of the image processing and the classification system in the first. Now the computer_based classification techniques' study has been focusing on the statistical pattern recognition and the knowledge_based classification rule. The final evaluation of accuracy will improve the classification rule.

分类方法在土地利用和土地覆盖变化研究中占据重要的地位。土地利用与覆盖分类首先涉及图像的处理以及分类系统的建立。目前机助分类技术主要着眼于统计模式识别和基于知识的分类决策。最终的精度评价可以进一步完善分类决策。

... 目前,在土地利用与覆盖变化分类研究中,绝大多数方法是单纯基于图像的光谱信息统计模式^[1],会受到不同的分辨率、天气及下垫面情况、土地利用特征等多重因素的制约,对提取精度产生一定影响 ...

2011

0.0

... 同时,由于实际应用中多采用目视解译或像素级变化检测的方法确定变化区域,而土地利用变化信息提取的最终结果是图斑,因此边界模糊图斑的正确提取和边界线准确勾绘也对操作人员的技术水平提出了较高的要求^[2] ...

2011

0.0

0.45

孙晓霞, 张继贤, 燕琴, 等. 遥感影像变化检测方法综述及展望[J]. 遥感信息, 2011(1): 119-123.

Sun X

, Zhang J

, Yan

, et al. A summary on current techniques and prospects of remote sensing change detection[J]. Remote Sensing Information, 2011(1): 119-123.

变化检测技术是遥感应用领域的一个重要研究方向.本文首先对常见的变化检测方法进行了概括性介绍与优缺点评述,并分析了当前变化检测方法中存在的普遍问题;并在此基础上,展望了一种基于影像分割的变化检测方法:在仅对其中一个时相影像进行分割的基础上,建立了两时相影像间的对应图斑单元与变化判别规则,实现图斑单元问的直接比较来提取变化信息.并分析了基于分割的变化检测方法与像素级变化检测方法相比具有的优势.

... 与其他传统的分类方法相比,面向对象的变化检测的方法将遥感图像看作由若干个具有同质特征的像素群组成,因而不仅可以利用地物本身的光谱信息,还可以充分利用地物的空间信息、纹理信息和上下文信息,提高信息提取的准确性和可靠性,相比像素级变化检测方法具有精度更高、检测结果易于解释等优点^[3],已被许多学者证明具有较好的应用前景^[4,5,6] ...

2005

0.0

1.077

张继贤, 杨贵军. 单一时相遥感数据土地利用与覆盖变化自动检测方法[J]. 遥感学报, 2005, 9(3): 294-299.

Zhang J

, Yang G

Automatic land use and land cover change detection with one temporary remote sensing image[J]. Journal of Remote Sensing, 2005, 9(3): 294-299.

Automatic land use and land cover change (LUCC) detectionvia remote sensing image has awide application inthe\narea of LUCCresearch, nature resource and environmentmonitoring and protection. Underthe conditionthatone time (T1) data\nis existed land use and land covermap, and anothertime (T2) data is remotely sensed imagery, howto detect change automati-\ncally is still an unresolved issue.\nThis paper developed a land use and land cover classknowledge-orientedmethod forautomatic change detectionunderthis\nsituation. Firstly, the land use and land covermap inT1and remote sensing images inT2were registered and superimposed pre-\ncisely. Secondly, the remote sensing knowledge database of all land use and land cover classeswas constructed based onthe un-\nchanged parcels inT1map. Thirdly, guided byT1land use and land covermap, feature statistics for each parcel or pixel in re-\nmote sensing imageswere extracted. Finally, land use and land cover changeswere found and the change class was recognized\nthrough the automatic matching between the knowledge database of remote sensing information of land use and land cover classes\nwith the extracted statistical information inthat parcel or pixel. Experimental results and some practicat applications showthe ef-\nficiency of this method.

针对基期(用于该研究的前一时期数据)T1仅拥有土地利用和覆盖图件(矢量格式)而另一期T2拥有遥感数据的情况,构建了基于知识引导的土地利用和覆盖变化自动检测技术与方法。T1时期土地利用与覆盖与T2期遥感数据在配准叠加情况下,以T1完整的土地利用与覆盖类型图斑为单元构建土地各类别遥感数据知识库,然后以图斑单元或以像素为单位计算遥感影像特征统计量,通过与知识库相关数据的比较与匹配自动检测出变化并识别出相应的土地利用与覆盖类别。文章最后通过试验验证了该方法的有效性。

2007

0.727

0.698

2012

1.562

0.0

2011

0.0

0.792

沈占锋, 骆剑承, 吴炜, 等. 采用并行均值漂移算法实现农林地块边界的精确提取[J]. 中国图形图象学报, 2011, 16(9): 1689-1695.

Shen Z

, Luo J

, Wu

, et al. Agricultural and forestry land boundary precise segmentation from remote sensing images by parallel mean shift algorithm[J]. Journal of Image and Graphics, 2011, 16(9): 1689-1695.

During the course of high-resolution remotely sensed images information recognition for agriculture and forestry，image segmentation is an important procedure since its results decide directly the effects of land-parcel auto recognition.After analyzing and comparing the segmentation effects of general methods，this paper draws the conclusion that mean shift algorithm can be applied to agriculture and forestry application and has been applied to multi-scale image segmentation because it can extract exactly the edges of the land-parcel.By analyzing the principle of the mean shift image segmentation，this paper improves the algorithm by using two methods，one is to implement the multi-scale merge of the segmentation parcels，and the other is to implement parallel segmentation in message passing interface (MPI) and OpenMP (OMP) model environments.And the applications in agriculture and forestry show that the precision and speed can meet the need of Agroforestry.

在基于高分辨率遥感影像的农林地块自动/半自动识别应用中，地块边界提取是地块信息精确识别的基础，其精度决定了地块信息识别的精度，这一过程是通过遥感影像多尺度分割过程实现的。在综合比较几种常用的面向对象分割方法效果的基础上，认为均值漂移算法能够更好地满足农林地块识别与边界提取的需求，并可获得较好的地块边界分割效果。进一步面向实际应用问题，本文对算法的实现进行了以下两方面的改进：从实现方式角度考虑，对其在多尺度实现方式方面进行了改进；从算法效率角度考虑，针对农林地块识别过程中数据量大、计算复杂的特点，对其进行了基于MPI（massage passing interface）集群计算环境及OMP(OpenMP)多核任务处理方式的改进，能够显著提高农林地块数据的分割速度。相应地改进算法在实际应用中取得了较好的应用效果。

... 面向对象变化检测的第一步是图像分割,目前应用较多的算法包括面向对象多尺度分割算法、分水岭算法及均值漂移(mean shift)算法等^[7] ...

... 3 分割算法的并行策略目前,在我国土地利用调查的技术规程中,明确规定把高分辨率遥感数据作为基础数据源,以提高调查的效率与精度^[7] ...

... 问题^[7] ...

2000

0.0

... 面向对象多尺度分割算法^[8]是eCognition软件的内嵌算法,其算法细节没有公开,因此无法大范围推广应用 ...

2008

0.0

... Zhang等提出了一种基于分水岭变换的多光谱图像分割算法,结合了像素的空间信息和光谱信息,但需要对分水岭变换造成的过分割现象进行后处理^[9] ...

2010

1.113

0.7695

... Zhang等提出了一种基于均值漂移算法的面向对象变化检测方法,实验证明该方法可以获得较高的检测率,有较好的可操作性^[10] ...

2001

0.0

0.997

程昌秀, 严泰来, 朱德海. GIS辅助下的图斑地类识别方法研究——以土地利用动态监测为例[J]. 中国农业大学学报, 2001, 6(3): 55-59.

Cheng C

, Yan T

, Zhu D

The method of polygon land use identify supported by GIS-A case study for dynamic monitoring land using[J]. Journal of China Agricultural University, 2001, 6(3): 55-59.

针对土地利用动态监测存在的问题,探索了充分利用了GIS中地块边界的信息,提取出标准地类地块边界内的灰度特征、纹理特征和形态特征,提出基于这些特征建立相应的决策树和判决规则.对于任一待测地块可利用提取的特征信息通过距离判别法判断其所属地类.这种GIS辅助下的图斑地类新识别方法的准确率较高, 也是将遥感影像与地理信息结合起来的一种有效的手段.

... 由于土地利用动态监测的实施单位通常有前一时相的土地利用现状的矢量数据(即基期土地利用现状图)^[11],在此数据背景下,本文将现势的遥感图像和土地利用现状图结合,设计了一种图斑边界控制的均值漂移分割算法,可以根据图斑的土地利用类别选择不同的分割参数,并利用多点接口(message passing interface,MPI)对分割过程进行并行加速,提高了算法的执行效率 ...

2002

0.0

... 核密度估计 ^[12] ...

... 考虑到空间特征和光谱特征的不同量纲,定义了如下乘积形式的核函数^[12] ...

2011

0.558

0.0

... 2 定量评价分割结果定量评价从对象光谱同质度和对象形状两方面进行评价^[13] ...