基于自适应带宽的均值漂移方法的高分辨率遥感影像分类

孔辉

摘要：本文以像元形状指数为基础，引入面向对象的思想，进行改进所得到的自适应带宽的均值漂移方法，对高空间分辨率影像进行提取，该方法的使用所得到的分类结果说明无论在精度还是视觉效果上更优于像元形状指数方法，使得影像提取效果更好。

关键词：均值漂移；高分影像；提取精度；面向对象

中图分类号：P28 文献标识码：A 文章编号：1007-9416（2018）07-0102-01

關于高空间分辨率遥感影像特征提取，更多的是研究针基于形状、几何结构等空间特征。相较于纹理特征而言，高空间分辨率遥感影像的形状、几何结构特征更为丰富，能够更细致的对目标的属性进行描述，取得了较好的分类效果并提高了分类精度。基于均值漂移方法是一种基于非参数概率密度估计的统计迭代算法，本文利用像元形状指数方法的研究基础，采用一种带宽自适应选择的均值漂移方法，将图像的最小基元由像元变为对象[1]，进行分类，与面向像元的方法进行比较。

1 面向对象思想

无论是基于支持向量机的光谱特征分类或者PSI方法还是其他特征提取方法，都是一种面向像元的影像分类方法。随着遥感影像的空间分辨率不断提升，影像具有了大量的纯净像元，纯净像元的增多一方面对于在较小尺度下描述目标的细节特征提供了帮助，另一方面也带来了一个问题，就是单个像元的特征不再能够完整表达目标[2]。即某种意义上说是降低局部的分辨率以忽视细节信息的特征带来的影响。有鉴于此，面向对象的分类方法应运而生。

相对于以上的面向像元的分类方法，面向对象的分类方法与其最大的不同在于把对象作为影像特征提取和分析的最小单位，这一区别决定了面向对象的分类方法首先要做的是对象的提取。对象的提取实质上，是在某种尺度下，通过将具有相似的某种或某几种属性的像元聚类，形成像元的集合，这些集合就是对象。

2 MS方法

MS聚类方法：MS向量与非参数概率密度估计的关系，可以通过式（2.5）计算MS向量，用迭代的方法找到概率密度极大处，迭代公式为迭代终止的条件设定为MS向量小于一个极小的阈值ε，即认为当MS向量极小时初始样本点漂移至局部概率密度的极大处，也可以称作收敛点。通过以上迭代过程，可以得到每个样本点的漂移路径，记做，此时漂移路径的末端即收敛点已经与每个样本点联系起来。以收敛点作为聚类中心，使得具有接近的收敛点的样本点属于同一类别。

3 自适应带宽的MS方法

自适应带宽的MS方法，是以带宽作为变量，摒弃传统单一带宽会被细节信息所干扰，其可以适应局部的变化，不断修改带宽参数。该方法满足两个原则：（1）在小尺度下进行聚类；（2）在较大尺度聚类，能够忽略过度的细节信息，避免分类造成干扰。在两者之上结合P像元形状指数方法所得到的方法。

这种自适应带宽的方法对均值漂移方法的聚类过程进行了优化，从结果上看，这一方法在保留较小目标的基础上，对较大的目标保证了足够的平滑，或者说较大的目标并没有被过度分割，而过度的细节信息则通过过平滑得到了忽略。可以看出，这种自适应带宽的MS方法是一种多尺度的对象提取技术，较单一尺度的对象提取更为合理。

4 实验数据处理

根据自适应带宽MS方法对实验影像进行聚类，首先通过PSI特征来确定空间带宽与光谱带宽。PSI参数数值定为， ，并将带宽为小于2的定为细节信息，设定带宽3，光谱带宽0.8，并取8和0.2、4和0.1进行对比组。

可以发现自适应带宽MS方法较固定带宽MS方法取得了更为优秀的聚类结果，实现了过度细节信息的忽略以及更为准确的聚类。继而合并收敛点较为接近的像元，得到一系列点集，将这些点集作为对象，并将其中像元数少于10的较小对象进行合并，并得到对象轮廓。

5 实验结果

基于改进的自适应带宽的均值偏移方法的提取结果如下，利用面向对象的分类方式，达到的分类精度为91.6%，具体的计算机处理过程不再列出如图1。

可以发现，结合面向对象思想的分类方法很好的忽略了过度的细节信息，并不存在面向像元分类结果中存在的椒盐噪声现象，保留了大多数较小目标，尤其体现在影像左侧建筑物内的较细的道路与河流左岸的草地得到了很好的识别，并通过几何形状特征一定程度减少建筑物与水泥路面的混淆，取得了较好的分类效果。

参考文献

[1]沈占锋，骆剑承，胡晓东.高分辨率遥感影像多尺度均值漂移分割算法研究[J].武汉大学学报（信息科学版），2010，35（3）：313-316.

[2]Comaniciu D，Meer P. Mean Shift：a Robust Approach Toward Feature Space Analysis[J].IEEE Transactions on Pattern Analysis and Machine Intelligence，2002，24（5）：603-619.

[3]王雷光，郑晨，林立宇.基于多尺度均值漂移的高分辨率遥感影像快速分割方法[J].光谱学与光谱分析， 2011，31（1）：177-183.