基于层次化混合模型的高分辨率遥感影像分割方法研究

石 雪

桂林理工大学测绘地理信息学院，广西 桂林 541004

高分辨率遥感影像具有同一目标区域内像素异质性增强、不同目标区域间像素同质性增强等特征，这给其分割方法的设计带来了困难和挑战。在统计意义上，高分辨率遥感影像的特征使其各目标区域内像素光谱测度统计分布主要呈现出非对称、重尾、尖峰和多峰等复杂统计特性，准确建模高分辨率遥感影像内像素光谱测度统计分布是获得高质量影像分割结果的有效途径之一，而传统混合模型难以满足准确建模像素光谱测度复杂统计分布的要求，如何准确建模影像统计模型并提高影像分割精度成为高分辨率遥感影像分割方法设计的关键问题。为此，论文提出一种层次化混合模型用于建模复杂特性的统计分布，并依此设计基于层次化混合模型的高分辨率遥感影像分割方法。

(1) 提出一种具有层次性结构的混合模型，称为层次化混合模型，用于解决高分辨率遥感影像内像素光谱测度复杂统计分布的建模问题。层次化混合模型定义为若干个组分概率分布加权和，用于建模整幅影像内像素光谱测度统计分布；其组分定义为若干个分量概率分布加权和，用于建模影像各目标区域内像素光谱测度复杂统计分布；其分量由同一已知概率分布定义，用于建模目标区域中子区域内像素光谱测度的统计分布。综上，层次化混合模型包含两层结构，其中组分构成了模型的第一层结构，分量构成了模型的第二层结构。层次化混合模型通过准确建模像素光谱测度的统计分布，可有效地利用影像内光谱信息，进而提高影像分割结果的质量。

(2) 依据层次化混合模型的建模能力，提出基于层次化混合模型的高分辨率遥感影像分割方法。采用层次化混合模型建模高分辨率遥感影像的统计模型，其中针对全色遥感影像的统计特性，采用高斯分布作为层次化混合模型分量；针对多光谱遥感影像的统计特性，采用多元高斯分布作为层次化混合模型分量；针对合成孔径雷达影像的统计特性，采用伽马分布作为层次化混合模型分量。采用高斯-马尔可夫随机场模型建模组分权重先验分布以有效地利用影像内像素空间位置信息。根据贝叶斯定理，构建模型参数的后验分布作为影像分割模型，并设计期望最大化/马尔可夫链蒙特卡洛(Expectation Maximization/Markov Chain Monte Carlo,EM/MCMC)方法求解分割模型以获得最优模型参数，通过最大化后验概率实现影像分割。

(3) 为了验证提出分割方法的有效性，采用提出方法和基于统计模型的对比方法对高分辨率全色、多光谱和合成孔径雷达影像进行分割试验，并定性和定量地分析试验结果。试验结果表明提出方法具有准确建模高分辨率遥感影像内像素光谱测度的非对称、重尾、尖峰或平坦峰和双峰等复杂统计分布的能力，且可实现高精度和高效率的高分辨率遥感影像分割。