苏腾飞， 张圣微， 李洪玉

(内蒙古农业大学水利与土木建筑工程学院,呼和浩特 010018)

基于可变尺度Mean-Shift的农田高分遥感影像分割算法

苏腾飞， 张圣微， 李洪玉

(内蒙古农业大学水利与土木建筑工程学院,呼和浩特 010018)

为了提升农田高分遥感影像(high spatial resolution remote sensing image,HRI)的信息提取效果，提出了一种新的农田HRI分割算法。传统的Mean-Shift(MS)HRI分割算法仅利用全局或单一的尺度参数； 而常规可变尺度MS算法在尺度参数估算中也只考虑光谱信息。这些都导致其分割结果难以完整地展现不同尺度的农田区域。针对该问题，在MS算法的基础上进行了改进： 第一，提出了一种局部可变尺度参数的估计方法； 第二，提出了利用局部可变尺度进行MS滤波的模型函数。该改进算法主要包含3步： ①为了全面考虑不同波段的响应变化，在MS滤波核函数中采用了对角化的尺度参数矩阵，并将其与采样点密度估计模型相结合，导出了一种可变尺度MS滤波的迭代函数； ②为了提高算法的自动化程度，利用局部光谱变化与边界强度信息，提出了一种新的局部尺度参数估算方法； ③将MS滤波结果输入到基于分形网络演化方法(fractal net evolution approach,FNEA)的空间聚类算法中，得到最终的分割结果。利用RapidEye与OrbView3的2景HRI进行了算法验证。实验结果表明，所提出的改进算法能够优化农田HRI分割的精度。

可变尺度； Mean-Shift； 农田分割； 高分遥感影像

0 引言

近年来，一种新兴的遥感影像解译方式——面向地理对象的影像分析(geographical object based image analysis,GEOBIA)[1]在农田遥感分类研究中逐渐增多[2-4]，这主要归因于2个方面： ①农田遥感监测需要高空间分辨率遥感影像(high spatial resolution remote sensing image,HRI)，以准确提取作物信息。……