基于尺度空间理论的高分辨率遥感影像多尺度/等级斑块结构建模研究

Multi-level and hierarchically organized spatial structure model based on geographic entities created from remote sensing imagery, here we called as Multiscale/Hierarchical Patches Model (MHPM), can provides a perfect model to calculate the high level spatial features from high spatial resolution remote sensing image, such as neighboring features and belonging features, and plays a base and important role in Geographic Object-Based Image Analysis (GEOBIA). However, most current studies about MHPM are supplements or improvements of the Multiresolution Segmentation algorithm which mainly based on spectral features, which radically limits the segmentation accuracy and the application areas like function-oriented scene classification. Here, we plan to adopt the Scale-Space theory in Computer Vision and the Hierarchical Patches Dynamics Paradigm in Landscape Ecology as guidelines to develop a new method of MHPM, and further, make it applicable to areas of function-oriented scene segmentation. The focuses include (a) a multiscale segmentation based on anisotropic scale-space in “down-top” way; (b) a local scale-self adaptive method based on unsupervised scale optimization method; (c) a function-oriented scene segmentation integrating multi-dimension high level features. When this project ends, a new MHPM method guided by geography concepts and mechanism of human vision will be proposed, by which high level spatial features can be extracted from high spatial resolution images, and then function-oriented scene segmentation can be realized.

从影像中建立以地理实体对象为分析单元，并以多层次、等级结构形式组织的结构模型（以下简称“多尺度/等级斑块结构模型”），可充分显示化表达高空间分辨率遥感影像中的邻接、隶属等高级空间特征，是面向对象解译的基础和关键。然而，当前研究多是以光谱灰度特征为主的区域合并算法的补充或改进，难以从根本上突破其分割精度以及诸如功能场景解译等应用领域的限制。为此，本课题拟引入计算机视觉中的尺度空间理论和景观生态学中的等级斑块动态范式，开展多尺度/等级斑块结构建模方法研究，并进一步拓展至功能场景分割，拟重点研究：1）考虑尺度空间各向异性的多尺度分割方法；2）基于尺度优选非监督评价方法的局部尺度自适应；3）融合多维高层特征的功能场景分割。通过本研究，可实现一种新的地学理念引导下的融合人眼视觉机制的多尺度/等级斑块结构建模方法，充分挖掘高分影像的高级空间特征，为基于功能场景分割及应用奠定基础。

随着影像分辨率的提高，如何显示化表达其中的高级空间特征成为场景级智能解译的关键。为此，项目从景观生态学原理出发，结合计算机视觉的尺度空间理论，开展融合尺度空间的影像分割与信息提取、多尺度分割的尺度自适应优选、融合多维特征的场景分割与信息提取三方面的研究，以此构建多尺度等级斑块结构建模理论。在具体实现过程中，重点以水产养殖为案例，开展方法探索，先后提出融合尺度空间的海水养殖信息提取、多分辨率融合的结构相似性指数以及“时空谱”特征与地学知识融合的养殖池提取等方法，有力支撑了土地利用/覆盖遥感智能解译中的影像尺度自适应分割和大区域水产养殖遥感信息提取。其中，尺度自适应分割是本项目对面向对象方法一个主要创新，有力解决了面向对象全智能化的关键一环；在水产养殖遥感方面，先后实现了中国海域2020年高精度水产养殖、全球尺度规模化水产养殖池信息提取，其中全球尺度的信息产品为该专题的首创，并且空间分辨率达到10m，为使用地理学方法分析水产养殖为主题的粮食结构转型与空间资源分析奠定基础。.此外，项目进一步将多尺度等级斑块结构建模理论进行提升和拓展，认为影像分割只是其中的一种方式，融入多源地学要素和知识是一种有效的途径。为此，在研究过程中，系统梳理了与LULC相关的地理学知识和原理，从而将传统LULC提升到空间场景层次，并提出面向遥感大数据的地学知识图谱理论构想，为下一步模拟地理学专家的思维方式，进行遥感高精度、实用化的智能解译深入研究奠定基础。

内容获取失败，请点击重试