本發(fa)明屬于圖像(xiang)處理領(ling)域，具體涉及(ji)一(yi)種全色遙感圖像(xiang)分割方法。

背景技術：

影(ying)(ying)像分(fen)割是遙感影(ying)(ying)像處(chu)理的(de)(de)(de)(de)(de)(de)關鍵技術(shu)，隨著傳感器技術(shu)的(de)(de)(de)(de)(de)(de)發(fa)展，遙感影(ying)(ying)像空(kong)間分(fen)辨(bian)(bian)率(lv)(lv)越來越高(gao)。較高(gao)的(de)(de)(de)(de)(de)(de)空(kong)間分(fen)辨(bian)(bian)率(lv)(lv)(以下簡稱高(gao)分(fen)辨(bian)(bian)率(lv)(lv))使(shi)遙感影(ying)(ying)像能夠(gou)提(ti)供更(geng)加豐富的(de)(de)(de)(de)(de)(de)地(di)物(wu)細節信息，有利于用(yong)戶深入了解被觀(guan)測地(di)物(wu)的(de)(de)(de)(de)(de)(de)光(guang)譜(pu)、紋理、分(fen)布、空(kong)間關系等特(te)征(zheng)，同(tong)(tong)時在更(geng)加精細的(de)(de)(de)(de)(de)(de)尺度(du)(du)上描述(shu)地(di)物(wu)的(de)(de)(de)(de)(de)(de)邊(bian)緣信息。但更(geng)高(gao)的(de)(de)(de)(de)(de)(de)空(kong)間分(fen)辨(bian)(bian)率(lv)(lv)導致(zhi)(zhi)同(tong)(tong)質區(qu)域(yu)內光(guang)譜(pu)測度(du)(du)變化(hua)(hua)更(geng)加明顯。同(tong)(tong)時受圖(tu)像表達(da)能力(li)限制，異質區(qu)域(yu)光(guang)譜(pu)測度(du)(du)相(xiang)似(si)性(xing)增強(qiang)。傳統分(fen)割方法(fa)(fa)大(da)多(duo)利用(yong)影(ying)(ying)像同(tong)(tong)質區(qu)域(yu)內統計(ji)分(fen)布建模影(ying)(ying)像特(te)征(zheng)，雖然能夠(gou)在一定(ding)程度(du)(du)上削弱(ruo)噪聲和異常(chang)值(zhi)的(de)(de)(de)(de)(de)(de)影(ying)(ying)響，但應用(yong)于高(gao)分(fen)辨(bian)(bian)率(lv)(lv)遙感影(ying)(ying)像時，異質區(qu)域(yu)的(de)(de)(de)(de)(de)(de)相(xiang)似(si)性(xing)導致(zhi)(zhi)不同(tong)(tong)類別的(de)(de)(de)(de)(de)(de)光(guang)譜(pu)測度(du)(du)概率(lv)(lv)密(mi)度(du)(du)函數不易區(qu)分(fen)。因此(ci)，需(xu)引入更(geng)多(duo)、更(geng)強(qiang)的(de)(de)(de)(de)(de)(de)約束條件保障(zhang)分(fen)割結果的(de)(de)(de)(de)(de)(de)準確(que)性(xing)。模型(xing)的(de)(de)(de)(de)(de)(de)不確(que)定(ding)性(xing)、較多(duo)的(de)(de)(de)(de)(de)(de)約束條件，嚴重影(ying)(ying)響計(ji)算穩(wen)定(ding)性(xing)，同(tong)(tong)時增加方法(fa)(fa)的(de)(de)(de)(de)(de)(de)計(ji)算量，導致(zhi)(zhi)運行速度(du)(du)較慢。此(ci)外，傳統歐氏空(kong)間分(fen)割方法(fa)(fa)通常(chang)需(xu)要初(chu)始化(hua)(hua)參數或人為給(gei)定(ding)閾值(zhi)，不合理的(de)(de)(de)(de)(de)(de)參數或閾值(zhi)易導致(zhi)(zhi)方法(fa)(fa)陷入局部最優(you)，進而無法(fa)(fa)獲得(de)全(quan)局最優(you)分(fen)割結果。

技術實現要素：

針對現有技術存在的不足(zu)，本發(fa)明(ming)提供一(yi)種全色遙感圖像分割方法。

本發明的技術方案(an)如下：

一種全色遙感圖(tu)像分(fen)割方法，包括：

步驟1、讀取(qu)待分割全色遙感圖像；

步驟2、對待分割全色遙(yao)感圖像(xiang)的(de)像(xiang)素(su)點建立(li)高斯分布概(gai)率密(mi)度函數；

步驟3、將高斯分布概率密度函數從當前(qian)的(de)歐氏空間映射到黎曼(man)空間，構建(jian)數據子流形(xing)；

步驟4、設(she)參(can)數(shu)(shu)子(zi)(zi)(zi)(zi)流形(xing)上每一(yi)點表征待分(fen)割全色遙感(gan)圖像(xiang)中的一(yi)個(ge)地(di)物類別，每個(ge)圖像(xiang)分(fen)割結果(guo)對應參(can)數(shu)(shu)子(zi)(zi)(zi)(zi)流形(xing)上的若干點，所有可能的圖像(xiang)分(fen)割結果(guo)構成黎(li)曼空(kong)間的參(can)數(shu)(shu)子(zi)(zi)(zi)(zi)流形(xing)；在參(can)數(shu)(shu)子(zi)(zi)(zi)(zi)流形(xing)上隨機選取與地(di)物類別數(shu)(shu)相同數(shu)(shu)量的點，表征初始的圖像(xiang)分(fen)割結果(guo)；

步驟(zou)5、計算數據子(zi)流(liu)形上(shang)的(de)(de)點(dian)距(ju)參數子(zi)流(liu)形上(shang)各點(dian)的(de)(de)測(ce)地(di)(di)線(xian)距(ju)離，將當(dang)前計算的(de)(de)數據子(zi)流(liu)形上(shang)的(de)(de)點(dian)劃分到(dao)測(ce)地(di)(di)線(xian)距(ju)離的(de)(de)最小值(zhi)對應的(de)(de)參數子(zi)流(liu)形上(shang)的(de)(de)點(dian)所屬的(de)(de)地(di)(di)物類別，即獲得圖像分割結果；

步驟6、根據當前各(ge)地物類別所包含的數據子流形上的點(dian)，計算地物類別中(zhong)各(ge)像素點(dian)的光譜測(ce)度的均值和方差；

步驟7、根(gen)據計算出(chu)的(de)(de)(de)均值和方差(cha)構建表征地(di)物類別的(de)(de)(de)高斯分布概(gai)率密度函數(shu)，并代替當前參數(shu)子(zi)流形上的(de)(de)(de)點表征新的(de)(de)(de)圖像分割結(jie)果中的(de)(de)(de)某一地(di)物類別；

步驟8、若圖像(xiang)(xiang)分(fen)割(ge)結果不(bu)再改(gai)變，則當前參數(shu)子(zi)流(liu)形(xing)上的點表(biao)征數(shu)據子(zi)流(liu)形(xing)上點的最(zui)優圖像(xiang)(xiang)分(fen)割(ge)結果，即(ji)得(de)到圖像(xiang)(xiang)分(fen)割(ge)結果，否則返回步驟5。

所述步驟2的具體步驟如下：

步驟2.1：計算(suan)像素i的8-鄰域內所有像素光譜(pu)測(ce)度(du)的均值和方差；

步驟2.2：根據均值和方(fang)差構(gou)建歐氏(shi)空間內(nei)每個像(xiang)素(su)光譜(pu)測度的高斯分布概率密度函數；

步驟(zou)2.3：用每(mei)個像(xiang)(xiang)素8-鄰域內像(xiang)(xiang)素光譜測(ce)度的(de)高斯分布概率(lv)密度函數(shu)表征該像(xiang)(xiang)素點的(de)特征。

有益效果：

本(ben)發明在(zai)歐氏空(kong)間(jian)對待分(fen)(fen)割(ge)全色遙感(gan)圖(tu)像(xiang)(xiang)(xiang)的(de)(de)(de)(de)(de)像(xiang)(xiang)(xiang)素(su)(su)點(dian)(dian)(dian)(dian)建(jian)(jian)立高斯分(fen)(fen)布(bu)(bu)概率密(mi)(mi)度(du)(du)(du)(du)函數(shu)，能(neng)(neng)(neng)夠有(you)效利用(yong)圖(tu)像(xiang)(xiang)(xiang)的(de)(de)(de)(de)(de)光(guang)譜(pu)測(ce)(ce)度(du)(du)(du)(du)信息及其(qi)與(yu)(yu)鄰域像(xiang)(xiang)(xiang)素(su)(su)的(de)(de)(de)(de)(de)相關性，準確描(miao)述歐氏空(kong)間(jian)像(xiang)(xiang)(xiang)素(su)(su)點(dian)(dian)(dian)(dian)的(de)(de)(de)(de)(de)特征(zheng)。將高斯分(fen)(fen)布(bu)(bu)概率密(mi)(mi)度(du)(du)(du)(du)函數(shu)從當(dang)(dang)前(qian)的(de)(de)(de)(de)(de)歐氏空(kong)間(jian)映(ying)射(she)到黎(li)曼(man)空(kong)間(jian)，構建(jian)(jian)數(shu)據(ju)子(zi)(zi)流(liu)形(xing)，在(zai)黎(li)曼(man)空(kong)間(jian)的(de)(de)(de)(de)(de)參(can)數(shu)子(zi)(zi)流(liu)形(xing)上(shang)隨機(ji)選取與(yu)(yu)地(di)(di)物類別(bie)(bie)數(shu)相同(tong)數(shu)量(liang)的(de)(de)(de)(de)(de)點(dian)(dian)(dian)(dian)，表征(zheng)影像(xiang)(xiang)(xiang)的(de)(de)(de)(de)(de)初始分(fen)(fen)割(ge)結果(guo)，計(ji)(ji)算(suan)(suan)(suan)數(shu)據(ju)子(zi)(zi)流(liu)形(xing)上(shang)的(de)(de)(de)(de)(de)點(dian)(dian)(dian)(dian)距(ju)(ju)參(can)數(shu)子(zi)(zi)流(liu)形(xing)上(shang)各點(dian)(dian)(dian)(dian)的(de)(de)(de)(de)(de)測(ce)(ce)地(di)(di)線(xian)距(ju)(ju)離(li)，將當(dang)(dang)前(qian)計(ji)(ji)算(suan)(suan)(suan)的(de)(de)(de)(de)(de)數(shu)據(ju)子(zi)(zi)流(liu)形(xing)上(shang)的(de)(de)(de)(de)(de)點(dian)(dian)(dian)(dian)劃分(fen)(fen)到測(ce)(ce)地(di)(di)線(xian)距(ju)(ju)離(li)的(de)(de)(de)(de)(de)最小值(zhi)對應的(de)(de)(de)(de)(de)參(can)數(shu)子(zi)(zi)流(liu)形(xing)上(shang)的(de)(de)(de)(de)(de)點(dian)(dian)(dian)(dian)所屬的(de)(de)(de)(de)(de)地(di)(di)物類別(bie)(bie)，利用(yong)黎(li)曼(man)流(liu)形(xing)上(shang)的(de)(de)(de)(de)(de)測(ce)(ce)地(di)(di)線(xian)衡量(liang)兩點(dian)(dian)(dian)(dian)間(jian)的(de)(de)(de)(de)(de)差(cha)異，較之(zhi)其(qi)他測(ce)(ce)度(du)(du)(du)(du)能(neng)(neng)(neng)夠更加準確地(di)(di)描(miao)述曲(qu)面(mian)上(shang)兩點(dian)(dian)(dian)(dian)間(jian)的(de)(de)(de)(de)(de)相關性，能(neng)(neng)(neng)夠極(ji)大程(cheng)度(du)(du)(du)(du)地(di)(di)降低了計(ji)(ji)算(suan)(suan)(suan)的(de)(de)(de)(de)(de)復雜度(du)(du)(du)(du)。根據(ju)當(dang)(dang)前(qian)各地(di)(di)物類別(bie)(bie)所包含的(de)(de)(de)(de)(de)數(shu)據(ju)子(zi)(zi)流(liu)形(xing)上(shang)的(de)(de)(de)(de)(de)點(dian)(dian)(dian)(dian)，計(ji)(ji)算(suan)(suan)(suan)地(di)(di)物類別(bie)(bie)中各像(xiang)(xiang)(xiang)素(su)(su)點(dian)(dian)(dian)(dian)的(de)(de)(de)(de)(de)光(guang)譜(pu)測(ce)(ce)度(du)(du)(du)(du)的(de)(de)(de)(de)(de)均值(zhi)和(he)方差(cha)；根據(ju)計(ji)(ji)算(suan)(suan)(suan)出的(de)(de)(de)(de)(de)均值(zhi)和(he)方差(cha)構建(jian)(jian)表征(zheng)地(di)(di)物類別(bie)(bie)的(de)(de)(de)(de)(de)高斯分(fen)(fen)布(bu)(bu)概率密(mi)(mi)度(du)(du)(du)(du)函數(shu)，并(bing)代替(ti)當(dang)(dang)前(qian)參(can)數(shu)子(zi)(zi)流(liu)形(xing)上(shang)的(de)(de)(de)(de)(de)點(dian)(dian)(dian)(dian)表征(zheng)新的(de)(de)(de)(de)(de)分(fen)(fen)割(ge)結果(guo)中的(de)(de)(de)(de)(de)某一地(di)(di)物類別(bie)(bie)。該方法(fa)在(zai)歐氏空(kong)間(jian)建(jian)(jian)模，而后將其(qi)映(ying)射(she)到黎(li)曼(man)空(kong)間(jian)，并(bing)結合(he)測(ce)(ce)地(di)(di)線(xian)距(ju)(ju)離(li)描(miao)述數(shu)據(ju)與(yu)(yu)類別(bie)(bie)的(de)(de)(de)(de)(de)非相似性測(ce)(ce)度(du)(du)(du)(du)，有(you)效克服了傳統歐氏空(kong)間(jian)影像(xiang)(xiang)(xiang)分(fen)(fen)割(ge)引(yin)入過多約束條件導致(zhi)算(suan)(suan)(suan)法(fa)冗余度(du)(du)(du)(du)增加的(de)(de)(de)(de)(de)問題。本(ben)發明穩定性好，收斂速度(du)(du)(du)(du)快，為遙感(gan)圖(tu)像(xiang)(xiang)(xiang)的(de)(de)(de)(de)(de)自(zi)動解譯提供(gong)了新思路。

附圖說明

圖1為本(ben)發明具體實施方(fang)式中的全色遙感圖像(xiang)分割方(fang)法流程圖；

圖2為(wei)(wei)本發(fa)明具體(ti)實施方式中(zhong)的仿真圖像(xiang)，其中(zhong)(a)為(wei)(wei)模擬圖像(xiang)，(b)為(wei)(wei)分割(ge)結果；

圖3為本發明(ming)具體(ti)實(shi)施方(fang)式(shi)中應用本發明(ming)方(fang)法對全(quan)色遙感影像的分割(ge)結(jie)果，其(qi)中(a1)～(e1)分別為不(bu)同的原始全(quan)色遙感圖像，(a2)～(e2)分別為對(a1)～(e1)的分割(ge)結(jie)果。

具體實施方式

下面結合附圖對本發明的具體實(shi)施方式做詳細說明。

一種全色遙感(gan)圖像分割方(fang)法，如圖1所示，包括：

步驟1、讀(du)取(qu)待分割全色遙感(gan)圖像；

本實施方式中，定義待分割全色遙感圖像域x＝{x_i|i＝1，2，...，n}，其中，x_i是第i個像素(su)(su)的(de)光譜測度，i為(wei)像素(su)(su)索(suo)引，N為(wei)總(zong)(zong)像素(su)(su)數，X為(wei)128×128像素(su)(su)，總(zong)(zong)像素(su)(su)數N＝16384。

步驟2、對待分割全色遙(yao)感圖像的像素點建立(li)高斯分布概率密度函數；

所述步驟2的具體步驟如下：

步驟2.1：計算像素i的8-鄰域內所有像素光譜測度的均值μ_i和方差σ_i；

其中，N_i為像素i的8-鄰域內所有像素集合，i′為該集合內像素的索引，#N_i表(biao)征該集合(he)內(nei)的像素個(ge)數。

步驟2.2：根據均(jun)值(zhi)和方差構建歐氏空間內每個像(xiang)素光譜測度(du)的高斯分布概率密度(du)函數；

像(xiang)素i的光譜測度的高斯分布(bu)概率(lv)密度函數(shu)表示為

其中，μ_i為像素i的8-鄰域內所有像素光譜測度的均值，σ_i為對應所有像素光(guang)譜測度的(de)方差。

步驟2.3：用每個(ge)像素(su)8-鄰域內像素(su)光譜測(ce)度的(de)高斯(si)分(fen)布(bu)概率密度函數表征該(gai)像素(su)點的(de)特征。

步(bu)驟3、將(jiang)高斯分(fen)布概率(lv)密度函數從(cong)當前(qian)的歐氏空(kong)間(jian)(jian)映射到黎曼(man)空(kong)間(jian)(jian)，構(gou)建數據(ju)子流(liu)形(xing)；

步驟3.1：對每個像素光譜測度(du)的高斯分布概率密度(du)函數變形：

令

再令

進而，公式(4)表示(shi)為

公式(shi)(7)中，k∈{1，2}，且(qie)采用愛因(yin)斯坦約(yue)定，即以便簡化公式(shi)表(biao)達。

步驟3.2：用新的參數表征像素i在黎曼空間的坐標；在黎曼空間中，參數(θ_i¹，θ_i²)看作流(liu)形(xing)(xing)上一點的(de)(de)坐標，參數集則表示流(liu)形(xing)(xing)坐標系。基(ji)于高斯分(fen)布(bu)概率密(mi)度函數構建的(de)(de)流(liu)形(xing)(xing)是一種(zhong)特殊的(de)(de)流(liu)形(xing)(xing)，具有對(dui)偶(ou)平坦的(de)(de)性質。因此，坐標系存在(zai)對(dui)偶(ou)坐標系其(qi)計(ji)算方法如下(xia)：

坐(zuo)標系可(ke)用坐(zuo)標系表示：

根據(ju)Legendre定理(li)

步驟3.3：將歐氏空(kong)間所有像素(su)點映射到黎曼空(kong)間，所有黎曼空(kong)間的(de)點構成的(de)集(ji)合即為數據(ju)子流形。

步驟4、設(she)參(can)數子(zi)流(liu)(liu)形(xing)(xing)上(shang)每一點(dian)表征(zheng)待(dai)分(fen)割(ge)全(quan)色(se)遙感圖(tu)像(xiang)中的(de)一個地物類別，每個圖(tu)像(xiang)分(fen)割(ge)結(jie)(jie)(jie)果(guo)對(dui)應參(can)數子(zi)流(liu)(liu)形(xing)(xing)上(shang)的(de)若干點(dian)，所有可能的(de)圖(tu)像(xiang)分(fen)割(ge)結(jie)(jie)(jie)果(guo)構成黎曼空間的(de)參(can)數子(zi)流(liu)(liu)形(xing)(xing)；在參(can)數子(zi)流(liu)(liu)形(xing)(xing)上(shang)隨機選取與地物類別數相同數量的(de)點(dian)，表征(zheng)初始的(de)圖(tu)像(xiang)分(fen)割(ge)結(jie)(jie)(jie)果(guo)；

步驟5、計(ji)(ji)算(suan)數據子(zi)流(liu)(liu)形(xing)上(shang)的(de)(de)點(dian)距(ju)參數子(zi)流(liu)(liu)形(xing)上(shang)各點(dian)的(de)(de)測地線(xian)距(ju)離(li)，將當前計(ji)(ji)算(suan)的(de)(de)數據子(zi)流(liu)(liu)形(xing)上(shang)的(de)(de)點(dian)劃分(fen)到測地線(xian)距(ju)離(li)的(de)(de)最(zui)小值對應的(de)(de)參數子(zi)流(liu)(liu)形(xing)上(shang)的(de)(de)點(dian)所(suo)屬的(de)(de)地物類別，即獲得(de)分(fen)割結果；

給(gei)定(ding)(ding)數據子流(liu)(liu)形上點r，參數子流(liu)(liu)形上的(de)(de)點t，分別用對偶(ou)坐(zuo)標系和(he)定(ding)(ding)義(yi)r、t兩(liang)點的(de)(de)坐(zuo)標，則兩(liang)點間(jian)的(de)(de)最短曲線距(ju)離即(ji)測地線距(ju)離定(ding)(ding)義(yi)為

公式(shi)(11)即為(wei)r，t兩點的(de)測地線。

步驟(zou)6、根據(ju)當前各(ge)地物類別所包含的數據(ju)子流形上的點(dian)，計(ji)算地物類別中各(ge)像素點(dian)的光譜測度的均(jun)值和(he)方差；

步驟7、根據計算(suan)出(chu)的(de)均值和方差構建表征地物類(lei)別的(de)高斯分(fen)布概(gai)率密度函數，并代替當(dang)前參數子流形上的(de)點表征新(xin)的(de)圖像分(fen)割結果中的(de)某(mou)一地物類(lei)別；

步(bu)驟8、若圖像(xiang)(xiang)分(fen)(fen)割(ge)結果(guo)不再改變(bian)，則當前參數子流形上的點表征數據子流形上點的最優圖像(xiang)(xiang)分(fen)(fen)割(ge)結果(guo)，即得到圖像(xiang)(xiang)分(fen)(fen)割(ge)結果(guo)，否則返回步(bu)驟5。

本(ben)發明(ming)可以(yi)在CPU為Core(TM)i5-34703.20GHz、內存4GB、Windows 10系統上使用MATLAB7.1軟(ruan)件編程實現(xian)仿真。

本(ben)實施方式中設計包含3個地物類別(bie)模擬圖像和真(zhen)實全(quan)色影像作為仿真(zhen)圖像。

圖2為仿(fang)真(zhen)圖像，其(qi)中(a)為模(mo)擬(ni)圖像，有(you)三種(zhong)地(di)物類別，I、II、III，(b)為該三種(zhong)地(di)物類別的分割結果。

圖3為(wei)本實施方(fang)(fang)式中(zhong)(zhong)(zhong)應用本發明(ming)方(fang)(fang)法對(dui)全色(se)遙感影(ying)像(xiang)(xiang)的(de)分(fen)(fen)(fen)(fen)(fen)割(ge)(ge)結(jie)果(guo)(guo)，其中(zhong)(zhong)(zhong)(a1)～(e1)分(fen)(fen)(fen)(fen)(fen)別為(wei)不(bu)同(tong)(tong)的(de)原始全色(se)遙感圖像(xiang)(xiang)，(a2)～(e2)分(fen)(fen)(fen)(fen)(fen)別為(wei)對(dui)(a1)～(e1)的(de)分(fen)(fen)(fen)(fen)(fen)割(ge)(ge)結(jie)果(guo)(guo)。圖3(a2)能夠(gou)(gou)有效(xiao)將圖3(a1)中(zhong)(zhong)(zhong)的(de)水域、建(jian)筑和水泥(ni)地面(mian)區分(fen)(fen)(fen)(fen)(fen)開來。圖3(b1)中(zhong)(zhong)(zhong)樹(shu)木邊界不(bu)清晰，且包含(han)大(da)量小目標，本發明(ming)方(fang)(fang)法能夠(gou)(gou)有效(xiao)將其提(ti)(ti)取出來。圖3(c1)包含(han)地物(wu)信息(xi)較為(wei)復雜，但(dan)圖3(c2)所示(shi)分(fen)(fen)(fen)(fen)(fen)割(ge)(ge)結(jie)果(guo)(guo)能夠(gou)(gou)較為(wei)準確的(de)將不(bu)同(tong)(tong)灰度級(ji)的(de)地物(wu)區分(fen)(fen)(fen)(fen)(fen)開來。圖3(d2)分(fen)(fen)(fen)(fen)(fen)割(ge)(ge)結(jie)果(guo)(guo)中(zhong)(zhong)(zhong)不(bu)同(tong)(tong)類型農田(tian)的(de)區分(fen)(fen)(fen)(fen)(fen)度較強。本方(fang)(fang)法能夠(gou)(gou)準確提(ti)(ti)取圖3(e1)中(zhong)(zhong)(zhong)的(de)白(bai)色(se)建(jian)筑，同(tong)(tong)時將建(jian)筑物(wu)和植被(bei)區分(fen)(fen)(fen)(fen)(fen)開來。可(ke)以看出，本發明(ming)的(de)分(fen)(fen)(fen)(fen)(fen)割(ge)(ge)結(jie)果(guo)(guo)能夠(gou)(gou)有效(xiao)區分(fen)(fen)(fen)(fen)(fen)各類目標，進而滿(man)足大(da)尺度遙感影(ying)像(xiang)(xiang)后續解(jie)譯需求。

表1為本實(shi)施方式中，以(yi)模板(ban)圖像為標準對本發明方法(fa)分(fen)割(ge)結果用戶精(jing)度、產品進度以(yi)及總精(jing)度的定量評價。可以(yi)看出，本發明能夠滿足(zu)大尺度遙感影像分(fen)割(ge)精(jing)度需求，其(qi)各(ge)區域精(jing)度均不低于94.6％，且總精(jing)度可達97.2％。

表1本(ben)發明分割結果(guo)各(ge)區域用戶精(jing)度(du)、產品精(jing)度(du)及總精(jing)度(du)

以上(shang)所(suo)述，僅為本(ben)發(fa)明(ming)中最基(ji)礎的(de)具(ju)體(ti)實(shi)施(shi)方(fang)式，但本(ben)發(fa)明(ming)的(de)保(bao)護范(fan)圍(wei)并(bing)不局限于此(ci)，任(ren)何本(ben)技(ji)術領域人(ren)士在本(ben)發(fa)明(ming)所(suo)揭露(lu)的(de)技(ji)術范(fan)圍(wei)內，可(ke)理(li)解到的(de)替換(huan)，都應(ying)涵蓋(gai)在本(ben)發(fa)明(ming)的(de)包含范(fan)圍(wei)之內，例如(ru)基(ji)于本(ben)發(fa)明(ming)方(fang)法(fa)的(de)其它遙感數據(ju)類型的(de)分類處(chu)理(li)，特(te)征提取等(deng)。因此(ci)，本(ben)發(fa)明(ming)的(de)保(bao)護范(fan)圍(wei)應(ying)該以權利要求書的(de)保(bao)護范(fan)圍(wei)為準。