基于RMNE方法的多尺度分割最優(yōu)分割尺度選取
關(guān)鍵詞：面向?qū)ο?emsp;多尺度分割 rmne 最優(yōu)分割尺度 信息熵
摘要：多尺度分割是面向?qū)ο蟮匚镄畔⑻崛〖夹g(shù)中的重要方法之一。最優(yōu)分割尺度的選取是該方法的研究熱點。針對現(xiàn)有最優(yōu)分割尺度選取方法大多僅利用對象光譜特征的局限,本文提出RMNE(the ratio of mean difference to neighbors (Abs) to entropy)方法,利用紋理特征的信息熵和光譜特征與鄰域均值差分絕對值進(jìn)行對象內(nèi)部同質(zhì)性和對象之間異質(zhì)性的衡量,構(gòu)建評價函數(shù),通過繪制函數(shù)曲線選取最優(yōu)分割尺度。以北京市城市邊緣地區(qū)6 m空間分辨率的SPOT6多光譜影像為例進(jìn)行多尺度分割,獲得最優(yōu)分割尺度組合為30,60和80,并與最大面積法和優(yōu)度函數(shù)法選取的最優(yōu)分割尺度對應(yīng)的分割結(jié)果進(jìn)行對比。結(jié)果表明,RMNE方法的分割結(jié)果最好,驗證了該方法的有效性和對高空間分辨率影像的適用性;通過與Google Earth影像對比,發(fā)現(xiàn)RMNE方法分割得到的影像對象大小與地物實際大小最為相符。
國土資源遙感雜志要求:
{1}參考文獻(xiàn)中的每條項目應(yīng)齊全。
{2}來稿文責(zé)自負(fù)，抄襲率控制在15%以內(nèi)，嚴(yán)禁一稿多投。
{3}文內(nèi)有關(guān)特定內(nèi)容的注釋以尾注形式寫明，序號用帶圓圈的阿拉伯?dāng)?shù)字表示。
{4}關(guān)鍵詞每篇文章可選4-5個關(guān)鍵詞，請選擇能反映論文主要內(nèi)容或研究方法的詞作為關(guān)鍵詞。
{5}正文中出現(xiàn)一百字以上的引文，不必加注引號，直接將引文部分左邊縮排兩格，并使用楷體字予以區(qū)分。一百字以下引文，加注引號，直接放在正文中。
注：因版權(quán)方要求，不能公開全文，如需全文，請咨詢雜志社
