ОЦЕНКА КАЧЕСТВА СЕГМЕНТАЦИИ ДЛЯ РАЗРАБОТКИ ПРОСТРАНСТВЕННЫХ РЕЗОЛЮЦИЙ ОЧЕНЬ ВЫСОКОГО РАЗРЕШЕНИЯ СПУТНИКОВОГО ИЗОБРАЖЕНИЯ

Т.Кавзоглу, Х.Тонбул

Аннотация. Из-за сложной природы отдаленных изображе­ний трудно построить осмысленные объекты изоб­ражения, сегментируя ландшафтные объекты в изоб­ражении. Поскольку многие факторы, в том чис­ле выбор параметров, плотность полос, спек­тральное разрешение, пространственное разреше­ние и текстурная информация влияют на качество сегментов, которые должны быть созданы, необ­хо­дим всеобъемлющий анализ для обеспечения высо­кокачественных объектов изображения. В этом ис­следовании влияние пространственного разрешения на качество сегментации было проанализировано с использованием спутникового изображения World­view-2 при пяти различных пространственных раз­решениях (0,5, 2, 4, 8, 16 метров). Алгоритм сегмен­тирования мультирезоляции, наиболее широко ис­пользуемый метод и доступный в программном обеспечении eCognition, был использован для про­цессов сегментации в этом исследовании. Влияние пространственного разрешения на качество сег­мен­тации было исследовано по трем конкретным типам землепользования / покрытия, а именно: строитель­ству, пастбищным угодьям и дорогам, используя ка­чественные показатели показателя формы, индекс пригодности области и показатель качества. Было замечено, что повторная выборка изображения с 0,5 до 2, 4, 8, 16 метров заметно снижает качество ре­зультатов сегментации. Например, при увеличении пространственного разрешения от 8 до 16 метров показатель качества снизился примерно на 77% для класса дороги. Результаты этого исследования по­казали, что использование разрешений на 4 или бо­лее (т. Е. 0,5 и 2 метра) даст приемлемые результаты с точки зрения показателей сегментации. Когда бо­лее низкое разрешение является предпочтительным, качество сегментов значительно уменьшается, поэ­тому созданные объекты изображения становятся слишком грубыми, что указывает на увеличение не­досегментации.

ЛИТЕРАТУРА

1. Baatz, M., Schape, A., 2000, Multiresolution Seg­mentation: An  Optimization  Approach  for  High  Qu­ality  MultiScale Image Segmentation. Strobl, J., Bla­schke, T. and Griesbner, G. (Ed.), Angewandte Geo­graphische Informations- Verar­beitung, XII, Wichmann Verlag, Karlsruhe, Ger­many, 12-23.

2. Cheng, J., Bo, Y., Zhu, Y., Ji, X., 2014. A novel met­hod for assessing the segmentation quality of high-spa­tial resolution remote-sensing images. In­ternational Jo­urnal of Remote Sensing 35 (10), 3816–3839.

3. Clinton, N., Holt, A., Scarborough, J., Yan, L., Gong, P., 2010. Accuracy Assessment Measures for Ob­ject-based Image Segmentation Goodness. Photogram­metric Engineering & Remote Sensing 76 (3), 289–299.

4. Drăgut, L., Csillik, O., Eisank, C., Tiede, D., 2014. Automated Parameterisation for Multi- Scale Image Segmentation on Multiple Layers ISPRS Jo­urnal of Photogrammetry and Remote Sensing, 88 (100), 119–127.

5. Johnson, B., Xie, Z., 2011. Unsupervised image seg­mentation evaluation and refinement using a multi-scale approach. ISPRS Journal of Photo­grammetry and Re­mote Sensing 66, 473-483.

6. Kavzoglu, T. 2017. Object-Oriented Random Forest for High Resolution Land Cover Mapping Using Qu­ickbird-2 Imagery, Handbook of Neural Computation, pp. 607-619, pg.   658, ISBN: 9780128113196, Amster­dam: Elsevier.

7. Kavzoglu, T., Yildiz Erdemir, M., Tonbul, H., 2017. Classification of semiurban landscapes from very high resolution satellite images using a regio­nalized multi­scale segmentation approach. Journal of Applied Re­mote Sensing, 11 (3), 035016.

8. Kavzoglu, T., Tonbul, H., 2018, An Experimen­tal Comparison of Multi-Resolution Segmentation, SLIC and K- Means Clustering for Object-Based Classifi­ca­tion of VHR Imagery. International Jo­urnal of Remote Sensing, (published online), doi.org/10.1080/01431161.2018.1506592.

9. Kim, M., Madden, M., Warner., T. A., 2009. Forest Type Mapping Using Object-specific Tex­ture Measures from Multispectral IKONOS Image­ry: Segmentation Quality and Image Classification Issues. Photogram­metric Engineering & Remote Sensing, 75 (7), 819–829.

10. Kim, M., Warner, T.A., Madden, M., Atkinson, D.S., 2011. Multi-scale GEOBIA with very high spatial resolution digital aerial imagery: scale, tex­ture and image objects. International Journal of Re­mote Sensing 32 (10), 2825–2850.

11. Lenarčič, Š.A., Ritlop, K., Duric, N., Cotar, K., Oš­tir, K., 2015. Impact of spatial resolution on cor­relation between segmentation evaluation metrics and forest classification accuracy, Proceedings of SPIE — The International Society for Optical Engi­neering, pp. 9643,96430T.

12. Lucieer, A., Stein, A., 2002. Existential Uncer­tainty of Spatial Objects Segmented from Satellite Sensor Ima­gery. IEEE Transactions on Geoscience and Remote Sensing 40, 2518–2521.

13. Mesner, N., Oštir,K., 2014. Investigating the impact of spatial and spectral resolution of satellite images on segmentation quality.  Journal  of  Ap­plied  Remote  Sensing  8,  083696–083696.

14. Neubert, M., Herold, H., Meinel,  G.,  2006. Evalua­tion  of remote sensing image segmentation quality–fur­ther results and concepts. The Interna­ti­onal Archives of the Photogrammetry, Remote Sensing and Spatial Infor­mation Sciences, vol. XXXVI, no. 4/C42, pp. 6-11, 2006.

15. Winter,  S.,  2000.  Location  Similarity  of  Re­gions.  ISPRS Journal of Photogrammetry and Re­mote Sensing 55 (3), 189–200.

16. Zhang, Y. J., 1996. A Survey on Evaluation Methods for Image Segmentation. Pattern Re­cog­nition 29 (8), 1335–1346.

17. Zhang, H., J., Fritts, E., Goldman, S. A., 2008. Ima­ge Segmentation Evaluation: A Survey of Un­supervised Methods. Computer Vision and Image Understanding 110, 260–280.

18. Zhang, L., Li, X., Yuan, Q., Liu, Y. 2014. Ob­ject-based approach to national land cover map­ping using HJ satellite imagery. Journal of Applied Remote Sensing 8, 083686

Скачать статью