目前水体提取算法对中低分辨率遥感影像的提取效果较好，但应用于高分辨率影像细小水体时易受混合像元、异物同谱和阴影等因素的影响，从而出现误判。针对高分辨率影像中大面积水体和细小水体同时存在的问题，为快速地提取大面积水体并有效地避免细小水体提取中阴影的影响，采用多尺度和光谱差异分割提取较大面积水体，同时针对细小水体阴影的影响，提出一种新的阴影指数（LGR）结合面向对象的水体提取方法。对所提方法的提取结果与决策树、支持向量机、随机森林、NDWI＋NIR、卷积神经网络提取方法进行比较，实验得出提取水体的精度分别为94.86%、88.85%、87.15%、88.8%、91.46%、92.42%，说明所提方法对高分辨率影像大面积和细小水体具有较高的提取精度，并能通过不同尺度的分割保证较好的提取效率。

针对城市中疑似违章建筑物信息提取的问题, 提出了一种基于多尺度分割方法提取疑似违章建筑信息的新算法。该算法首先通过设置多尺度分割参数对遥感影像进行分割, 然后通过正射校正、辐射定标、大气校正对遥感影像进行预处理, 最后通过多尺度分割实验分析各参数对尺度分割效果的影响。研究结果表明分割尺度为 150、形状比例系数为 0.7、紧致度比例系数为 0.3 时, 影像的分割效果最佳。

正确将垄行分割为“垄”和“沟”是单目视觉导航农业机械在垄间自主耕种的关键。虽然垄行的颜色、纹理随土壤和开沟方式的不同呈现出多样性,但垄行在图像中的尺度由近及远逐渐变小。基于垄行尺度上的这一特征,提出了垄行多尺度分割算法。该方法利用高斯差分金字塔结构构建垄行多尺度特征集,再根据不同尺度下垄行特征的分布情况,对多尺度特征集中的图像进行中心化、灰度值饱和化处理;最后,将每一张特征图像分段并分别进行加权求和运算得到垄沟特征图像从而将图像分割为“垄区”和“沟区”。利用40个垄行样本对本文算法进行分割实验,结果表明,所提算法能有效分割出不同尺度中的垄行,而且能有效抑制土壤的局部特征所产生的噪声。

传统的基于光谱的遥感影像变化检测方法一般采用光谱的 均值、亮度、标准差等特征进行差值运算,但这些特征具有一定程度上的相关性,导致变化检测结果 出现很多虚检,而且阈值的选择对变化检测结果的影响也较大。传统利用光谱特征进行变化检测多基于 像素,检测结果会存在椒盐现象。针对这些问题,提出了一种面向对象的光谱分量替换变化检测方法,主要 利用两期影像的单波段光谱进行组合替换,从而突出变化信息,并采用分类的方法提取变化信息。实验结果 表明所提方法的变化检测精度可达86%左右。所提方法简单有效,可有效辅助土地利用变化监测、地理国情 覆盖变化监测等生产项目。

提出了一种基于多尺度特征融合的全卷积神经网络的视网膜血管分割方法,无需手工设计特征和后处理过程。利用跳跃连接构建编码器-解码器结构全卷积神经网络,将高层语义信息和低层特征信息进行融合;利用残差块进一步学习细节和纹理特征;利用不同空洞率的空洞卷积构建多尺度空间金字塔池化结构,进一步扩大感受野,充分结合图像上下文信息;采用类别平衡损失函数解决正负样本不均衡问题。实验结果表明,在DRIVE(Digital Retinal Images for Vessel Extraction)和STARE (Structured Analysis of the Retina)数据集上的准确率分别为95.46%和96.84%,敏感性分别为80.53%和82.99%,特异性分别为97.67%和97.94%,受试者工作特征(ROC)曲线下的面积分别为97.71%和98.17%。所提方法相较于其他方法性能更优。

通过分析高分辨率遥感影像中平原建成区的纹理特征和局部关键点特征，提出了基于多核学习、多尺度分割以及多假设投票的平原建成区提取方法。该方法利用MR8纹理特征和尺度不变特征变换(SIFT)算法提取建成区，融合多个特征进行学习和分类，从而加强了分类器的鲁棒性和稳定性，提高了检测准确率。该方法还通过超像素分割和多假设投票将基于图像块的判别结果转化为基于像素的检测结果，完全消除块状效应，使得目标区域具有准确的边缘和形状。在多幅GF-1卫星遥感图像上进行测试，结果显示: 提出方法的平均检测精度为80%，平均召回率高于85%，平均F值可达80%以上，综合指标高于其他方法，验证了提取平原地形建成区的可行性和准确性。由于建成区提取结果已精确到了像素级别，同时避免了漏检和误检，提取出的建成区影像很准确。

传统的像素级变化检测对辐射校正及阈值选择要求较高，因而在实际应用中受到诸多限制。在分析多尺度分割的基础上，提出了一种目标级的变化检测方法。分别利用粗、细尺度对各时相遥感图像的融合图像进行面向对象分割，以获取不同尺寸的目标区域，构造目标的特征进行向量分析得到差异图，并定义变化信息的强度，再利用多值逻辑理论将粗、细尺度下的检测结果进行决策级融合。实验结果表明，与传统的像素级检测方法相比，该方法受辐射差异影响小，检测精度更高，且检测结果对变化强度的衡量准确，能对应于有一定物理意义的目标变化。

近年来, C-V模型被广泛用于图像分割, 但计算速度是制约其应用的一个重要因素, 如果处理数据量较大、内 容复杂的高分辨率遥感图像, 耗费时间更长.本文采用C-V模型与小波变换的结合, 不仅大大提高了影像的处理速 度, 而且实现了图像的多尺度分割, 并具有良好的抗噪能力.实验结果显示, 在保证分割质量的前提下, 与直接使用 C-V模型的多尺度分割方法相比, 该方法能够提高处理速度1～2倍.

电磁特性数据是电子信息装备内场仿真试验不可或缺的数据资源,为了克服传统电子信息装备仿真试验中的电磁特性数据获取方法的不足,提出了从遥感影像中大批量获取大区域范围的电磁特性数据的新方法。首先依据不同地物的电磁特性规律对某一地域的地物进行了分类,从多尺度分割概念和基于异质性最小的区域合并算法两个方面,深入研究了针对地物分类的面向对象多尺度分割算法,并结合实践对算法进行了应用。由于遥感影像的真实性,保证了电磁特性数据提取的准确性与可靠性,实践证明此研究为大批量获取电磁特性数据提供了一种有效的方法和思路。

提出改进的最小割(IMC)模型以避免分割出小的孤立点集,研究了改进的最小割模型与加权核K均值之间的等价关系,列举了几种常见的用于建立图割模型边权值的相似度函数,并分析了其对分割结果的影响。在此基础上,设计了一个基于图的加权核K均值图像多尺度分割方法,该方法既避免了基于图割的图像分割中图谱的求解问题,又避免了加权核K均值方法中核矩阵的选取问题,同时实现了对图像多尺度的分割。通过对该方法进行抗噪性能的分析,以及在光学图像上对实验结果进行比较,验证了所提出方法的有效性。