本發(fā)明屬于遙感影像處理技術(shù)領(lǐng)域，尤其涉及一種基于動(dòng)態(tài)鏈?zhǔn)綀D模型的震害遙感影像分割方法及其系統(tǒng)。

背景技術(shù)：

地震災(zāi)害頻發(fā)，為人類(lèi)帶來(lái)極大的損失。面對(duì)惡劣的地震災(zāi)害，如何快速、準(zhǔn)確的提取其中的災(zāi)情信息，為災(zāi)害評(píng)估、抗震救災(zāi)、災(zāi)后重建等提供可靠的信息支撐具有重要意義。

高分辨率對(duì)地觀測(cè)技術(shù)的發(fā)展為地震災(zāi)害監(jiān)測(cè)提供了數(shù)據(jù)保障。目前，基于高分?jǐn)?shù)據(jù)的災(zāi)情判讀主要是目視判斷和人工解譯，自動(dòng)化程度不高，從而效率低，主觀性強(qiáng)。影像分割是實(shí)現(xiàn)自動(dòng)災(zāi)情信息提取的關(guān)鍵步驟。

盡管基于區(qū)域合并的影像分割方法相對(duì)于其它方法具有顯著的優(yōu)勢(shì)，但是在面對(duì)數(shù)據(jù)量大、復(fù)雜性高的遙感震害影像時(shí)，仍然存在一些不足：(1)算法效率低；(2)合并判據(jù)缺乏魯棒性；(3)區(qū)域合并順序紊亂，容易出現(xiàn)錯(cuò)誤分割，難以保證最小的整體分割誤差；(4)邊界定位誤差大，導(dǎo)致分割結(jié)果與震害地物不匹配。

技術(shù)實(shí)現(xiàn)要素：

為了解決現(xiàn)有技術(shù)的缺點(diǎn)，本發(fā)明提供一種基于動(dòng)態(tài)鏈?zhǔn)綀D模型的震害遙感影像分割方法及其系統(tǒng)。本發(fā)明能夠有效避免復(fù)雜震害遙感影像分割中的錯(cuò)誤分割，降低邊界定位誤差，提高分割正確率，使分割結(jié)果與震害地物更加匹配。

為實(shí)現(xiàn)上述目的，本發(fā)明采用以下技術(shù)方案：

一種基于動(dòng)態(tài)鏈?zhǔn)綀D模型的震害遙感影像分割方法，包括：

初始分割多光譜震害遙感影像，得到多光譜震害遙感影像的初始分割區(qū)域；

計(jì)算所有初始分割區(qū)域間的異質(zhì)度；

根據(jù)分割區(qū)域間的異質(zhì)度以及分割區(qū)域間的相鄰關(guān)系，構(gòu)建鏈?zhǔn)綀D模型；所述鏈?zhǔn)綀D模型包括相互鏈接的區(qū)域鄰接圖和最近鄰圖；

以最近鄰圖中的邊長(zhǎng)作為主鍵來(lái)構(gòu)建基于紅黑樹(shù)的優(yōu)先隊(duì)列，按照異質(zhì)性最低最優(yōu)先的規(guī)則進(jìn)行基于紅黑樹(shù)的優(yōu)先隊(duì)列動(dòng)態(tài)合并，最終得到與震害地物相匹配的多光譜震害遙感影像分割結(jié)果。

利用魯棒性多光譜形態(tài)梯度算法計(jì)算所有初始分割區(qū)域間的異質(zhì)度。

本發(fā)明能夠有效避免復(fù)雜震害遙感影像分割中的錯(cuò)誤分割，降低邊界定位誤差，提高分割正確率，使分割結(jié)果與震害地物更加匹配；本發(fā)明適用于航空和衛(wèi)星高分辨率光學(xué)遙感影像，能夠?yàn)檫M(jìn)一步進(jìn)行地震災(zāi)害評(píng)估和風(fēng)險(xiǎn)評(píng)價(jià)提供信息支撐。

本發(fā)明充分利用高分辨率震害遙感影像的豐富的空間特征和光譜特征，具有魯棒性的特點(diǎn)；通過(guò)動(dòng)態(tài)合并的方式，減弱錯(cuò)誤合并情況的發(fā)生；基于動(dòng)態(tài)鏈?zhǔn)綀D模型和紅黑樹(shù)，效率高。

采用Mean Shift算法對(duì)震害遙感影像進(jìn)行初始分割。其中，Mean Shift算法是一個(gè)迭代的過(guò)程，本發(fā)明能夠通過(guò)一個(gè)迭代的過(guò)程對(duì)影像進(jìn)行初始分割，獲得具有同質(zhì)性的初始分割區(qū)域，為避免復(fù)雜震害遙感影像分割中的錯(cuò)誤分割，降低邊界定位誤差以及提高分割正確率提供了初始條件。

該方法還包括對(duì)震害遙感影像進(jìn)行預(yù)處理，得到多光譜震害遙感影像；其具體過(guò)程為：首先將震害遙感影像數(shù)據(jù)轉(zhuǎn)換為地理坐標(biāo)投影和正射校正，然后進(jìn)行自動(dòng)數(shù)據(jù)融合，得到多光譜震害遙感影像。這樣能夠充分利用到多光譜震害遙感影像豐富的空間特征和光譜特征，提高分割正確率，使分割結(jié)果與震害地物更加匹配。

每個(gè)初始分割區(qū)域設(shè)置有一個(gè)唯一的編號(hào)。

構(gòu)建鏈?zhǔn)綀D模型的具體過(guò)程為：

根據(jù)初始分割區(qū)域的唯一的編號(hào)，將初始分割區(qū)域及初始分割區(qū)域內(nèi)的圖像信息存儲(chǔ)到區(qū)域鄰接圖中；

遍歷區(qū)域鄰接圖的每條邊以及每條邊對(duì)應(yīng)的節(jié)點(diǎn)，以及判斷每條邊對(duì)應(yīng)的節(jié)點(diǎn)是否互為最相似節(jié)點(diǎn)，若是，則將對(duì)應(yīng)的邊存儲(chǔ)至最近鄰圖中。

在區(qū)域鄰接圖的基礎(chǔ)之上，檢查區(qū)域鄰接圖中存在的互為最相似對(duì)象的節(jié)點(diǎn)，這樣的節(jié)點(diǎn)構(gòu)成閉合環(huán)。為了操作的快速性，這些閉合環(huán)通過(guò)最近鄰圖表示。區(qū)域鄰接圖和最近鄰圖是相互鏈接的，這樣保證了程序可以快速訪問(wèn)、修改任一元素。

構(gòu)建基于紅黑樹(shù)的優(yōu)先隊(duì)列的具體過(guò)程為：

建立一棵空紅黑樹(shù)；

遍歷最近鄰圖，將最近鄰圖的所有邊插入到空紅黑樹(shù)，得到填充后的紅黑樹(shù)；

優(yōu)先隊(duì)列的隊(duì)首指向填充后的紅黑樹(shù)的最左端。

本發(fā)明的合并操作所直接執(zhí)行的數(shù)據(jù)結(jié)構(gòu)并非區(qū)域鄰接圖和最近鄰圖，而是合并優(yōu)先級(jí)隊(duì)列，該隊(duì)列具有以下三個(gè)特征：1)長(zhǎng)度逐漸變?。?)最前端主鍵最??；3)能夠快速動(dòng)態(tài)的插入和刪除節(jié)點(diǎn)。由于本發(fā)明采用了動(dòng)態(tài)合并的策略來(lái)使得合并誤差最小，對(duì)應(yīng)的優(yōu)先級(jí)隊(duì)列也是動(dòng)態(tài)可變的。為了保證隊(duì)列效率，本發(fā)明采用了紅黑樹(shù)結(jié)構(gòu)來(lái)表示優(yōu)先級(jí)隊(duì)列，借助紅黑樹(shù)的優(yōu)越性能保證算法的高效性。

一種基于動(dòng)態(tài)鏈?zhǔn)綀D模型的震害遙感影像分割系統(tǒng)，包括：

初始分割模塊，其用于初始分割多光譜震害遙感影像，得到多光譜震害遙感影像的初始分割區(qū)域；

異質(zhì)度計(jì)算模塊，其用于計(jì)算所有初始分割區(qū)域間的異質(zhì)度；

鏈?zhǔn)綀D模型構(gòu)建模塊，其用于根據(jù)分割區(qū)域間的異質(zhì)度以及分割區(qū)域間的相鄰關(guān)系，構(gòu)建鏈?zhǔn)綀D模型；所述鏈?zhǔn)綀D模型包括相互鏈接的區(qū)域鄰接圖和最近鄰圖；

優(yōu)先隊(duì)列動(dòng)態(tài)合并模塊，其用于以最近鄰圖中的邊長(zhǎng)作為主鍵來(lái)構(gòu)建基于紅黑樹(shù)的優(yōu)先隊(duì)列，按照異質(zhì)性最低最優(yōu)先的規(guī)則進(jìn)行基于紅黑樹(shù)的優(yōu)先隊(duì)列動(dòng)態(tài)合并，最終得到與震害地物相匹配的多光譜震害遙感影像分割結(jié)果。

該系統(tǒng)還包括預(yù)處理模塊，其用于對(duì)震害遙感影像進(jìn)行預(yù)處理，得到多光譜震害遙感影像。

該系統(tǒng)還包括編號(hào)設(shè)置模塊，其用于對(duì)每個(gè)初始分割區(qū)域設(shè)置一個(gè)唯一的編號(hào)。

所述鏈?zhǔn)綀D模型構(gòu)建模塊，包括：

區(qū)域鄰接圖構(gòu)建模塊，其用于根據(jù)初始分割區(qū)域的唯一的編號(hào)，將初始分割區(qū)域及分割區(qū)域內(nèi)的圖像信息存儲(chǔ)到區(qū)域鄰接圖中；

最近鄰圖構(gòu)建模塊，其用于遍歷區(qū)域鄰接圖的每條邊以及每條邊對(duì)應(yīng)的節(jié)點(diǎn)，以及判斷每條邊對(duì)應(yīng)的節(jié)點(diǎn)是否互為最相似節(jié)點(diǎn)，若是，則將對(duì)應(yīng)的邊存儲(chǔ)至最近鄰圖中。

本發(fā)明的有益效果為：

(1)本發(fā)明能夠有效避免復(fù)雜震害遙感影像分割中的錯(cuò)誤分割，降低邊界定位誤差，提高分割正確率，使分割結(jié)果與震害地物更加匹配；本發(fā)明適用于航空和衛(wèi)星高分辨率光學(xué)遙感影像，能夠?yàn)檫M(jìn)一步進(jìn)行地震災(zāi)害評(píng)估和風(fēng)險(xiǎn)評(píng)價(jià)提供信息支撐。

(2)本發(fā)明充分利用高分辨率震害遙感影像的豐富的空間特征和光譜特征，具有魯棒性的特點(diǎn)；通過(guò)動(dòng)態(tài)合并的方式，減弱錯(cuò)誤合并情況的發(fā)生；基于動(dòng)態(tài)鏈?zhǔn)綀D模型和紅黑樹(shù)，效率高。

附圖說(shuō)明

圖1是本發(fā)明的基于動(dòng)態(tài)鏈?zhǔn)綀D模型的震害遙感影像分割方法流程圖；

圖2是本發(fā)明的計(jì)算初始分割區(qū)域間的異質(zhì)度流程圖；

圖3(a)是初始分割結(jié)果；

圖3(b)是區(qū)域鄰接圖RAG數(shù)據(jù)結(jié)構(gòu)；

圖3(c)是最近鄰圖NNG數(shù)據(jù)結(jié)構(gòu)；

圖4是鏈?zhǔn)綀D模型結(jié)構(gòu)示意圖；

圖5為基于紅黑樹(shù)的優(yōu)先隊(duì)列動(dòng)態(tài)合并流程圖；

圖6(a)是一幅高分辨率震害遙感影像，

圖6(b)是圖6(a)采用本發(fā)明的該方法的分割結(jié)果；

圖7是本發(fā)明的基于動(dòng)態(tài)鏈?zhǔn)綀D模型的震害遙感影像分割系統(tǒng)；

圖8是本發(fā)明的鏈?zhǔn)綀D模型構(gòu)建模塊結(jié)構(gòu)示意圖。

具體實(shí)施方式

下面結(jié)合附圖與實(shí)施例對(duì)本發(fā)明做進(jìn)一步說(shuō)明：

圖1是本發(fā)明的基于動(dòng)態(tài)鏈?zhǔn)綀D模型的震害遙感影像分割方法流程圖。如圖1所示的本基于動(dòng)態(tài)鏈?zhǔn)綀D模型的震害遙感影像分割方法，包括以下步驟(1)～步驟(4)這四個(gè)步驟。

步驟(1)初始分割多光譜震害遙感影像，得到多光譜震害遙感影像的初始分割區(qū)域。

在步驟(1)中，采用Mean Shift算法對(duì)震害遙感影像進(jìn)行初始分割。其中，Mean Shift算法是一個(gè)迭代的過(guò)程，本發(fā)明能夠通過(guò)一個(gè)迭代的過(guò)程對(duì)影像進(jìn)行初始分割，獲得具有同質(zhì)性的初始分割區(qū)域，為避免復(fù)雜震害遙感影像分割中的錯(cuò)誤分割，降低邊界定位誤差以及提高分割正確率提供了初始條件。

步驟(1)中，采用Mean Shift算法對(duì)震害遙感影像進(jìn)行初始分割是一個(gè)迭代的過(guò)程，每一次迭代的具體步驟為：

步驟(1.1)：計(jì)算Mean Shift向量；

給定帶寬h＝[hs，hr]，hs是空間域帶寬，hr是光譜域帶寬，其中，hs和hr均為大于0；對(duì)圖像特征空間中的中每一個(gè)點(diǎn)x_i，求x_i點(diǎn)的漂移量m_h,g(x)：

其中，x是當(dāng)前像素的特征矢量，g(x)是核函數(shù)，n是窗口的內(nèi)像素?cái)?shù)目，n為大于0的整數(shù)。

步驟(1.2)：根據(jù)上式計(jì)算得到的漂移量m_h,g(x)的移動(dòng)核窗口：

x^s+1＝x^s+m_h,g(x)

其中，s表示迭代的次數(shù)，s為大于或等于0的整數(shù)。

步驟(2)計(jì)算所有初始分割區(qū)域間的異質(zhì)度。

利用魯棒性多光譜形態(tài)梯度算法計(jì)算所有初始分割區(qū)域間的異質(zhì)度。

下面以魯棒性多光譜形態(tài)梯度算法來(lái)詳細(xì)說(shuō)明計(jì)算所有初始分割區(qū)域間的異質(zhì)度的過(guò)程：

如圖2所示，為了能夠顧及影像結(jié)構(gòu)的上下文信息，對(duì)于灰度影像窗口w(1≤w≤5)內(nèi)的一個(gè)結(jié)構(gòu)g，采用形態(tài)學(xué)梯度度量元素的相似性。若χ＝[X₁,X₂,...,X_n]為結(jié)構(gòu)g中的一系列光譜向量，那么該結(jié)構(gòu)對(duì)應(yīng)的多光譜形態(tài)學(xué)梯度表示為：

針對(duì)震害影像，為了提高魯棒性，減弱噪聲干擾，本發(fā)明通過(guò)提出s(3≤s≤8)個(gè)離群點(diǎn)的方式，構(gòu)造魯棒性的形態(tài)學(xué)梯度

其中R_S為被排除的向量對(duì)。

柵格影像掃描，計(jì)算區(qū)域間異質(zhì)性：

假設(shè)p和q是影像中兩個(gè)相鄰的區(qū)域，其異質(zhì)性的計(jì)算公式為：

其中l(wèi)表示計(jì)算長(zhǎng)度，l大于0；δ(O_p,O_q)表示獲取區(qū)域p和q的公共邊。

步驟(3)根據(jù)分割區(qū)域間的異質(zhì)度以及分割區(qū)域間的相鄰關(guān)系，構(gòu)建鏈?zhǔn)綀D模型；所述鏈?zhǔn)綀D模型包括相互鏈接的區(qū)域鄰接圖和最近鄰圖。

每個(gè)初始分割區(qū)域設(shè)置有一個(gè)唯一的編號(hào)。

其中，構(gòu)建鏈?zhǔn)綀D模型的具體過(guò)程為：

根據(jù)初始分割區(qū)域的唯一的編號(hào)，將初始分割區(qū)域及初始分割區(qū)域內(nèi)的圖像信息存儲(chǔ)到區(qū)域鄰接圖RAG中，記為G＝(V,E)。V是鄰接圖中的節(jié)點(diǎn)集，與每個(gè)區(qū)域?qū)?yīng)，相鄰區(qū)域通過(guò)邊連接；E是鄰接圖中的邊集，邊的長(zhǎng)短記錄了區(qū)域間的異質(zhì)度大小t_ab；

遍歷區(qū)域鄰接圖的每條邊et_ab和對(duì)應(yīng)的節(jié)點(diǎn)ab，以及判斷ab是否互為最相似節(jié)點(diǎn)，即e為最短邊。若互為最相似節(jié)點(diǎn)，則將對(duì)應(yīng)的邊加入到最近鄰圖。最近鄰圖通過(guò)鏈表存儲(chǔ)著指向E的指針，當(dāng)最近鄰圖或鄰接圖發(fā)生變化時(shí)，能夠迅速的更新另一方。

將圖3(a)所示的初始分割結(jié)果，轉(zhuǎn)換為圖3(b)所示的區(qū)域鄰接圖RAG數(shù)據(jù)結(jié)構(gòu)存儲(chǔ)，區(qū)域鄰接圖RAG中的節(jié)點(diǎn)表示原始的區(qū)域，區(qū)域鄰接圖RAG中的邊表示區(qū)域之間的異質(zhì)性。在區(qū)域鄰接圖RAG的基礎(chǔ)之上，檢查存在的互為最相似對(duì)象的節(jié)點(diǎn)，這樣的節(jié)點(diǎn)構(gòu)成閉合環(huán)，為了操作的快速性，這些閉合環(huán)通過(guò)最近鄰圖NNG表示，如圖3(c)所示。這樣的數(shù)據(jù)結(jié)構(gòu)，如圖4所示，區(qū)域鄰接圖RAG和最近鄰圖NNG是相互鏈接的，這樣保證了程序可以快速訪問(wèn)、修改任一元素。

步驟(4)以最近鄰圖中的邊長(zhǎng)作為主鍵來(lái)構(gòu)建基于紅黑樹(shù)的優(yōu)先隊(duì)列，按照異質(zhì)性最低最優(yōu)先的規(guī)則進(jìn)行基于紅黑樹(shù)的優(yōu)先隊(duì)列動(dòng)態(tài)合并，最終得到與震害地物相匹配的多光譜震害遙感影像分割結(jié)果。

其中，構(gòu)建基于紅黑樹(shù)的優(yōu)先隊(duì)列的具體過(guò)程為：

建立一棵空紅黑樹(shù)；

遍歷最近鄰圖，將最近鄰圖的所有邊插入到空紅黑樹(shù)，得到填充后的紅黑樹(shù)；

優(yōu)先隊(duì)列的隊(duì)首指向填充后的紅黑樹(shù)的最左端。

本發(fā)明的合并操作所直接執(zhí)行的數(shù)據(jù)結(jié)構(gòu)并非區(qū)域鄰接圖和最近鄰圖，而是合并優(yōu)先級(jí)隊(duì)列，該隊(duì)列具有以下三個(gè)特征：1)長(zhǎng)度逐漸變?。?)最前端主鍵最??；3)能夠快速動(dòng)態(tài)的插入和刪除節(jié)點(diǎn)。由于本發(fā)明采用了動(dòng)態(tài)合并的策略來(lái)使得合并誤差最小，對(duì)應(yīng)的優(yōu)先級(jí)隊(duì)列也是動(dòng)態(tài)可變的。為了保證隊(duì)列效率，本發(fā)明采用了紅黑樹(shù)結(jié)構(gòu)來(lái)表示優(yōu)先級(jí)隊(duì)列，借助紅黑樹(shù)的優(yōu)越性能保證算法的高效性。

該方法還包括對(duì)震害遙感影像進(jìn)行預(yù)處理，得到多光譜震害遙感影像；其具體過(guò)程為：首先將震害遙感影像數(shù)據(jù)轉(zhuǎn)換為地理坐標(biāo)投影和正射校正，然后進(jìn)行自動(dòng)數(shù)據(jù)融合，得到多光譜震害遙感影像。這樣能夠充分利用到多光譜震害遙感影像豐富的空間特征和光譜特征，提高分割正確率，使分割結(jié)果與震害地物更加匹配。

圖5為本發(fā)明的基于紅黑樹(shù)的優(yōu)先隊(duì)列動(dòng)態(tài)合并的流程圖，該過(guò)程是迭代執(zhí)行的。該過(guò)程中動(dòng)態(tài)的獲取優(yōu)先級(jí)隊(duì)列最前端的閉合環(huán)進(jìn)行合并。

將初始分割多光譜震害遙感影像得到具有同質(zhì)性的初始分割區(qū)域存儲(chǔ)中分割區(qū)域集合S中；

根據(jù)分割區(qū)域間的異質(zhì)度以及分割區(qū)域間的相鄰關(guān)系，構(gòu)建鏈?zhǔn)綀D模型；所述鏈?zhǔn)綀D模型包括相互鏈接的區(qū)域鄰接圖RAG和最近鄰圖NNG；

遍歷區(qū)域鄰接圖的邊，得到局部最形似對(duì)來(lái)構(gòu)建基于紅黑樹(shù)的優(yōu)先隊(duì)列；

選取于優(yōu)先隊(duì)列最前端的對(duì)象對(duì)Pair，進(jìn)行合并操作，通過(guò)記錄合并過(guò)程的鏈表ML記錄合并過(guò)程。如果m、k是真實(shí)場(chǎng)景中的兩個(gè)對(duì)象，那么m和k任一波段滿(mǎn)足異質(zhì)性準(zhǔn)則，即合并斷言(merge predicate)準(zhǔn)則：

其中，Q是所設(shè)置的尺度參數(shù)，為常數(shù)；α是圖像的量化范圍，α大于0；|R_|m||表示區(qū)域m的均值，|R_|k||表示區(qū)域k的均值，δ₁＝δ₂＝0.00001。

更新局部的NNG與相應(yīng)節(jié)點(diǎn)；

當(dāng)兩個(gè)區(qū)域發(fā)生合并時(shí)，修改對(duì)應(yīng)的局部NNG，顯然，區(qū)域合并后，原有的閉合環(huán)被打破，隨即動(dòng)態(tài)的判斷更新局部的鄰域關(guān)系。如果相應(yīng)的區(qū)域又產(chǎn)生了最相似對(duì)，那么在NNG要構(gòu)造出新的閉合環(huán)；

重復(fù)上述步驟，進(jìn)行新的合并，直到停止合并；

通過(guò)ML更新RAG，映射到柵格影像，得到最終分割結(jié)果。

圖6(a)為一幅高分辨率震害遙感影像，影像中典型地物目標(biāo)包括草地、林地、裸露山體、水體以及典型震害——滑坡，圖6(b)為圖6(a)對(duì)應(yīng)的分割結(jié)果，可見(jiàn)各種地物得到了較完整的分割，在此基礎(chǔ)上可以展開(kāi)后續(xù)的影像分類(lèi)與目標(biāo)提取工作。

圖7是本發(fā)明的基于動(dòng)態(tài)鏈?zhǔn)綀D模型的震害遙感影像分割系統(tǒng)。如圖7所示的基于動(dòng)態(tài)鏈?zhǔn)綀D模型的震害遙感影像分割系統(tǒng)包括：

初始分割模塊，其用于初始分割多光譜震害遙感影像，得到多光譜震害遙感影像的初始分割區(qū)域；

異質(zhì)度計(jì)算模塊，其用于計(jì)算所有初始分割區(qū)域間的異質(zhì)度；

鏈?zhǔn)綀D模型構(gòu)建模塊，其用于根據(jù)分割區(qū)域間的異質(zhì)度以及分割區(qū)域間的相鄰關(guān)系，構(gòu)建鏈?zhǔn)綀D模型；所述鏈?zhǔn)綀D模型包括相互鏈接的區(qū)域鄰接圖和最近鄰圖；

優(yōu)先隊(duì)列動(dòng)態(tài)合并模塊，其用于以最近鄰圖中的邊長(zhǎng)作為主鍵來(lái)構(gòu)建基于紅黑樹(shù)的優(yōu)先隊(duì)列，按照異質(zhì)性最低最優(yōu)先的規(guī)則進(jìn)行基于紅黑樹(shù)的優(yōu)先隊(duì)列動(dòng)態(tài)合并，最終得到與震害地物相匹配的多光譜震害遙感影像分割結(jié)果。

該系統(tǒng)還包括預(yù)處理模塊，其用于對(duì)震害遙感影像進(jìn)行預(yù)處理，得到多光譜震害遙感影像。

本發(fā)明能夠有效避免復(fù)雜震害遙感影像分割中的錯(cuò)誤分割，降低邊界定位誤差，提高分割正確率，使分割結(jié)果與震害地物更加匹配；本發(fā)明適用于航空和衛(wèi)星高分辨率光學(xué)遙感影像，能夠?yàn)檫M(jìn)一步進(jìn)行地震災(zāi)害評(píng)估、風(fēng)險(xiǎn)評(píng)價(jià)等提供信息支撐。

本發(fā)明充分利用高分辨率震害遙感影像的豐富的空間特征和光譜特征，具有魯棒性的特點(diǎn)；通過(guò)動(dòng)態(tài)合并的方式，減弱錯(cuò)誤合并情況的發(fā)生；基于動(dòng)態(tài)鏈?zhǔn)綀D模型和紅黑樹(shù)，效率高。

該系統(tǒng)還包括編號(hào)設(shè)置模塊，其用于對(duì)每個(gè)初始分割區(qū)域設(shè)置一個(gè)唯一的編號(hào)。

圖8是本發(fā)明的鏈?zhǔn)綀D模型構(gòu)建模塊結(jié)構(gòu)示意圖。如圖8所示的鏈?zhǔn)綀D模型構(gòu)建模塊包括：

區(qū)域鄰接圖構(gòu)建模塊，其用于根據(jù)初始分割區(qū)域的唯一的編號(hào)，將初始分割區(qū)域及分割區(qū)域內(nèi)的圖像信息存儲(chǔ)到區(qū)域鄰接圖中；

最近鄰圖構(gòu)建模塊，其用于遍歷區(qū)域鄰接圖的每條邊以及每條邊對(duì)應(yīng)的節(jié)點(diǎn)，以及判斷每條邊對(duì)應(yīng)的節(jié)點(diǎn)是否互為最相似節(jié)點(diǎn)，若是，則將對(duì)應(yīng)的邊存儲(chǔ)至最近鄰圖中。

本發(fā)明在區(qū)域鄰接圖的基礎(chǔ)之上，檢查區(qū)域鄰接圖中存在的互為最相似對(duì)象的節(jié)點(diǎn)，這樣的節(jié)點(diǎn)構(gòu)成閉合環(huán)。為了操作的快速性，這些閉合環(huán)通過(guò)最近鄰圖表示。區(qū)域鄰接圖和最近鄰圖是相互鏈接的，這樣保證了程序可以快速訪問(wèn)、修改任一元素。

上述雖然結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方式進(jìn)行了描述，但并非對(duì)本發(fā)明保護(hù)范圍的限制，所屬領(lǐng)域技術(shù)人員應(yīng)該明白，在本發(fā)明的技術(shù)方案的基礎(chǔ)上，本領(lǐng)域技術(shù)人員不需要付出創(chuàng)造性勞動(dòng)即可做出的各種修改或變形仍在本發(fā)明的保護(hù)范圍以?xún)?nèi)。