引言
由于笔者从事二分类问题的研究,另外实验室也有此类算法的实现需要,因此从该文开始,笔者将连续讲解基于Python封装函数进行遥感图像特征的分割方法与实现。本文将以NDVI特征为例,进行农田环境下建筑物的分割。本章节代码共分成两部分,第一部分,输出值为图像灰度化后的阈值,第二部分输出为NDVI特征阈值,根据NDVI阈值,在ArcMap中实现结果输出及展示。
主要方法原理
(1)最大类间方差法(OTSU)
简单的说,这种算法假设一副图像由前景色和背景色组成,通过统计学的方法来选取一个阈值,使得这个阈值可以将前景色和背景色尽可能的分开。或者更准确的说是在某种判据下最优,与数理统计领域的 fisher 线性判别算法其实是等价的。
假设取一个最优阈值把原图像分为前景色(A部分)与背景色(B部分),那么两部分的类间方差越大,说明两部分差别越大,便能有效的分割图像。所以该算法最关键的是找到最优阈值。当数据的灰度直方图呈现双峰分布时,二分类的Otsu算法就能够较好地实现图像分割。