影像分割将若干像元按照一定的规则合并为影像对象，影像分割质量是面向对象分类方法成败的关键（傅刚，2016）。影像分割根据灰度、纹理、颜色等特征进行影像分割，将遥感影像分割成不同的区域，在这些区域内部，图像具有相同或相似的特征属性，而在不同区域内，图像特征具有明显差异，在这些区域的边界上表现出不连续性。
影像分割分为自上而下型和自下而上型两类。自上而下型又称为知识驱动型，根据知识规则和先验模型直接指导分割过程，包括棋盘分割（Chessboard Segmentation）和四叉树分割（Quadtree Based Segmentation）；自下而上型又称为数据驱动型，根据影像数据自身的特征直接进行影像分割，包括多尺度分割（Multiresolution Segmentation）和光谱差异分割（SpectralDifference Segmentation）（傅刚，2016）。
4.2.1.1 棋盘分割
棋盘分割是最简单的分割算法，它采用矩阵分块的原理，将整幅图像或特定的一个图像对象分割成许多给定大小的相等正方形小对象，常被用于细分图像与图像对象（方海泉等，2019）。采用不同分割参数的棋盘分割方法对Sentinel-2遥感影像进行分割处理，分割效果见彩图22。
4.2.1.2四叉树分割
四叉树分割与棋盘分割类似，但它是将整幅图像或特定的一个图像对象分割成许多大小不同的正方形（倪林，2002）。在裁剪出第一个正方形网格后，继续进行四叉树分割，如果符合同质性标准就停止分割，如果不符合同质性标准，则继续进行分割，直到在每个正方形中都符合同质性标准。采用不同分割参数的四叉树分割方法对Sentinel-2遥感影像进行分割处理，结果见彩图23。
4.2.1.3 多尺度分割
多尺度分割通过合并相邻的像元或小的分割对象，在保证对象与对象之间平均异质性最小、对象内部像元之间同质性最大的前提下，基于区域合并技术实现影像分割（谭衢霖等，2007）。多尺度分割的主要参数包括：分割尺度、波段权重、形状因子和紧致度因子，分割参数的设置对后续的遥感影像分类有着直接影响。
1.分割尺度的设置
在进行多尺度分割时，选择一个最优分割尺度有利于提高遥感影像信息提取的精度。最优分割尺度指在该分割尺度下，能清晰表达地物的轮廓，影像分割后对象的大小与该地物类别的真实情况接近，且在同一对象内部的同质性最强，不同影像对象间的异质性最大，使得属于不同地类的对象具有最大的可分性，从而得到最佳分类结果（朱琳，2015）。当分割尺度设置不当时，容易造成影像的“欠合并”或“过合并”现象，导致分割不足或过度分割（Ton etal，1991）。
ESP（Estimation of scale Parameter）尺度评价工具，于2010年首先提出，针对的是eCognition软件中的多尺度分割算法，常被用于确定不同地物类别的最优分割尺度（Drǎguţet al，2010）。2014年，Drǎguţ等对ESP工具进行了改进，提出ESP2（Estimation of scale Parameter2）工具（Drǎguţetal，2014）。在不同分割尺度参数下，把通过ESP工具计算的影像对象同质性的局部变化（local variance，LV），作为分割对象层的平均标准差（standard deviation），以此来判别最优分割效果。并通过LV的变化率值ROC-LV（rates of change of LV）来获得对象分割最优尺度参数，当LV出现峰值时（变化率值最大），该点对应的分割尺度值即为一个最优分割尺度（李娜等，2016）。一般地，ESP计算得到的最优分割尺度并非只有一个，这是由于几个最优分割尺度是针对影像内不同地物得出的，不同的地物有各自的最优分割尺度（马浩然，2014）。LV的变化率值ROC-LV的计算公式为：
式中，V(L)为目标层即L层对象层的平均标准差，V(L-1)为目标层L层的下一层L-1层对象层的平均标准差。在eCognition软件中ESP工具和ESP2的参数设置界面如图4-9和图4-10所示，ESP工具共有6个分割参数，而ESP2工具共有13个分割参数。
图4-9 ESP工具参数设置界面
图4-10 ESP2参数设置界面
ESP工具需要设置的参数包括（Drǎguţetal，2010）：
a）Step size scale parameter：尺度计算的步长。
b）Starting scale parameter：初始尺度参数。
c）Use ofhierarchy：使用层次与否（其中0代表尺度参数的计算是基于像素分别独立生成的；1则代表尺度参数是基于层次生成的且较高层次基于较低层次进行分割）。
d）Numberof loops：循环范围，即从开始计算尺度参数后要计算的尺度范围。
e）Shape：形状因子。
f）Compactness：紧致度因子。
ESP2工具需要设置的参数包括（Drǎguţetal，2014）：(www.xing528.com)
a）Selectmap：本次计算的对象图层，默认为main。
b）Use of Hierarchy（0=no；1=yes）：是否使用多层次流程，不使用为0，使用为1，默认为1。
c）Hierarchy：TopDown=0 or Bottom…=1：自上而下参数为0，自下而上参数为1，默认为1。
d）Starting scale_Level1：第1层分割起始尺度，默认为1。
e）Step size_Level1：第1层分割尺度的增长步长，默认为1。
f）Starting scale_Level2：第2层分割起始尺度，默认为1。
g）Step size_Level2：第2层分割尺度的增长步长，默认为10。
h）Starting scale_Level3：第3层分割起始尺度，默认为1。
i）Step size_Level3：第3层分割尺度的增长步长，默认为100。
j）Shape（between 0.1 and 0.9）：形状因子，默认为0.1。
k）Compactness（between 0.1 and 0.9）：紧致度因子，默认为0.5。
l）Produce LVGraph（0=不生成；1=生成）：生成LV图，默认为0。
m）Numberof loops：循环次数，默认为100次。
以ESP2的默认参数进行分割实验，计算结果如图4-11所示，在分割尺度为31、37、43、47、53和57处出现了峰值，对应着不同地物的最优分割尺度。
图4-11 ESP2工具界面及计算结果
2.波段权重的设置
由于影像分割涉及光谱异质性计算，因此需要设置各波段的权重，波段权重值越大，则该波段在影像分割时贡献的信息就越多。在实际分割时，可根据波段特性和目标地物的大小，按照需要调整波段权重，eCognition软件中默认的每个波段的权重均为1。
3.形状因子和紧致度因子的设置
同质性表示最小异质性，由颜色和形状两部分组成，两者权重之和为1。而形状又由光滑度和紧致度两部分组成，两者权重之和也为1。因此，在参数设置时只需要设置形状因子和紧致度因子，颜色因子和光滑度因子分别用1减去形状因子和紧致度因子即可得到。
波段权重、形状因子和紧致度因子为默认值，分别为1、0.1和0.5，分割尺度分别为31和57时的Sentinel-2影像分割效果见彩图24。
4.2.1.4 光谱差异分割
光谱差异分割是一种分割优化手段，不能直接基于像元层来创建新的分割层，而是基于其他分割算法得到的分割结果，通过分析相邻分割对象的亮度差异是否满足给定的阈值来决定是否将对象进行合并（杜斌，2014）。如多尺度分割+光谱差异分割，采用分割尺度为57，波段权重、形状因子和紧致度因子都为默认值的多尺度分割+光谱差异分割方法对Sentinel-2遥感影像进行分割处理，结果见彩图25。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
