标记分水岭算法是什么？

遥感图像分割可定义为将遥感图像分解成若干各具特性、互不相交的像元集合的过程。图像分割是成功进行图像自动解译与目标识别的基础。本研究首先利用标记分水岭变换得到初始图像分割结果，然后将相邻的具有一定相似性的区域进行合并，算法迭代直到所有相邻区域间的异质性大于设定的尺度阈值为止。

Vincent和Soille提出的分水岭变换被广泛应用于图像分割领域。该方法是一种基于拓扑理论的数学形态学的分割方法，其基本思想是把图像看做是测地学上的拓扑地貌，图像中每一点像素的灰度值表示该点的海拔。

分水岭变换以梯度图像作为输入图像，得到的是输入图像的集水盆图像，集水盆之间的边界点即为分水岭。但是分水岭算法往往存在过度分割的问题，使得同一个目标被分成多个对象，丧失了原有特征。基于标记点的分水岭变换是对传统分水岭分割的改进，该方法是通过算法生成标记点，以标记点作为注水点而不是选择极小值作为注水点。标记可以是点、线或者一个连通的区域，每个标记最终生长成一个分割区域。

每个标记点最终会形成一个积水盆地(即分割后的图像对象)，每个对象应表示一个目标地物，因此为确保地物目标被提取出来，目标中应包含至少一个标记点，而同时为避免一个目标被分割得过于细碎，一个目标中包含的标记点应当尽可能少(一个为最佳)。由于目标提取前无法预先知道目标的位置和大小，因此难以完全准确地确定标记点的位置，所以标记点的选取就是分水岭算法中的重点和难点。