上網查閱了一些莫蘭指數，通常的解釋為空間相關性的特征指數，用於衡量地區之間是否相關。但是由於最近做的一篇論文中提到了將莫蘭指數用於欠分割和過分割的檢測問題，對於此處目前還不是很了解。
網絡上目前能夠搜索到的大多是一些通過莫蘭指數來繪制人口、pm2.5熱點圖這樣的一些應用。對於這樣的一些圖，可以從中看出地區之間遠近對於待調查的變量的影響程度。
對於莫蘭指數，我們需要知道的是，其值的范圍為【-1，1】，其值接近1，則表示兩者越接近正相關，越接近-1，則為負相關，越接近0，則表示相關性越弱。
從而，將莫蘭指數應用於圖像分割效果檢測上也就沒那么突兀了。應用莫蘭指數前，需要先將圖像進行分割處理，具體的操作流程為：
1.用ecognition之類的軟件對圖像進行處理（通過其外置的ESP2插件即可）
2.輸出分割后的標簽文件圖像（以后直接叫他標簽文件吧，比較簡潔😄）【注意】一個標簽文件中包含了多個對象，一個對象即對應一種標簽，后面會設法將至合並
3.通過標簽文件的每一個對象的內部像素的坐標值，我們便可以訪問其實際原圖像的像元值。
4.通過計算每一個對象實際像元集合，得到一個標量，用於計算墨蘭指數，其中全局莫蘭指數表示一個對象與周圍所有對象總體的關聯性，而局部莫蘭指數為一個列表，表示和周圍每一個對象的關聯性指數。
5.對於每一個對象我們可以記錄其內部方差和局部莫蘭值，在這里，我們設置一個參考值來表示其內部異質性。從而形成一個新的對象指數列表。
根據上文可知，H值范圍為-1~1，過低則表示同質性高，過分割，需要再次進行分割；過高則表示異質性高，欠分割，需要和周圍對象進行合並。
6.此處我們對這個新列表中的數據記錄其本來的對象編號，再根據其內部指數對其進行排序，取兩邊的同質性和異質性較強的部分區域，對其進行合並和分割處理。從而達到優化的目的。