论文部分内容阅读
随着航空航天遥感技术的飞速发展,遥感数据的空间、光谱和时间分辨率的快速提高,高分辨率卫星遥感技术已经发展到了一个崭新的高度。面向对象分析(object based image analysis)作为连接遥感与地理信息系统的桥梁,在高分影像的提取分类应用当中占据着主导的地位,并拥有着传统的基于像元的分类方法无法比拟的显著优势。同时也是高分辨率遥感影像中提取地理信息数据的主要手段。然而,事实上客观事物具有一定的层次性。物体和现象只有当被赋予了一定的尺度范围作为约束条件才能使其变得有意义。相同的对象在不同的尺度下也会呈现出完全不同的景观特征。因此,对于不同的对象采用不同的分割尺度来划分,这在高分辨率遥感影像地物信息分类提取当中至关重要。本文针对不同的对象,根据对象所具有的特征,选择基于对象本身的最优分割尺度对影像进行分割,并创建不同分割尺度的影像对象层。在这些对象层上通过建立不同的分类规则集,来实现对研究区主要地物的分类提取研究。最后将分类结果与传统的基于像元的分类结果加以对比分析,并做出精度评价。本文的主要研究结果如下:(1)在基于大量的理论基础和反复的实验下,结合影像中实体的特征,利用面向对象分类方法对影像对象进行分类提取。在影像分割的过程中,综合运用均值方差法、最大面积法和矢量距离法三种方法进行最优分割尺度的确定。利用分割尺度与之对应的变化关系,结合实际地物本身的复杂程度,选取各类待分地物对应的最优分割尺度来创建不同的尺度对象层。实验表明,通过上述方法所选择的最优分割尺度能很好的将不同的对象区分开来,有效避免了“过分割”和“欠分割”现象,使影像对象之间的可区分性大大增加。在很大程度上提高了高分影像分类提取的精度。(2)在建立多尺度对象层的基础上,针对信息提取的难易程度,以及城市主要地物本身的不同特征,建立了具有一定层次结构的尺度对象层。首先依据待分地物之间的空间关系和地理特性,综合参考对象光谱、几何、纹理和类相关特征实现分类规则集的建立。采用阈值法、隶属度函数法和最临近分类法等分类方法对研究区中地物进行分类,并提取道路、房屋、水域、林地、裸地等主要地物。由于植被和建筑物阴影会对道路的提取造成很大的干扰,为了提高道路的提取精度,本文运用了阴影弥补法、区域生长法等方法,有效的减小了道路的提取误差,提高了道路分类提取的精度。(3)运用传统基于像元分类方法和面向对象多尺度分割方法对同一影像做分类,比较分类结果,并对结果进行精度评价。通过精度分析验证了多尺度的面向对象分割方法对于高分影像城市地物提取显著优势。