论文部分内容阅读
随着遥感技术的发展,遥感影像的分辨率(包括空间分辨率、光谱分辨率、时间分辨率和辐射分辨率)有了极大的提高,应用领域也越来越广。高分辨率影像数据相比中、低分辨率影像数据具有更丰富和明显的空间信息、地物几何结构和纹理信息等其他细节信息。因此,高分辨率遥感影像被广泛应用于土地利用分类中。土地利用分类中最早用到的遥感技术是目视解译分类,其次是遥感数字图像的计算机分类。但是传统基于像素的遥感影像计算机分类技术只是对中、低分辨率遥感影像进行信息提取的效果较好,对于高分辨率的遥感影像,基于像素的分类方法则不能有效的提取影像中的丰富信息,而且容易使分类结果出现“椒盐现象”,导致出现很多无用的破碎图斑,所以分类的精度不高。为了克服基于像素方法在高分辨率影像应用中的局限性,有学者提出了面向对象的影像分析方法。面向对象的分类方法是以影像对象为基本处理单元,对象是与像素相对应的影像分析实体,是由同质的相邻像素集合组成,其大小由影像分割尺度与影像空间结构决定。因此,面向对象分类方法操作的是有意义的影像对象,参与提取信息的因子不仅仅是光谱信息,更重要的是形状、纹理和空间信息等。而基于像素的分析方法是以遥感影像中最基本的单元像素为基本单元提取信息,因此参与分类信息提取的只有像素本身的光谱信息。本次用的数据是浑源县“一张图”影像,它是由WorldView-I, SPOT-5和QuickBird影像三部分组成。本文选取QuickBird影像数据部分的一块区域作为研究区,对研究区影像分别进行基于像素和面向对象的分类,并对二者的分类结果进行比较和精度评价。本文用ENVI对影像进行基于像素的分类,包括监督分类中的最大似然法和最小距离法,非监督分类中的K-均值法和ISODATA法；用eCognition对影像进行面向对象的分类,包括最邻近法和隶属度函数法。在用eCognition进行分类之前,需要通过实验选取最优分割尺度,对影像进行多尺度分割,建立影像对象层次。本文采用60和120尺度进行多尺度分割,选取合适的影像特征空间(如亮度、形状、纹理等)作为信息提取的依据,分别用最邻近法和隶属度函数法在120尺度上提取面积较大的地类(如有林地、旱地和其他草地等),在60尺度上提取细小零碎的地类(如村庄、内陆滩涂和其他林地等),对120尺度上错分和漏分的地类进行纠正细分。通过对基于像素和面向对象的分类结果进行目视比较和精度比较,结果表明,采用面向对象的分类方法对高分辨率遥感影像进行土地利用分类信息提取可以有效的避免“椒盐现象”的出现,而且提取的地物形状也和实际地物的形状和属性有较高的一致性,分类效果更好,精度更高,易于理解与解译。