基于高分辨率遥感影像的植被信息提取.pdfVIP

技 富 三峡电力职业学院 陈 琚 [摘 要]本文利用面向对象影像分析的方法在eCog~lition的软件平台上 ，对中南大学校本部及周边地区的QuickBird快鸟遥感影像 进行预处理，多尺度分割，然后利用隶属度函数分类，提取植被信息，计算植被覆盖率。分类总体精度达到858％，分类稳定性好，可 信度和分类效果都很好 。 [关键词]面向对象 隶属度函数 高分辨率遥感 eCognition QuickBird 0、引言 直方图均衡化后影像 (12168×7097像素) 城市tt咱植被在改善城市生态环境、美化市容、调节城市生态平衡 {】发挥着t 作用，为实现城市植被的规划和建设，需要进行快速、高 效、高精度的城市植被信息提取。 遥感影像的识别和信息提取中，存在很多同物异谱和异物同谱 的现象，如果只是进行基于像元的光潜特征分类，着眼于局部像索而忽 略邻近整片 骈的纹理 、结构等信息，不能充分利用高分辨率遥感影像 的形状、大小、纹理 、空间位置关系等特征，就不能得到町靠性很高的分 类结果，也不能很好地解泽图像。 · 种全新的面向对象的分类技术出现了。面向对象的分类最重要 的特点就是分类的最小单元是F}j影像分割得到的同质影像对象 (图 3．影像分割 斑)．而不冉是 个像素。模糊分类是接近于神经网络和概率方法的一 f1)要区分植被和非植被，边界平滑度要求不高，但是边界细节要求 种非常强大的软分类器，是面向对象的分类方法之一，类别特征的描述 高，因此可降低光滑度 ，提高紧致度： 是通过隶 度 数f成员函数)米实现的 表现为一条曲线，横坐标为类 (2)要区分湖水等对边界有一定要求的类别，即边界要求较平滑， 特 f『(()Ei 形状 )，纵坐标为属于某一类别的隶属度 ，隶属度值通 要提高形状和光滑度，降低紧致度： ’ 0和 1之问 (3)如果地类对象面积小，比如建筑物分割选择较小的尺度参数：埘 1．研 究区概况 于地类对象面积大，比如分植被(林地大面积分布)分割时要考虑卡H对大 屠麓I)(似 r长沙城区南部 ．地形呈波状起伏，地势南北低、l1I部高， 的尺度 、 南尔 饵略斜． 部地势平坦，叶1部为丘陵地带 。由于长期受风雨侵 表 1多尺度分割参数 蚀．形成 l：：岗地，地质呈酸性 全区处于湘中丘陵向洞庭湖平原过渡 区分分割 =_【j标 分割方法 度 形状 紧敛度 地带 ，地貌类 多样．分布卡H对集中．山、丘、岗、平组合大体为2：3：3：2， 参数 (shape)((10111p~t(h¨ss) 适 于农、林、渔和城建、交通用地的综合布局。 麓 境匠、冈、平原地貌均有 ，大部分地区海拔高度为6O一80 水体和陆地 甚于三个波段的分割 IO0 03 (】．5 米．最低海拔约29米，最高点 山海拔362米，次高点岳麓山海拔 295 米，地势起伏比长沙市区其它四区都大，相对高度为333米。全境属暖 植被和非植被 基于分类 (陆地)的分割 50 ()2 0．6 带绿阔叶林红壤地带，井保存原生性常绿地次生林 2l处，其问还有狸、 道路 旗于分类(