基于多特征对象高分辨率遥感影像分类方法及其应用.pdfVIP

第１期，总第７１期 国　土　资　源　遥　感 Ｎｏ．１，２００７　 ２００７年３月１５日 ＲＥＭＯＴＥＳＥＮＳＩＮＧＦＯＲＬＡＮＤ＆ＲＥＳＯＵＲＣＥＳ Ｍａｒ．，２００７　 基于多特征对象的高分辨率遥感影像 分类方法及其应用 蔡银桥，毛政元 （福州大学空间数据挖掘与信息共享教育部重点实验室，福建省空间信息工程研究中心，福州　３５０００２） 摘要：提出了基于多特征对象的高分辨率遥感影像分类方法，分析了该方法相对于基于像元的和单纯依靠光谱特 征的传统处理方式所具有的优势，总结了该方法的特点，并给出了相关实验结果。实验表明，对于高分辨率遥感影 像，基于多特征对象的分类技术能产生较好的结果。 关键词：遥感影像；影像分割；多特征；对象；ｅＣｏｇｎｉｔｉｏｎ 中图分类号：ＴＰ７５１．１；ＴＰ７９　文献标识码：Ａ　　　文章编号：１００１－０７０Ｘ（２００７）０１－００７７－０５ 如果边界不容易获取或需要更新，则需要进行影像 ０　引言 分割。在许多情况下，只有影像被分割成同质区域， ［７］ 影像分析才能产生有意义的结果 。 随着航空航天和传感器技术的不断进步，遥感 Ｍａｕｒｏ采用Ｐｅｒ－ｆｉｅｌｄ方法集成高分辨率遥感影 影像的空间分辨率不断提高。目前广泛应用的高分 像和地形数据进行分类；Ｈｅｌｌｗｉｃｈ等采用该方法提 辨率影像的空间分辨率在 １０ｍ以内，Ｉｋｏｎｏｓ和 取高分辨率遥感影像的对象，都取得了令人满意的 ［８，９］ Ｑｕｉｃｋｂｉｒｄ影像已经达到甚至突破米级，影像上地物 结果 。国内倪玲研究了采用面向对象的方法表 的大小、形状及纹理等特征都非常明显。随着科学 达遥感影像处理的知识问题，认为利用对象进行基 ［１０］ 水平的进一步发展，遥感影像的空间分辨率将会越 于规则的推理，能提高遥感影像分类精度 。 来越高。这种提高一方面使得遥感影像提供的空间 基于多特征对象的分类方法首先将遥感对象在 信息越来越丰富，扩大了遥感的应用领域；另一方 不同层次上分割成一个个相互联系的对象，这些对 面，对传统的遥感影像处理方法也提出了挑战，要求 象有各自的光谱、纹理和形状等特征；再在这些对 人们在影像处理过程中融合更多的知识。 象上进行后续处理。与传统的称为面向像元的分类 基于像元的遥感影像分类主要借助统计识别理 方法相对应，该方法也可称为面向对象的分类方法。 论和方法，在技术和应用上已经很成熟。可单纯依 第一个面向对象的遥感影像处理软件 ｅＣｏｇｎｉｔｉｏｎ已 靠像元光谱统计信息对遥感影像进行分类有很大的 ［１１］ 经在商业上成功应用 。 局限性，精度低，而且会产生大量的数据冗余［１］。近 年来，人们在此基础上又研究出新的分类算法，如模 １　分类方法 ［２］ ［３］ ［４］ 糊分类 、人工神经网络 及小波分析 等，这些 方法在处理具有复杂空间特征结构的多源、多波段 １．１　主要优势 遥感影像时能够取得更好的分类结果，但是，从本质 与完全基于像元光谱信息的遥感分类方法相比， 上讲，它们都是基于像元层次的，在分类过程中没有 基于多特征对象的分类方法具有３个方面的优点。 充分利用遥感影像中包含的空间信息。