土地资源管理-遥感图像处理课程论文.docxVIP

浅谈面向对象分类方法摘要：近年来，各种类型的卫星遥感己经被广泛应用于土地的覆盖利用、环境监测、农业估产、森林火灾及政府决策等方面。对遥感影像数据的利用绝大多数的情况都需要对其进行分类以获取分类数据（专题数据），分类技术也称之为影像分析技术。一直以来，遥感影像数据的分类都是基于像素的。基于像素的遥感影像分类方法所提取出来的专题信息误差较大，会产生许多的无效破碎图斑，从而降低了分类精度。针对这些问题，近年来发展起来的一种新的影像分类方法——面向对象分类法是一种越于影像对象的分类方法。影像对象是指具有一定相似特征的像素的集合。相比传统的遥感影像分类方法，这种分类方法具有很多的优点：其影像分割可以分出同性质像元组成的影像对象，对象内部的光谱值差异极其微小甚至可以忽略，此消除了“椒盐现象”的产生；分类时对象之间的区分利用遥感影像所表现出的形状、空间、纹理等特征信息对影像进行分类，减小了“同物异谱”、“同谱异物”现象对分类精度的影响；采用多尺度分割空间信息的分析方法，能够满足提取不同尺度的地物信息的要求从而达到了较高的分类精度。论文尝试借助面向对象技术对泰安市土地现状进行简单分类来介绍面向对象分类技术。关键词：Landsat TM卫星影像数据，分割，面向对象分类。1面向对象研究方法综述近些年，许多分类方法在遥感应用出得到广泛的发展，例如：根据是否需要先验知识的监督、非监督分类方法：模拟人脑的某种抽样、简化，由大量处理单元（神经元）相互连接的人工神经网络方法；基于模式识别和人工智能技术的遥感图像解译专家系统分类方法等。尽管以上方法已经取得良好效果，但从本质上都是属于一种基于像素方法。完全基于像素的分析方法存在许多缺陷，例如通过数据源的单个像素只能反映出其自身光谱特性。这种分析方法不足以表达对地理学、景观生态学或其他学科具有认识论或者哲学意义的基本概念。面向对象方法是一种基于分割单元的分析方法。在这种分析方法不足以表达对地理学、景观生态学或其他学科具有认识论或者哲学意义的基本概念[1]。面向对象方法是一种基于分割单元的分析方法。在Baatz、Herold、Geneletti、Gorte、Thomas等研究人员的研究工作基础上，和德国Definiens Imaging公司推出eCognition软件, 美国 RSI 公司推出ENVI EX 等之后，为我们在面向对象的课题研究上提供了相关理论基础和软件准备。国内的中科院、南京大学、武汉大学、北京大学等各大高校、研究机构在面向对象的研究方向上也做出了突出的成绩，许多的方法值得我们借鉴。许多国内外学者运用面向对象分类方法进行了探索性研究，取得一些进展。面向对象影像分类方法的研究在我国起步较迟，衣燕、刘悦、文斯等对昆明市滇池流域的遥感影像，采用而向对象的分类方法进行了信息提取和分类并取得了很好的分类精度。2面向对象分类方法的优点面向对象分类方法，相对于传统分类方法有以下几个优点：(1)可充分利用遥感影像的多种特征，更接近人脑的解译方式。这种特征使得影像分类能充分利用影像的多种信息，因此，分类的依据就可以更多，分类更加灵活。人类对外部景物的感知是一个统一的整体，包括对场景中每个物体的形状、大小、颜色、距离等性质都按照精确的时空方位等特点被完整地感知。在目视判读遥感影像时，除感受色调、色相的差别外，还通过形状和位置的辨认来获得大量信息。在遥感影像中，任何地物都可以用其特征进行描述，只要提供足够且合适的特征，某一地物就可以和其它类别区别开。因而，模拟人脑的解译方式，将遥感信息的多种特征充分利用起来，是遥感信息高精度提取的重要途径。(2)可用不同的分割尺度生成不同尺度的影像对象层。因为所有地物类别并不是在同一尺度的影像中进行提取，而是在其最适宜的尺度层中提取。使得分类结果更合理。而传统的分类方法缺点是：基于像元级的处理；不同的影像目标处理均在同一尺度层次内进行。(3)统计勾纹理计算具有实际意义，使用形状因子、拓扑特征以及真实世界和影像对象之间的关系来定义对象的特征空间，从而使分类精度大大提高。(4)根据地物类别的特点提取不同尺度层上的信息。传统分类方法由于分类器设计的缺陷，使得传统分类方法只能在同一分辨率层次上对所有影像目标整体解算。这种方法阻碍了目标地物特性的提取。面向对象分类方法克服了传统分类方法的缺陷，可以在单一分辨率的影像基础上，根据像元光谱与空间分布的特征，形成具有不同分辨率的影像目标层次，从而形成具有层次结构的影像资源集合，从遥感影像中提取所蕴含的影像空间信息，提高了面向对象分类方法的分类精度与可靠性[2]。3面向对象分类方法研究面向对象的分类方法是种智能化的自动影像分析方法，它的分析单元不是单个像素，而是由若干个像素组成的像素群，即目标对象。目标对象比单个像素更具实际意义，特征的定义和分类均是基于