面向对象的遥感影像分类技术试题.ppt

汇报人：黄晶晶 1 . 面向对象的遥感分类概述 是一种基于目标的分类方法，这种方法可以充分利用高分辨率影像的空间信息，综合考虑光谱统计特征，形状，大小，纹理，相邻关系等一系列因素，得到较高精度的信息提取结果。 最主要特点：分类的最小单元是由影像分割得到的同质影像对象（图斑），而不再是单个像素。 技术关键：多尺度影像分割技术 基于规则的模糊分类技术。 2. 面向对象的遥感分类优势 （1）针对分割形成的影像对象单元进行其特征的提取，可以充分地利用高分影像数据的光谱、纹理和形状特征等空间几何属性信息。 （2）基于区域同质性原则和多尺度分割的基础上，减少了影像像元光谱差异影响，针对不同地物能取得较好的分类效果。 （3）以影像分割的对象单元为单位进行影像的分类，将大大地提高遥感影像的分类的速度。 （4）有效减少了遥感影像数据的“同质异谱”及“异质同谱”和基于像素分类的“椒盐”现象。 （5）面向对象的分类技术还能促进多源 GIS 数据之间的利用和融合。 3. 研究方法 将遥感影像分割成与实际的地物类别相对应的一个个影像对象的实体单元，然后针对影像的对象分割单元提取对象的多空间特征值进行处理分析，建立多特征对象的分类体系，面向对象的分类技术充分使用了高分遥感影像的空间几何、纹理特征和光谱等特征属性信息，最后利用影像的分类算法完成了最终的分类步骤 4. 遥感影像分类技术方法的总体比较 5. 遥感图像的分割技术——面向对象分类的关键技术之一 基本思想 是将一幅遥感图像依据区域异质性规则分割成一个个有意义的子区域的集合，分割结果的质量直接决定了分类精度的高低。 主要方法 基于边界分割的方法 基于区域分割的方法 5.1 基于边缘的分割 基本原理 是首先先要确定边缘的象素，并通过连接这些边缘像素在一起来形成所要的边界。边缘之所以存在就是由于两个相邻的区域之间具有了不同的大小灰度值，边缘的检测主要就是利用一阶的导数和二阶的导数来进行检测。 阶梯形状表明了处于图像里两个拥有不等的灰度大小的相邻区域，脉冲形状则表示了对应的灰度值发生突变的图像区域的集合，针对图（a）和（b）来说，一阶导数表示了在图像中从暗变明整个变化过程的位置处有 1 个阶跃，即用其来检测边界是否是存在的，边缘位置的检测则是通过利用求解二阶导数的过 0 点来具体得到的；相对(c)来讲，其脉冲的上升沿与下降沿正好就分别对应了 2 个二阶导数过 0 点的位置；针对(d)来说，屋顶形状的边缘来检测屋顶的位置则是由剖面的一阶导数过 0 点来统一确定的。 5.1 基于边缘的分割 边缘检测 梯度算子：是一种矢量，对应的就是图像的一阶单数算子，检测边缘灰度值变化敏锐的效果较好 拉普拉斯算子：一个二阶导数，是没有方向性的标量算子，相比于梯度算子的计算量要小，由于不提供边缘方向信息，一般用在边缘像素已知的情况之后，主要是来确定该像素在图像的明暗哪个区域 5.1 基于边缘的分割 边缘连接 由于边缘检测的方法，图像噪声会产生间断现象，因此需要通过边缘连接的方法形成完整有意义的封闭边界 主要方法： 邻域连接法 全局链接法 霍夫变换 5.2 基于区域的分割 基本原理： 将各个图像象元划归到各个子区域中，依据相似性准则直接取出满足特征相似条件的图像区域。 主要方法： 阈值分割 区域增长 分裂-合并 5.2 基于区域的分割 阈值分割：通过预设阈值大小将图像进行分割，基础则是图像灰度的直方图。 主要分为全局、自适应和最佳的阈值分割 区域增长：是以种子像素为基本单位不断合并周围像素进行图像分割的过程，算法基本思想是首先选择种子点，然后确定区域增长过程中像元合并的规则，最后制定区域增长的停止条件。 分裂-合并：是将整幅图像分裂为小的子区域再合并相似区域的过程。算法流程是首先四等份均分图像中灰度不同的子区域，然后合并满足特征相似性准则的像素，重复上述操作直到没有新的分裂-合并情况为止. 5.3 基于区域增长的多尺度分割技术 多尺度分割技术：是一种既能自动生成遥感影像的影像对象，又能将这些影像对象按等级结构连接起来的一门技术。借助于这种技术，就可以理解遥感影像对象如何在不同尺度区域之间相互作用，从而反映地表物体的固有形态。 a. 等级网络的底层是像素层，及分割的原始影像； b. 小尺度的对