物件导向分类於高解析度影像自动判释.PDFVIP

航測及遙測學刊 第十三卷 第四期 第 273-284 頁 民國 97 年 12 月 273 Journal of Photogrammetry and Remote Sensing Volume 13, No.4, December 2008, pp. 273-284 物件導向分類於高解析度影像自動判釋 1 2 3 鄭雅文 史天元 蕭國鑫 摘 要 以往利用遙測影像分類之自動判釋土地覆蓋作業，多以各光譜段中各類別輻射值之差異進行分類， 但影像各像元間之空間相關性，亦有益於分類之資訊；隨著衛星影像空間解析度的提昇，其所擁有之空 間相關性資訊預期將更高，且有助於分類成果精度的提昇。本研究採用之物件導向分類方法，是利用影 像中呈現自然相鄰狀態特徵的方法，將影像依均調性、空間相關性 …等因素，分割成不等的影像區塊再 進行分類，故為一種結合空間相關資訊和光譜資訊的分類技術。其中之物件導向分類方法:包括 ECHO 、 Definiens ，與以逐像元方式進行分類之分類法：並與高斯最大似然法、倒傳遞類神經網路及支持向量機 等，進行分類成果比較。 研究中利用三幅不同土地覆蓋複雜度之 SPOT-5 融合影像(空間解像力 2.5 公尺*2.5 公尺) ，針對上述 五種分類演算法進行測試。結果顯示自動分類法應用於較繁雜之土地覆蓋，若影像具明顯的紋理特徵， 則物件導向方法可得到相對較佳的分類成果；而支持向量機分類法對於過於複雜的土地覆蓋類型，因無 法模擬出最適超平面區的分類別，故未能於各案例中穩定保持其分類精度之優勢。 關鍵詞：多光譜影像、土地覆蓋、分類 的相鄰像元合併成一個區塊，待影像被分解成不同 1. 前言 影像區塊後，再針對每個區塊進行分類。此種以影 多光譜影像進行土地覆蓋分類時，各類別間光 像區塊為基礎的物件導向分類演算法，主要優點在 譜差異度是分辨類別重要資訊。以往之影像分類方 於影像區塊可以提供形狀因子，如區塊周長、面積 法單純利用光譜資訊，計求出各類別分類依據後， 等，相較於單一像元僅能提供光譜上的資訊，更有 再針對每個像元逐一進行分類；此法忽略了具有意 利於地物的辨識與分類；同時，利用區塊整體的形 義的地物大多非由單一像元組成，且相鄰像元間相 狀來幫助識別地物，也較接近人類辨識的過程（莊 關性高；故除了各像元光譜資訊外，鄰近像元間輻 雲翰，2002 ）。另在影像之空間解析度提高時，預 射值之關係亦能提供分類的豐富資訊。相較於光譜 期能提供更豐富的空間資訊；因此，若能充份利用 資訊之使用，在分類中妥善引用空間資訊，目前仍 空間相關性 ，可有效提昇分類成果的精度(蕭國鑫、 為研究標的之一，如各種紋理指標之使用，即是利 等，2004 ；陳承昌，2006) 。本研究採用三幅不同 用像元間空間關係之一種方法；但採用紋理指標之 土地覆蓋複雜度區域為實驗區，利用 SPOT-5 衛星 計算量頗大，所以如何選擇指標種類及其參數進行 融合影像，比較僅使用像元個別波譜值型式分類演 分類為一重要抉擇。 算法，及考量像元間關係之物件導向分類法，探討 物件導向分類方法提供另一種加入空間相關 加入空間相關性之物件導向分類法，對於影像土地 性的策略，對於分類的成果應有助益(Robertson, 覆蓋分類精度是否具有提升效益。 1973 ；洪蜜琪，2007 ) ；其為一種將具有高相關性 1 內政部國土測繪中心 技士