面向对象的高分辨率卫星影像土地分类.docVIP

面向对象的高分辨率卫星影像土地分类 　　摘要： 本文采用面向对象的方法对高分辨率卫星影像进行土地分类信息提取。首先利用最近邻分类法对多尺度分割后形成的影像对象块粗分类。随后根据各地类的影像特征构建知识库，优化错分类的地类信息。试验表明，面向对象的高分辨率影像土地分类能充分利用影像信息，提高了信息提取的精度。 　　Abstract： This paper proposes an objected-oriented method to extract land-use from high-resolution satellite image. Firstly， the nearest neighbor classification method is used to obtain rough classification result though judgment of image objects. These image objects come from multiresolution segmentation to raw image. Then， the knowledge base is constructed according to the image features of different classes. Lastly， land-use information is optimized using knowledgebase. The experiment result show that object-oriented land-use information extraction could use image information completely and obtain better effect. 　　关键词： 土地分类；高分辨率卫星影像；面向对象；知识库 　　Key words： land-use information；high spatial resolution satellite image；object-oriented；knowledge base 　　中图分类号：S127 文献标识码：A 文章编号：1006-4311（2017）24-0187-03 　　0 引言 　　土地分类是按照土地自然属性进行的土地类型划分，分类后形成的土地类型是土地资源评价、土地利用规划的基础。传统的分类方式以实地勘察为主，但这类方式速度慢、时效性低。随着QuickBird、GeoEye、Worldview等高分辨率卫星影像的出现，人们在利用影像的光谱信息的同时还可以利用影像中丰富的纹理和地物形状、位置信息，这为土地类型快速、准确地划分提供了条件。 　　利用高分辨率遥感影像进行信息提取时，如果采用传统的面向像元方法会由于高分辨率影像信息的丰富性、细致性产生大范围的“椒盐现象”，造成分类精度的降低。面向对象的遥感影像分类方法能利用影像中的光谱、纹理、空间信息进行影像类别判定，从而能提高信息提取的精度。Hackelford和Davis通过对比面向对象分类方法与面向像元分类方法，得出了面向对象的分类方法更适合于进行城市或城郊分类信息提取的结论[1]。Hofmanne使用面向对象的分类方法针对IKONOS影像较好的识别了非正式居民地[2]。余坤勇、许章华、刘健等使用“基于片层-面向类”算法实现了南方山地丘陵区的竹林信息提取[3]。余晓敏、湛飞并采用了一种基于影像对象最优化特征组合的方式对城市地表信息提取[4]。莫登奎等则基于模糊逻辑分类的面向对象的分析方法提取了株洲市城乡结合部的土地覆盖信息[5]。这些方法虽然取得了不少研究成果，但在提取的速度、自动化程度上还与实际的运用有一定的差距[6]。 　　本文利用高分辨率卫星影像自身的光谱、空间、纹理特征，对研究区进行土地分类信息提取。 　　1 面向对象的土地类型提取方法 　　面向对象的信息提取是将影像分割成同质影像块后模拟人类认知事物的过程对分割好的影像块设定条件，将满足条件的影像块分配到合适的类别中去，最后得到与实际相符的分类图[7]。本文采用的面向对象土地分类流程如图1所示。 　　1.1 影像分割 　　影像分割是面向对象遥感信息提取的第一步，只有通过分割才能形成具有光谱、纹理、形状、位置信息的影像对象块。分割算法包括对比度分割、多阈值分割、光谱差异分割等，在?]有任何辅助数据的条件下将原始遥感影像数据进行分割的常用算法是多尺度分割。多尺度分割是基于给定分辨率影像对象的最小影像异质性的由下至上分割，而影像的异质性由光谱、光滑度和紧凑度三个指标决定，计算公式为shape=1-color；shape= smoothness +compactne