面向对象的遥感影像分类研究.pdfVIP

科技创新导报 2010 NO.34 Science and Technology Innovation Herald 研 究 报 告 面向对象的遥感影像分类研究① 管珍 曹广超 易俊柱 (青海师范大学 西宁 810008) 摘 要:在基于传统的遥感影像分类方法的基础上,结合面向对象分析理论与方法,提出了面向对象的遥感影像的分类方法,通过实验分 析探讨了面向对象影像分类的关键技术。包括多尺度的分割,分类器的建立,包括最近邻分类和模糊聚类分类。实验表明,面向对象的分 类方法较传统基于像素分类法有较高的精度,具有很大的发展潜力。 关键词:面向对象的影像分类 图像分割 分类器 尺度 中图分类号:TP753 文献标识码:A 文章编号:1674-098X(2010)12(a)-0008-04 Abstract a better accuracy and a potential developing future. KeyWords:object-oriented classification;image segment;Classifier;scale 遥感影像可以利用图像光谱亮度值进 遥感图像分类,根据曹宝的研究可划 像分割、分形网络演化 (FNEA)分割等算 行分类,往往分类精度不高,因为没有考虑 分为3个层次:1)基于象元层次的分类方法; 法,考虑到分割后对象特征异质性最小,采 象元与其周围象元之间的联系(如图像空 2)基于对象或基元层的遥感分类,其中面 用分形网络演化方法进行影像分割。 间特征,形状特征以及上下文联系)。传统 向对象方法属于该层;3)基于知识的分类。 1.1.1基于边界的分割算法 分类方法是以单个象元为分类单元进行分 基于边界的分割算法可以分为两类:一 类的。分类方法有监督分类法和非监督分 1面向对象的遥感图像分类方法 类是先检测目标的边缘点,然后组成目标 类法等。从分类技术角度看,由于受空间分 随着技术的发展,基于面向对象影像 的边界来实现分割,如:微分算子、Hough变 辨率的制约,传统的遥感影像信息提取只 分割的分类算法应运而生,其最重要的特 换等;另一类是先确定边界的起始点,然后 能依靠影像的光谱信息,且是在像素层次 点就是分类的最小单元是由影像分割得到 根据某种策略进行顺序搜索,确定目标的 上的分类;所以仅仅依靠像素的光谱信息 的同质影像对象(图斑),而不再是单个像 边界来实现分割,如:边界跟踪、曲线拟合 进行分类,着眼于局部像素而忽略邻近整 素,可以实现较高层次的遥感图像分类和 等。这种分割方法适合处理区域内部异质 片图斑的纹理、结构等信息,必然会造成分 目标地物提取。通过该方法对遥感图像进 性小而且边界变化明显的情况,尤其适合 类精度的降低。在分类方法中人工目视解 行分割,首先同质区域(或基元),再根据遥 对特定目标的提取。但对于遥感影像信息 译虽然分类精度高,但耗时、工作量大,在 感图像分类或目标地物提取的具体要求, 提取而言,自然环境复杂多样,各环境要素 大尺度影像分类时效率较低,因而并不适 检测和提取目标地物的各种特征(如光谱、 之间的变化大部分是渐变的,这种方法很 [1] 形状、大小、结构、纹理、阴影、空间位置、相 难对整景遥感影像进行合理的分割,因此 用。如最大似然分类法 ,它是把象元归于 归属类别最大的类别中。神经网路分类法, 关布局等),从而达到对遥感图像进行分类 不适宜采用基于边界的方法对遥感影像进 是模拟人脑神经中枢的分类法。元胞自动 或目标地物提取的目的。面向对象的影像 行分割。 [2] 分类技术通过影像的多尺度分割来获得对 1.1.2基于区域的分割方法 机的分类法 ,用以模拟在时空具有离散特 征的各种现象。决策树分类法,是基于空间 象,分类时不仅依靠对象对应地物的光谱 基于区域的分割方法是利用区域内特 数据挖掘和知识发现的监督分类法。以及 特征,更多的是要利用其几何信息和结构 征的相似