遥感影像面向对象分类技术在地理国情监测中应用研究.docVIP

遥感影像面向对象分类技术在地理国情监测中应用研究 　　摘要：以吴忠市地理国情监测普查数据试生产项目为依托,采用面向对象的分类技术对高分辨率遥感影像进行自动分割和分类,并将WorldView-2影像中提取的信息与人工分类方法的提取结果进行对比。试验结果表明该方法具有较高的精度,可以大大提高地理国情监测地表覆盖信息提取的生产效率。 　　关键词：面向对象 高分辨率 信息提取 地理国情监测 eCognition 　　中图分类号： C922 文献标识码：A 文章编号： 　　1、引言 　　地理国情是从地理的角度分析、研究和描述国情,以地球表层自然、生物和人文现象的空间变化和它们之间的相互关系、特征等为基本内容。开展地理国情监测就是综合利用现代测绘技术和各时期测绘成果档案,对地形、水系、湿地、冰川、沙漠、地表形态、地表覆盖、道路、城镇等要素进行动态和定量化、空间化的监测，从地理空间的角度客观、综合展示国情国力，为政府决策提供科学依据。地理国情信息可以使用遥感为主的技术手段进行获取,通过地表形态、地表覆盖和地理国情要素三个方面,从不同角度对基本地理国情、综合地理国情和分专题的地理国情进行比较全面的描述[1]。 　　高分辨率遥感影像是地理国情监测普查数据重要的数据源,如何快速、高效的从影像数据中提取地理国情监测信息是当前数据普查及后期数据更新的重要研究内容。面向对象的信息提取方法可以很好的利用高分辨率遥感影像丰富的光谱、纹理、形状等信息，且提取结果较适合地理国情信息的提取要求，因此，本文采取基于面向对象的分类方法借用eCognition软件进行影像分割与地表覆被分类。 　　试验区域和影像数据 　　吴忠市位于宁夏回族自治区中部，辖利通区、红寺堡区、盐池县、同心县、青铜峡市。本次试验区域位于青铜峡市城郊,遥感数据源为WorldView-2经正射校正的卫星遥感影像,包括B、G、R3个多光谱波段影像。 多光谱影像空间分辨率为0.5米。影像获取时间为2011年。 　　3、分类方法 　　面向对象的分类方法是一种自动影像分析方法,它的分析单元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??定义和分类均是基于目标进行的。面向对象方法的影像分类与面向像元的影像分类本质的区别在于:前者是以对象为研究目标,同时考虑了光谱特征和空间特征,后者以单个像元为目标,忽略了地物之间的关系[2]。影像分割后形成若干个互不交叠的非空子区域,每个子区域的内部都是连通的并且具有相同或者相似的特性,从而有效减少了“椒盐效应”。结合研究区域特征,应用面向对象的方法,本文提出以下信息提取技术流程,如图1。 　　 　　 　　 　　图1 技术流程图 　　3.1影像分割 　　采用多尺度分割算法,这种方法综合遥感影像的光谱特征和形状特征,计算影像中每个波段的光谱异质性与形状异质性的综合特征值,然后根据各个波段所占的权重,计算影像所有波段的加权值,当分割出对象的光谱和形状综合加权值小于某个指定的阈值时,进行重复迭代运算,直到所有分割对象的综合加权值大于指定阈值即完成影像的多尺度分割操作。 　　`面向对象方法的核心在于精确的影像分割,分割时根据要素类别情况,可多次试验尺度因子、形状/光谱、紧致度/光滑度参数对分割结果的影响,设置合理的分割参数,得到相对理想的分割结果。本实验经过反复试验后,当分割阈值为70,形状因子为0. 3, 紧致度因子为0. 5时,分割的效果达到最好,如图2所示。 　　 　　 　　 　　图2 分割效果图 　　3.2建立分类体系 　　根据影像条件和地理国情普查要求,在本试验中设定了9类：草地、道路、房屋、耕地、构筑物、林地、施工区、水体和硬化平地。建立这9个类别的分类体系,确定每一类的名称和颜色（见图3）。 　　 　　 　　 　　图3 分类体系 　　 　　eCognition中提供两种不同的分类器,本试验采用最邻近分类方法。最近邻分类方法类似于传统图像分析软件中的监督分类,需要选择样本,样本是一个类的典型代表,在声明每个类的样本对象后,每个影像对象都赋为特征空间中最邻近样本所代表的类中[3]。根据分类体系对每个类别进行采样,开始对每个类选择一个或者少量的样本对象,使特征空间中覆盖此类的范围,尤其当这一类是非均质时,采样的个数越多,对分类的结果的贡献就越大。 　　3.3知识库构建 　　对象知识库是多种特征的集合,选取地物的多种特征,建立分类规则,能够得到良好的结果。本试验建立对象知识库所选择的特征如下[4]： 　　（1）亮度 　　影像对象的图层数量除以包含光谱信息的图层平均值的总和（一个影像对象的光谱平均值的平均值）。通过选择的样本可以查看每一类的亮度范围,通过调整亮度值可以使各类之间的