基于高分辨率遥感影像的农村聚落信息的提取.docVIP

PAGE PAGE 6 《测绘通报》测绘科学前沿技术论坛论文集 基于高分辨率遥感影像的农村聚落信息的提取 罗震 杨存建 李小文 （电子科技大学自动化工程学院地表空间信息技术研究所， 成都610054） 摘 要：高分辨率遥感影像为用户提供了丰富的地表细节信息, 如何利用图像分析技术从高分辨率遥感影像中进行目标提取、更新地理信息数据库, 成为遥感信息处理研究的热点。传统的房屋提取方法一作者简介：罗震（1983.9—），男，汉族，江西南昌人，硕士，主要研究方向：遥感图像处理；杨存建（1967.2—），男，汉族，四川成都人，博士，教授，主要研究方向：遥感图像处理与地理信息系统；般基于像素的提取, 仅利用了像素的光谱信息作为房屋提取的依据, 无法利用影像的空间信息。本文提出了一种面向对象的高分辨率卫星影像房屋提取方法。首先, 对影像进行分割获取影像对象, 再通过对QuickBird影像中房屋的机何特征的分析 作者简介： 罗震（1983.9—），男，汉族，江西南昌人，硕士，主要研究方向：遥感图像处理； 杨存建（1967.2—），男，汉族，四川成都人，博士，教授，主要研究方向：遥感图像处理与地理信息系统； 关键词：遥感；面向对象；聚落提取；影像分割；eCognition；VC 一、引言 遥感影像智能信息提取一直是遥感研究领域的一个重要课题，在基于高空间分辨率遥感的聚落信息提取研究方面，目前主要集中在城市和城镇级的聚落信息提取方面，如文贡坚等对从SPOT高空间分辨率卫星遥感影象上提取城市目标信息[4]，李锦地等探讨了基于高分辨率遥感影像的城市建筑密度和容积率提取方法的研究[5]。而在农村聚落信息提取方面的研究还有待开展。国内外也加大了遥感影像信息提取研究的力度。在高分辨率遥感影像上，不仅地物的光谱特征更加明显，而且所表现景观的结构、形状、纹理等信息也非常突出，因此大大扩展了遥感影像的应用范围。然而，随着空间分辨率的提高使得影像的尺寸或相同地面面积的像元数也随之增加，同时同一地类的光谱、空间异质性大大增加。这些因素都对影像智能解译提出了新的要求。传统的人工判读和识别工作量大、成本高, 因此利用计算机对遥感影像目标自动识别、特征提取是当前遥感信息处理的重要方向。聚落的提取是遥感信息提取中较难一个课题， 其提取可以分为全自动和半自动两种。全自动提取无疑是遥感影像目标识别与特征提取的最终目标, 但是由于遥感影像的复杂性和多样性, 对建筑等人工地物的自动提取又涉及到计算机视觉、人工智能、模式识别与图像理解等诸多方面。因此尽管自动提取房屋等面状状地物的研究已经进行了多年, 国内外专家在这方面做了大量的探讨和努力, 但至今仍无一般意义上的最佳方法。 本文通过对高分辨率卫星影像房屋的光谱特征、几何特征和空间特征的分析, 结合高分辨率卫星影像的特点, 采用eCognition 软件,结合VC编程，提出了一种面向对象的高分辨率卫星影像道路提取方法。 二、面向对象的房屋提取方法 在高分辨率遥感影像中, 房屋表现为具有一定面积、长度和宽度的面状地物, 传统的方法采用区域生长算法，如如基于最小二乘B样条曲线的道路识别方法、基于边缘跟踪的方法等及边缘检测法等。但这些提取的算法主要还是基于像元的灰度特征的, 其在实用性、准确性等方面离大规模实际应用还有较大的差距。 面向对象的影像分析方法将影像对象作为影像分析的基本单元, 影像对象是指影像分割后若干“同质”像素的集合。在很多特征信息提取的问题中, 能够完整表现目标特征的并非单个像元, 而是那些“同质”像素的集合, 因此, 基于对象的分析方法能更好地利用目标的特征。采用面向对象的提取方法有以下优势: 首先, 通过对影像分割, 噪声问题可以得到较好的解决, 因为这些噪声区域将和其周边的像元一起合并到特定的影像对象中去, 这使得部分孤立地物被融入房屋对象中。其次, 采用面向对象的方法, 可充分利用道路的几何结构特征(长、宽、面积等) 和光谱特征(方差、均值等)。 在面向对象的聚落信息提取中, 房屋被分割成一个个具有一定面积、长度、宽度的方形对象, 这些对象具有以下两个特征: 一是在灰度上具有一定的相似性, 二是这些对象具有一定的面积或较小的长宽比，且符合一定的范围。因此可首先利用对象的灰度特征提取出灰度满足条件的影像对象; 再通过一个形状参数的约束得到满足上述条件的建筑。 三、技术流程 面向对象的高分辨率影像聚落信息提取方法的技术流程如图1。首先对影像进行分割获取同质区域, 通过对多边形对象的分析建立知识库体系, 利用知识库中的规则来提取建筑。 图像分割 图像分割 建立多种知识库 图像预处理 房屋提取 输出结果并评价 遥感影像数据 图1 聚落提取流程 3.