基于ENVI的高分辨率遥感图像土地利用分类方法研究_王胜男.pdf

数字技术 应用研究 与应用 基于 ENVI 的高分 辨率遥感图像土地利用分类方法研究 * 王胜男 汪西原 (宁夏大学 宁夏银川 750021) 摘要:本文针对传统的分类方法仅使用光谱信息特征提取高分辨率遥感影像地物信息时存在的各种缺陷。利用联合影像中光谱、纹理、几何特 性等多特征的面向对象分类法,对山东省威海市部分沿海地区土地利用进行分类研究。并且与传统的监督分类法对比分析,验证了面向对象分类法对 高分辨率遥感影像分类的适用性及高精准性。 关键词:高分辨率 遥感影像分类 监督分类法 面向对象分类法 中图分类号:TP751 文献标识码:A 文章编号:1007-94 16(20 16) 10-0 105-02 土地利用很大程度上决定着人类的生产和生活,同时人类活动 1.2.1 非监督分类 也改变着土地利用类型的分布和属性。随着海洋资源的进一步开 非监督分类,又称聚类分析,它无需训练样本,是计算机以图像 发,沿海地区作为开发海洋基地的作用愈显重要。因此,科学地进行 的统计特征为根据进行的自动分类。ENVI软件执行非监督分类时, 土地利用分类,有助于考察岛陆土地利用状况,满足调查研究以及 人为控制地将地物类数定义为多于目标类数的值,分类之后通过参 制图的需要,也有利于合理制定沿海地区的经济建设,可持续地开 照原始影像进行目视解译将部分类别进行删除或合并,最终得到分 [1] 发和使用海洋资源 。 类结果,常用循环集群法和K-均值聚类法。由于非监督分类存在不 遥感技术是一种信息时代的产物和工具,具有周期动态性、信 能确定类别属性的特点,监督分类法应用更加广泛。 息量丰富、获取效率高等优势。随着遥感技术的日益成熟,图像质量 1.2.2 监督分类 如空间分辨率和光谱分辨率得到很大提高。高分辨率遥感影像有着 监督分类,又称训练分类法,利用已知样本的像元特征去识别 传统的遥感影像不存在的特点,如空间分辨率高、时间分辨率高、信 未知类别的像元所属类别。ENVI分类中,分析者首先选取图像每种 息量大、所包含的地物的几何和纹理信息更加明显、能提取地物三 地物的训练区,计算机计算每种训练区的统计信息,进行像元和训 [2] 维信息等特点 。针对高分辨率遥感图像所具有的特性,本文采用监 练样本的对比分析,按照多种不同规则将其归类到最相似的训练样 督分类法及面向对象分类法对研究区土地利用情况进行监测及分 本中。目前常用的监督分类法有平行六面体、马氏距离、最小距离和 类分析。 最大似然。同时基于统计模式识别技术的分类法如支持向量机和模 糊分类应用也较多。 1 数据准备与处理 1.1 实验数据概况及实验数据的处理 实验数据选取在山东省威海市部分沿海地区,本文采用的数据 源为高分一号(GF1)遥感影像,空间分辨率为2m,已完成辐射校正和 几何粗校正基本处理。图1是经过2%线性拉伸后的图像。 1.2 遥感图像分类 地物在多光谱图像上的亮度体现了地物的光谱特征,不同地物 图 2-1 最小距离分类处理后结果 在同一波段上的亮度值不同,同时在各个波段图像上亮度的呈现规 律也不相同。因此,可以通过亮度特征的提取,对特征空间的划分, 达到区分不同地物的目的,进而得到图像分类的结果。遥感