面向对象的遥感影像分类方法.ppt

Company Logo LOGO 面向对象的遥感影像分类方法 专业：测绘工程 班级：地学院7班 学生：翟珊珊 学号： 近30 年来卫星遥感影像分辨率的不断提高是当前遥感发展的主要趋势之一,如IKONOS 数据(1m) 、QUICKBIRD数据(0. 61m) 等,这些高分辨率卫星遥感影像的出现使得在较小的空间尺度上观察地表的细节变化、进行大比例尺遥感制图以及监测人为活动对环境的影响成为可能,具有广阔的应用前景,目前正广泛地应用于各个领域。 与传统的中、低空间分辨率的遥感影像相比,高分辨率影像空间信息更加丰富,地物目标的细节信息表达的更加清楚。从分类技术角度来看,由于受空间分辨率的制约,传统的遥感影像信息提取只能依靠影像的光谱信息,且是在像素层次上的分类;而高分辨率影像虽然结构、纹理等信息非常突出,但光谱分辨率并不高(波段较少) ,所以仅仅依靠像素的光谱信息进行分类,着眼于局部像素而忽略邻近整片图斑的纹理、结构等信息,必然会造成分类精度的降低,进而影响后续的应用研究。因此,传统的单纯依靠光谱特征的像素层次上的分类方法已经不再适合高分辨率影像的信息提取，基于面向对象影像分割的方法应运而生。 一、面向对象方法产生的背景背景 二、面向对象的分类方法 基本原理： 传统的遥感变化监测和信息提取主要是基于中低分辨率的遥感卫星数据或航片，通过目视判读或是基于像素的计算机分类方法，信息提取的精度和效率不能兼顾。 高分辨率影像空间信息更加丰富，地物目标细节信息表达的更加清楚。 从分类技术角度来看，由于受空间分辨率的制约，传统的遥感影像信息提取只能依靠影像的光谱信息，且是在像素层次上的分类；而高分辨率影像虽然结构、纹理等信息非常突出，但光谱信息不足(波段较少)。所以仅仅依靠像素的光谱信息进行分类，着眼于局部像素而忽略邻近整片图斑的纹理、结构等信息，必然会造成分类精度的降低。 面向对象的分类是指根据影像的光谱信息及形状信息，设置一定的均质标准参数，将遥感影像进行分割以形成影像对象，每一个影像对象都是具有相似光谱特征的像素的集合，相比于单个像素具有多元特征：颜色、大小、形状、关联特征等。 面向对象的方法不是以单个像素为分析目标，而是以影像中的像素集合为分析单元，充分考虑对象和周围环境之间的联系等因素，借助对象特征知识库来完成对影像信息的提取。 面向对象的知识决策分类方法以对象作为分类的基本单元，在分类过程中，对对象进行分析，提取纹理、光谱、形状等信息，再将这些信息作为知识加入到分类器中。这样可以极大地提高分类精度，知识的加入通过决策树来实现。充分利用了高分辨率遥感影像的特点，使分类结果更接近于目视判读的效果，有效地提高了分类精度。分类后还可以通过建立对象间的拓扑关系来反映地理实体之间的关系，利用GIS的空间分析方法对遥感数据进行更深层次的挖掘。 如图1所示，是面向对象影像分类方法的一般处理流程。 图1 面向对象影像分类方法的一般处理流程 目前，全球唯一商业化面向对象影像分析平台是德国Definiens公司开发的易康(eCognition)面向对象影像分析软件。 易康模拟人类大脑的认知过程。首先，将同质像素组成有意义的影像对象，通过多尺度分割技术实现不同的尺度同时把握认知对象，是计算机高速处理和人类认知原理的完美结合，兼顾了速度和精度。 三、易康软件介绍 1、多尺度分割 多尺度分割是指从一个像素的对象开始进行一个自下而上的区域合并技术，小的影像对象可以合并到稍大的对象中。在这个聚集过程中，最优化技术可最小化异质的权重。在每一个步骤中相邻的影像对象对，只要符合设置的异质最小生长的标准就合并，如果这个最小的扩张超出尺度参数定义的阈值范围，合并过程结束。 在多尺度影像分割过程中要达到满意的分割结果，分割参数的选定很重要，主要的参数为分割尺度、波段权重、均质性因子。 A 、分割尺度的设定 决定影像对象的最小尺寸。 B、 均质标准的设定 均质标准包含两个部分：光谱和形状。 光谱标准是光谱异质性的变化，通过影像层的权重及影像层的光谱值确定。 形状标准是一个描述值，是利用两个不同的理想描述形状的模型来改善形状。 多尺度分割时，在满足必要的形状标准的前提下，应尽可能采用光谱标准，因为影像数据中最重要的是光谱信息，形状标准的权重过高会降低分割结果的质量 。 2、易康软件特点 （1）德国易康eCognition软件面向对象的遥感影像解译