遥感专题讲座——影像信息提取(四、面向对象特征提取).pdfVIP

面向对象的影像分类技术 “同物异谱，同谱异物”会对影像分类产生的影响，加上高分辨率影像的 光谱信息不是很丰富， 还有经常伴有光谱相互影响的现象， 这对基于像素的分类 方法提出了一种挑战，面向对象的影像分类技术可以一定程度减少上述影响。 本小节以 ENVI 中的面向对象的特征提取 FX模块为例，对这种技术和处理 流程做一个简单的介绍。 本专题包括以下内容： 面向对象分类技术概述 ENVI FX简介 ENVI FX操作说明 1、面向对象分类技术概述 面向对象分类技术集合临近像元为对象用来识别感兴趣的光谱要素， 充分 利用高分辨率的全色和多光谱数据的空间， 纹理，和光谱信息来分割和分类的特 点，以高精度的分类结果或者矢量输出。 它主要分成两部分过程： 影像对象构建 和对象的分类。 影像对象构建主要用了影像分割技术，常用分割方法包括基于多尺度的、 基于灰度的、 纹理的、 基于知识的及基于分水岭的等分割算法。 比较常用的就是 多尺度分割算法， 这种方法综合遥感图像的光谱特征和形状特征， 计算图像中每 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，计算图像所有波段的加权值， 当分割出对象或基元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 于指定阈值即完成图像的多尺度分割操作。 影像对象的分类，目前常用的方法是“监督分类”和“基于知识分类”。 这里的监督分类和我们常说的监督分类是有区别的， 它分类时和样本的对比参数 更多，不仅仅是光谱信息，还包括空间、纹理等信息。基于知识分类也是根据影 像对象的熟悉来设定规则进行分类。 目前很多遥感软件都具有这个功能， 如 ENVI 的 FX扩展模块、 易康 （现在 叫 Definiens ）、ERDAS的 Objective 模块、 PCI 的 FeatureObjeX （新收购）等。 表 1 为三大类分类方法的一个大概的对比。 类型 基本原理 影像的最小单元 适用数据源 缺 陷 传统基于光 地物的光谱信息 中低分辨率多光谱 丰富的空间信息利 谱的分类方 单个的影像像元 特征 和高光谱影像 用率几乎为零 法 根据光谱特征、 空 基于专家知 间关系和其他上 单个的影像像元 多源数据 知识获取比较复杂 识决策树 下文关系归类像 元 面向对象的 几何信息、 结构信 一个个影像对象 中高分辨率多光谱 速度比较慢 分类方法 息以及光谱信息 和全色影像 表 1 传统基于光谱、基于专家知识决策树与基于面向对象的影像分类对比表 2、ENVI FX 简介 全名叫“面向对象空间特征提取模块— Feature Extraction ”，基于影像 空间以及影像光谱特征， 即面向对象， 从高分辨率全色或者多光谱数据中提取信 息，该模块可以提取各种特征地物如车辆、建筑、道路、