面向对象的多层次规则分类地物遥感信息提取方法试验分析研究.pdfVIP

第４０卷第２期贵州大学学报（自然科学版）Ｖｏｌ．４０Ｎｏ．２

２０２３年３月ＪｏｕｒｎａｌｏｆＧｕｉｚｈｏｕＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒａｌＳｃｉｅｎｃｅｓ）Ｍａｒ．２０２３

文章编号１０００５２６９（２０２３）０２００６７０７ＤＯＩ：１０．１５９５８／ｊ．ｃｎｋｉ．ｇｄｘｂｚｒｂ．２０２３．０２．１１

面向对象的多层次规则分类地物遥感信息



提取方法试验分析研究

１１，２

丘鸣语，甘淑

（１．昆明理工大学国土资源工程学院，云南昆明６５００９３；２．云南省高校高原山区空间信息测绘技术

应用工程研究中心，云南昆明６５００９３）

摘要：监测土地覆盖变化是目前高分辨率遥感的重要应用领域，城市覆盖地物变更速度快、地物类型复杂，使

用传统方法提取监测难度较大。针对此问题，选择云南省大理白族自治州上官镇为研究区，以ＧＦ２ＰＭＳ遥感影

像为数据源；采用面向对象的方法对研究区进行最优分割尺度分割，选取最优特征组合用于构建模糊分类规则，

分层次进行地物提取，最终获得研究区地物类型分布图。运用混淆矩阵方法进行精度评价，面向对象的多层次

规则分类法提取分类效果良好，分类总体精度达７９９５％，Ｋａｐｐａ系数为０７４。与基于像元的分类方法和单一尺

度下面向对象的提取分类法相比，面向对象的多层次规则分类法精度明显提高，说明本方法运用于复杂地物提

取分类具有较好可行性。

关键词：面向对象；ＧＦ２；多层次分类；最优分割尺度；多尺度分割

中图分类号：Ｐ２３７文献标志码：Ａ

随着遥感技术的发展，越来越多的遥感卫星进会出现椒盐现象或因信息冗余带来地物漏分、错

入太空，其能实时、多尺度提供影像的特点，为快速分［６］；基于深度学习的分类方法于近年迅速兴起

准确获取地面信息、监测地表变化提供了更多并被广泛应用，其泛化性强且效果良好，但其需要

可能。大量样本进行训练的特性导致其难以被广泛应用；

真实的土地覆盖、利用数据对国土资源空间优面向对象的分类方法是将影像分割为多个对象，将

化、提升土地利用规划和管理水平至关重要［１３］。每个对象作为最小单元，结合光谱、形状、纹理等特

目前，常用的中低分辨率影像，如ＭＯＤＩＳ、Ｌａｎｄｓａｎｔ征进行处理，充分运用信息的同时避免椒盐噪声以

等可用于大尺度监测，但其分辨率也限制了它无法提高提取分类精度［７８］。目前，国内外对于复杂、

运用于复杂地形、精细地物的分类提取；高分辨率典型地物提取分类进行了大量研究，郭玉宝等［９］

影像的出现弥补了这一缺陷，高分辨率影像具有高采用基于像元的方法用ＧＦ１影像对城市用地进行

精度、高空间分辨率等特点，更适用于小型地物提分类，证明随机森林算法（ｒａｎｄｏｍｆｏｒｅｓｔ，ＲＦ）的精

取与精细的地物分类，但其在带来更多空间信息的度高于支持向量基（ｓｕｐｐｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅ，ＳＶＭ）

［４］［