基于SPM特征提取的面向对象遥感影像分类：方法、应用与优化.docxVIP

基于SPM特征提取的面向对象遥感影像分类：方法、应用与优化

一、引言

1.1研究背景与意义

随着遥感技术的飞速发展，遥感影像在地理信息获取、环境监测、城市规划等众多领域发挥着日益重要的作用。遥感影像分类作为从海量遥感数据中提取有用信息的关键步骤，旨在将影像中的地物按照其特征和属性划分为不同类别，从而实现对地表覆盖类型的识别与分析。精准的遥感影像分类结果能够为农业估产提供农作物种植面积和生长状况信息，辅助农民合理安排农事活动；在城市规划中，清晰呈现城市土地利用现状，为城市功能布局优化提供依据；在生态环境监测方面，及时察觉森林覆盖变化、水体污染等生态问题，为生态保护和修复提供数据支撑。因此，提高遥感影像分类的精度和效率一直是遥感领域的研究重点。

传统的基于像元的遥感影像分类方法，将影像中的每个像元作为独立的分类单元，仅依据像元自身的光谱信息进行分类。然而，这种方法忽略了像元之间的空间相关性和地物的上下文信息，导致分类结果中出现大量的“椒盐”现象，难以准确反映地物的真实分布情况，尤其在处理高分辨率遥感影像时，其局限性愈发显著。高分辨率遥感影像包含丰富的纹理、形状、上下文等空间信息，这些信息对于准确识别地物类别至关重要。为了充分利用这些空间信息，提高分类精度，面向对象的遥感影像分类方法应运而生。

基于SPM（空间金字塔匹配，SpatialPyramidMatching）特征提