论文部分内容阅读
随着传感器技术、遥感平台的飞速发展,遥感观测技术逐渐成熟,高空间分辨率是遥感发展的总趋势。中低分辨率遥感影像中,地物目标尺度较大,地物内部细节比较模糊,地物之间的关系不清晰。而高分影像中地物尺度较小,地物细节精细,与周围地物的关系比较清晰,为遥感影像的处理与分析奠定良好的基础。因此,高分遥感技术己在诸多领域得到应用,特别是在地物信息提取方面体现出其重要的应用价值。高分辨率遥感影像中地物信息复杂多样、干扰信息复杂,使得利用高分辨率遥感影像提取地物信息面临挑战。因此亟需深入认识高分遥感数据的特点,探索合适的地物信息提取技术,提高其应用价值。基于此,本文详细阐述了多尺度分割原理,分析了尺度参数、光谱异质性及形状异质性等影响因子。探讨了地物边缘的提取方法,并整合地物边缘参与多尺度分割,创建与实际地物相关联的影像对象层。在深入分析影像对象特征的基础上,结合阈值分割和模糊分类方法提取研究区主要地物信息。此外,对研究区进行了基于像元的监督分类和非监督分类。最后对面向对象的多尺度分割的分类结果和基于像元的监督分类、非监督分类结果进行混淆矩阵评价对比分析三种方法的精度。经研究,本文取得以下主要成果:(1)本文通过对高分辨率影像数据进行Sobel边缘检测,提取边缘信息数据参与多尺度分割,与没有进行边缘信息提取的分割结果相比,能很好的将各类地物分割开来,可以提高土地利用分类提取的精度。结合自动地物边缘提取存在的问题,采用人工干预的方法提取复杂的地物边缘,能为多尺度分割提供更好的地物边缘数据,从而为分割以及后期分类提供好的基础数据来达到更高的精度。(2)在开展多尺度分割技术原理和重要影响因子研究的基础上进行影像分割,结合研究对象创建了各地物影像对象层。结果表明该方法将干扰信息和相邻像元分割到同一均质区域,既达到了可有效减少或消除噪声干扰的效果,同时又解决了影像中存在的局部异质性问题。较好解决了影像中存在的“同物异谱”、“同谱异物”之类问题。因此,采用多尺度分割技术对高分辨率遥感影像中的地物信息提取是一种可靠、高效的方法。(3)在多尺度分割技术的基础上,本文结合了地物边缘信息参与影像分割。在反复分割实验的基础上,统计了各大地物对象的最大面积和分割尺度的关系,确定了各类地物的最优分割尺度。结果表明结合边缘信息参与分割的质量大幅度提高,分割的边缘更加明显,提高了各类地物信息提取精度。(4)通过综合分析研究区的影像特征和研究区的实际地物特征,确定了研究区的土地分类为六类地物:水体、建筑、植被、耕地、裸地、道路。在影像对象的基础上应用了分类提取技术中的阈值分割和模糊分类对研究区的六大地物进行提取,并得出研究区的六大地物的专题图。完成了面向对象的多尺度分割的地物分类后,又对研究区进行了传统方法的分类。最后采用混淆矩阵对不同分类法的精度分析。结果表明多尺度分割的地物分类的总体精度为91%,kappa系数为87%。比传统方法分类精度高、分类效果好,因此在高分辨遥感影像中应用多尺度分割进行地物提取具有明显优势。