论文部分内容阅读
分类作为利用遥感手段获得遥感影像的土地利用/覆盖信息的一个重要的中间环节,传统的遥感分类方法已经不能满足高分辨率遥感影像逐渐发展的需要.高空间分辨率影像除了光谱信息,还有地物的几何结构信息,采用传统的分类算法仅利用光谱信息进行分类,会出现较多的错分、漏分现象,导致分类精度不高。面向对象的遥感图像分类方法突破了传统分类方法以像素为基本分类和处理单元的局限性,以含有更多语义信息的多个相邻像元组成的对象(含超级对象和了对象)为处理单元,从较高层次(对象层次)对遥感图像进行分类,以减少传统的基于像元层次分类方法语义信息的损失率,可以实现较高层次的遥感图像分类和目标地物提取,分类时不仅依靠地物的光谱特性,把具有相同特征的像素组成一个对象,更多的是根据对象的形状、颜色、纹理等几何特征和结构信息进行分类。本文系统深入地研究了这种面向对象的高分辨率遥感影像分类技术,并在此基础上开发出面向对象的地物类型精细识别系统。主要研究成果如下:(1)影像对象特征集构建技术研究。简单介绍了影像分割定义及其方法以及分类过程中可能会涉及到的一些基本概念,并在介绍影像对象特征的基础上,研究影像对象的光谱、纹理、形状等各种特征的量化、可视化表达方法,提出并解决了对象特征描述实现过程中的组织与存储的问题,为接下来的面向对象的监督分类提供了分类依据。(2)基于样本对象的特征优化算法研究。特征优化对影像对象类型识别的精度意义重大,少量的特征很难表达出一个类别的本质特征,但也不是越多特征越好,特征维的增加可能使运算速度变慢,有时太多的特征反而会降低分类精度。本文以类间距离可分性作为特征及优选的判别标准,研究如何在众多特征中寻找利于分类的最优特征问题,为后期的分类提供更有利的依据。(3)面向对象最邻近分类算法研究。介绍了近邻分类器中常用的几种距离和两种常见的近邻分类器,介绍了基于像素和面向对象的最近邻分类方法,着重研究了面向对象最邻近分类方法。解决了在特征空间中计算距离时遇到的特征值归一化问题,具体剖析了该分类方法的原理及实现步骤,简单介绍了两种基于样本的精度评价方法。(4)介绍了论文中参与分类的试验区域及试验数据,在介绍系统设计与平台界面的基础上,给出了利用该系统对昌平实验区进行遥感影像分类的案例,并将分类结果与传统的基于像素的最小距离分类方法的结果进行对比,通过实验结果来检验面向对象的分类系统,得到更加适合高分辨率遥感影像的分类方法。最后,对本文的研究工作做了全面总结,指出了目前研究中存在的不足之处,给出了进一步的研究构想和需要解决的问题。