论文部分内容阅读
近20年来,各种类型的卫星遥感已经被广泛应用于土地的覆盖利用、环境监测、农业估产、森林火灾及政府决策等方面。对遥感影像数据的利用绝大多数的情况都需要对其进行分类以获取分类数据(专题数据),分类技术也称之为影像分析技术。一直以来,遥感影像数据的分类都是基于像素的。基于像素的遥感影像分类方法所提取出来的专题信息误差较大,不能够全面地反映出遥感影像数据本身所包含的全部信息,例如空间关系信息等。因此会产生许多的无效破碎图斑,从而降低了分类精度。针对这些问题,近年来发展起来的一种新的影像分类方法——面向对象分类法(Object-oriented classification method),是一种基于影像对象的分类方法。影像对象(Objects)是指具有一定相似特征的像素的集合。相比传统的遥感影像分类方法,这种分类方法具有很多的优点:其影像分割可以分出同性质像元组成的影像对象,对象内部的光谱值差异极其微小甚至可以忽略,因此消除了“椒盐现象”的产生;分类时对象之间的区分利用遥感影像所表现出的形状、空间、纹理等特征信息对影像进行分类,减小了“同物异谱”、“同谱异物”现象对分类精度的影响;采用多尺度分割空间信息的分析方法,能够满足提取不同尺度的地物信息的要求,从而达到了较高的分类精度。论文研究的主要目的是应用面向对象的图像分类方法,对云南省大理市的洱海流域TM影像进行分类,从而提取洱海流域的地物分类信息,为合理的利用此地区的资源,实施生态监测和环境保护等提供依据。面向对象的图像分类方法的实验研究平台是应用商业软件eCognition Developer8.0来进行的,以洱海流域为研究对象,以Landsat TM卫星影像为研究的数据源。应用这种方法成功地提取出了水体、居民地、林地、旱地、裸地、农田、道路、草地、阴影等九类地物信息数据,得出了高精度的分类结果,对于城市规划、环境保护、洱海生态保护和污染治理等方面问题的研究具有重要且深远的意义。本论文的创新之处在于,通过系统地阐述面向对象的图像分析方法,不仅可以对中分辨率Landsat TM卫星影像地物信息的提取,而且也可以用于高分辨率QuickBird (QB)、IKONOS、World View, GeoEye等等卫星遥感影像进行地物信息的提取,并取得了很高的分类精度。本方法的研究在理论阐述和实验中做了一些具有实用意义的技术工作,对于中分辨率的遥感卫星影像的分类具有重要的参考意义。