论文部分内容阅读
随着航空、航天、传感器技术的不断发展，目前广泛应用的高分辨率遥感影像上地物的纹理、形状、上下语义关系等空间特征信息更加突出、分辨率越来越高；因此，近年来高分辨率遥感影像信息的提取逐渐成为国内外研究的热点及难点。传统基于单个象元纯光谱遥感信息提取方法以单个象元为研究对象，忽略了高分辨率遥感影像丰富的纹理、形状、上下语义关系等空间信息，造成高分辨率遥感影像信息的浪费，而且传统信息提取方法提取地物信息时存在诸多弊端与不足，难以准确、有效地提取宏观及微观地物信息；而基于规则集面向对象的信息提取方法以分割斑块为研究对象，充分利用了高分辨率遥感影像的光谱、纹理、形状等光谱及空间特征信息，能够有效地提取水体、耕地、建设用地等宏观地物类型信息，分类精度较高；但传统信息提取方法对微观森林内部“同谱异物”的天然林与人工林植被覆盖信息提取结果精度低，提取结果中大量存在“天然林中混有人工林，人工林中混有天然林”的现象；尽管基于规则集面向对象的信息提取方法可以有效提取微观天然林与人工林植被覆盖信息，但面向对象Multiresolution多尺度分割时，最适分割尺度的选择缺乏科学依据，很难有效把握。因此，研究在基于“与领域绝对均值差分方差比RMAS（Ratio of Mean Difference toNeighbors(ABS)to Standard Deviation）”指数指标选择最优分割尺度的基础上，首先采用Definers algorithm中的Multiresolution segmentation分割算法对预处理后的北京丰台QuickBird及版纳河流域纳矿新寨IKONOS高分辨率遥感影像进行有效分割，根据不同宏观地物对象对应的光谱、纹理、形状等光谱及空间特征信息的不同，建立不同规则的方法，提取研究区水体、耕地、建设用地等宏观地物信息；利用研究提出的基于单位面积纹理线条数TLNPUA指数指标提取微观森林内部天然林与人工林微观植被覆盖信息；并分别与传统基于单个象元单纯依靠光谱信息的信息提取结果、基于规则面向对象信息提取结果对比分析。分析结果表明：(1)融合方法：与PCA、HIS等融合方法相比，Pan Sharpening遥感影像融合方法更适合IKONOS、CBERS-02等高分辨率遥感影像全色与多光谱波段数据的融合，融合后影像既保持了原有多光谱数据的光谱分辨率，又增加了全色波段高分辨率的特点，大大提高了图像质量；(2)基于加权对象匹配指数指标ASFI3最优分割尺度评价方法的评价结果表明：基于RMAS指数指标最优分割尺度选择方法有效可行，基于最优分割尺度的面向对象的Multiresolution segmentation分割算法可以有效分割高分辨率遥感影像,以提取建设用地、水体、道路、耕地等宏观地物及微观天然林与人工林植被覆盖信息。(3)面向对象Multiresolution segmentation分割算法与TLNPUA指数指标相结合，可以有效提取微观“同谱异物”天然林与人工林植被覆盖信息。在基于最优分割尺度面向对象高精度、有效分割的基础上，单位面积多边形个数与单位面积纹理线条数均可以作为提取“同谱异物”微观天然林与人工林植被覆盖信息的指数指标，但与单位面积多边形个数指数指标相比，单位面积纹理线条数指数指标值离散度更好，能更有效地提取微观天然林与人工林植被覆盖信息，且0.1作为有效的区分阈值。当0<TLNPUA<0.1时，为人工林植被覆盖区；当TLNPUA>0.1时，为天然林植被覆盖区；(4)不同宏观与微观地物信息提取方法，信息提取结果精度不同，总体表现规律：综合考虑光谱、纹理、形状等光谱及空间特征面向对象的信息提取结果优于传统单纯依靠单个象元光谱特征的信息提取结果。与传统基于单个象元纯光谱监督、非监督信息提取方法相比，面向对象基于光谱、纹理、形状等空间信息的规则信息提取方法对宏观与微观地物信息提取分类精度更高，能较好地提取宏观及微观地物类型；但基于规则面向对象的信息提取方法在提取“同谱异物”微观天然林与人工林植被覆盖信息时，具有一定的局限性，提取结果中大量存在“天然林中混有人工林，人工林中混有天然林”的现象；研究提出的综合考虑光谱、纹理、形状等空间特征信息面向对象的基于TLNPUA指数指标的微观森林内部天然林与人工林植被覆盖信息提取方法能够更好地解决森林内部天然林与人工林中存在的“同谱异物”现象，但因个别斑块内天然林植被覆盖度较稀疏，单位面积纹理线条数较少，易与人工林植被覆盖类型混淆，但总体分类精度较高。实验表明：综合考虑纹理、光谱及形状等空间特征信息的面向对象的宏观与微观地物信息提取方法，提高了地物信息提取及分类的精度，对高精度宏观地物信息提取、“同谱异物”的微观森林内部天然林与人工林植被覆盖信息提取及森林制图、森林监测、生态保护提供有效手段，对高分辨率遥感影像信息的提取具有重要的研究意义。