论文部分内容阅读
近年来,遥感科学技术在硬件与软件方面都得到显著提高,如何从影像中获得更精确、更高质量的地物信息一直都是国内外科研人员的关注热点。地物信息一直以来都是遥感影像中极为重要的信息,而对于早先的卫星影像,因为影像分辨率较低,地物本身细节比较模糊,地物之间的关系不够明显,地物信息的获取也因此受限。目前,遥感影像在分辨率方面有很大提升,更多的高分遥感影像被人们获取。在高分遥感影像中,地物的细节和地物之间的关系变得更加清晰,为遥感影像中地物信息的提取提供了良好的研究基础,也体现出高分遥感影像的研究价值。高分遥感影像中拥有丰富且精细的地物信息,但同时也导致地物的结构比较复杂,干扰信息较难处理。针对中低分辨率影像的传统地物分类方法已不再适用于高分影像。因此,本文研究了基于分层次多尺度分割的面向对象技术,并运用该技术对高分影像中的地物信息进行分类,研究过程中,使用高分一号影像作为实验影像,充分结合高分遥感影像高空间分辨率的优势,提高地物信息的获取精度。最终在地物信息分类上取得了比较理想的成果。本文研究的主要内容如下:1)为了提高高分遥感影像的图像质量,研究了遥感影像的融合技术,对几种常见的影像融合方法进行实验,并通过实验比较分析几种融合方法的适用范围与特点。最后,择优使用Gram-schmidt融合方法将高分全色影像和中分辨率多光谱影像相融合。结果显示,该融合方法能够更有效的提升融合影像的质量。2)为了提高高分影像分割效果,本文通过实验对比分析了四个常用边缘检测算子,选择其中效果最好的改进Canny算子来检测图像边缘,并将边缘信息与多尺度分割相结合,在多尺度分割时参考影像中的边缘信息,从而更好的利用影像的形状特征。结果显示,影像分割后的图块更加符合地物原形状。3)研究了分层次多尺度分割技术,以基于多尺度分割的面向对象分类为主要方法,对实验区中的植被、建筑物、道路、水域、裸地五类地物分别建立规则集后进行分类提取。对地物分类结果通过计算混淆矩阵作精度评价,评价结果显示,分类结果的Kappa系数达到0.918,取得了不错的分类效果。最后,将基于面向对象的标准最邻近分类实验成果对比本文方法,结果显示,本文方法优于标准最邻近分类法。