论文部分内容阅读
遥感技术的发展,尤其是近年来高分辨率卫星影像的出现更加扩大了人们对自然界观察的广度和深度。到目前为止,对遥感技术的应用主要是通过提取卫星影像中感兴趣信息来实现的。但是,IKONOS和QuickBird等常用高分辨率影像表现出更多的空间信息诸如形状、纹理和上下文等。尽管遥感影像分类技术有了长足的发展,但是对于高分辨率遥感影像来说,利用单一传统的基于像元的分类方法不仅会导致分类精度降低,而且会造成空间数据大量冗余和资源浪费。当前,各地政府非常重视城市植被建设,遥感技术则应用于城市植被调查中。尽管中低分辨率影像提取植被较粗放,但在过去一段时间促进了遥感在城市植被调查中应用。由于高分辨率影像空间分辨率更高、信息量更丰富,可以在更深层次上表现城市植被信息,目前正替代中低分辨率影像被广泛应用于城市植被调查中。本文以QuickBird影像为数据,对面向对象的遥感影像分类方法进行了较深入研究,并在此基础上以深圳福田区为例,应用面向对象方法提取QuickBird影像上的详细植被信息。旨在加深对面向对象分类方法的理论和应用认识,为后续研究打下基础。本文主要研究内容与成果如下:(1)在面向对象影像分析前必须进行尺度转换,本文在基于像元的尺度转换基础上研究了面向对象的尺度转换问题。它以多尺度分割技术分割高空间分辨率影像而生成多个对象层,构建不同尺度的影像信息等级结构,实现遥感影像信息在不同尺度层之间的传递。并分别以对象均值、对象标准差、植被对象NDVI均值、对象分形维数等指标对尺度转换结果进行评价,结果显示各类别对象的评价指标值随尺度会发生变化,且不同类别的变化有一定差异。(2)本文通过实验证明了遥感信息提取中的尺度效应。实验结果表明,在不同分割尺度上遥感信息的提取精度有较大差异,且对于某类别信息的提取,存在一个理论最优尺度使信息提取精度达到最高。(3)影像最优分割尺度是面向对象多尺度分割的关键,是提高信息提取精度的关键。为此,本文依据最佳分割效果原则首次提出了面积比均值法。该方法的思想是,以获得最佳分割对象的尺度即为最优分割尺度这一假设,构建一个面积比均值指标来衡量影像分割对象与实际目标地物的匹配程度。面积比均值指标考虑两个因素:一是目标地物面积与分割对象总面积比,它可表征对象边界与目标边界的吻合度,其值越接近1,越吻合;另一个是分割对象数目,它表征分割破碎化程度,对象数目越少破碎化越低,分割对象越能代表目标地物,越能表现出目标地物的各种空间和形状属性。分割实验表明,该方法选择的最优分割尺度可以获得效果较好的对象影像。(4)本文对最邻近分类器进行深入研究。以其模型表达式为基础,对决定参数距离d的对象特征空间和参数函数坡度(function slope)对分类器性能的影响作了研究。建立类别距离矩阵,确定最佳区分距离对应的特征空间为理论最优特征空间,并通过实验确定分类最优特征空间维数通常不超过10。研究还发现,不同的函数坡度下隶属函数曲线有较大变化,随着函数坡度值增大,隶属度随距离大小变化趋缓。函数坡度越小,会对小距离范围隶属度起到拉伸作用,区分特征差异较小的类别效果好;反之,则在大距离范围对隶属度起压缩作用,区分特征差异较大的类别效果好。(5)针对模糊规则建立时隶属函数构造这一问题,提出应用模糊统计法来构造与真实隶属函数接近的最优隶属函数。该方法的思想是,对类别特征值域先离散化,以影像中处于各区间特征值该类别对象出现频率为该离散点的隶属度,最后对所有离散特征值的隶属度进行拟合得到连续隶属函数。分类实验证明,采用这种方法建立的隶属函数进行模糊信息提取,提取精度有所提高。(6)综合最邻近分类器和基于模糊规则分类器的优缺点,提出模糊多分类器模型。该模型采用级联方式将最邻近分类器和基于模糊规则分类器集成,先用模糊规则分类器提取出容易提取的类别,再用最邻近分类器对不易提取的混合类别进行分类,最后合并所分类别。这种方法可以有效提高信息提取的精度。(7)对研究区影像进行融合、几何精纠正、滤波处理等预处理工作,采用面积比均值法选择分割尺度,手工尝试调节其他参数对影像进行多尺度分割,建立类层次结构,定义模糊规则和特征空间进行模糊分类提取。首先,按照草地、林地、灌木及疏林、其他植被对绿色植被进行初步提取;其次,对林地植被类别进行详细提取,最终得到包括常绿阔叶林、果林、山顶矮林、红树林、其他林地、草地、灌木及疏林、其他植被等八类植被的深圳特区植被详细分类图。最后,对分类结果进行精度评价,并与最大似然法和最小距离法进行比较。结果表明,无论是土地覆盖分类或植被信息提取,面向对象分类方法提取精度均有较大提高。