论文部分内容阅读
进入21世纪以来,卫星遥感技术发展的一个显著特点就是,遥感影像朝着空间分辨率越来越高的方向快速发展。高空间分辨率遥感影像最大的特点是具有丰富的地物空间细节信息和突出的结构纹理信息。经典的基于像元的遥感影像分析方法主要根据影像的光谱特征进行,难以有效地用于从高空间分辨率影像中提取必要的地物信息。基于对象的影像分析方法应运而生,它综合光谱特征、形状特征和纹理特征对影像进行分析,研究的最小单元不再是单个的像素,而是一个个的影像对象,后续的分析和处理也都基于影像对象进行。本文以南京市建邺区及其周围地区IKONOS影像作为数据源,首先探讨了影像多尺度分割的几种常用算法,通过优度法和不一致性法两种评价影像分割结果的方法分别建立影像最优分割尺度选择模型,并对两者得到的影像最优分割尺度进行比较,最后利用影像最优分割尺度对影像进行分割,并进行分类及精度评价。通过研究本文得出以下结论:(1)本文采用Liu(2012)等人提出的基于不一致性法度量影像最优分割尺度的方法,它最显著的特点是综合考虑了参考对象与匹配分割对象之间的几何和算术差异,由于影像欠分割现象一定会导致分类误差,使用PSE指标能够较好地控制欠分割误差;考虑到影像可能的过分割现象,使用NSR指标保证影像上较小的过分割现象。该方法能够很好的衡量参考对象和匹配分割对象之间的差异,对选择影像最优分割尺度非常有效。(2)本文提出的基于优度法度量影像最优分割尺度方法,它的最主要特点是在匹配分割对象基础上进行优度法实验,保证分割对象与参考对象的一致性,在研究匹配的分割对象时,提出了衡量对象内部同质性和邻接对象之间异质性的指标,其中衡量邻接对象之间的异质性的指标采用局部Moran’s I指数能够很好的反映匹配分割对象在原始影像分割对象中与邻接对象之间的空间关系,综合衡量对象内部同质性指标提出了影像最优分割参数评价函数SEP,实验达到了预期效果。(3)基于优度法和基于不一致性法度量影像最优分割尺度,这两种方法从两个不同的角度反映影像分割结果的优劣,基于优度法从分割对象形成的角度出发,基于不一致性法从分割对象与实际地物一致性的角度出发,两者虽然角度不同,但是都能较好地评价影像分割结果,所得影像最优分割尺度参数基本一致。(4)不同地物在影像上具有的尺度是不同的,因此不同的分析目的所关注的尺度也会不同。针对一类地物得到的影像最优分割尺度只适合于提取该类地物,并不能很好的提取所有类型的地物。