论文部分内容阅读
遥感技术的出现为人们提供了一个认识地球的工具,它带给人们海量的地表信息,极大地拓宽了人们的视野。随着遥感技术的发展,遥感影像的空间分辨率得到了很大程度的提高,已从过去的公里级数据发展到现在的厘米级数据,并将向着更高的分辨率发展,与此同时遥感影像数据会更加丰富化和细致化。在高分辨率遥感影像上,地物特征并不是单一的由光谱信息体现出来,而是结合地物的空间信息共同表现的。因此对高分辨率影像进行信息提取时,不能只采用像元的光谱信息作为分类的规则,而是要综合考虑地物的形状、纹理、结构等空间信息的共同作用。很显然传统的基于像元的分类方法并不完全适用于高分辨率影像的信息提取,面向对象的影像分类方法使这一问题得到了比较完美的解决。本文采用面向对象的影像分析方法对IKONOS影像中的植被及其它典型地物进行信息提取,提出了一个面向影像全局特征考虑的综合最优尺度的概念,并建立了基于精度的均值方差算法模型。同时,用传统的基于像元的信息提取方法对IKONOS影像进行分类,将两种分类结果进行比较。实验结果表明:用面向对象的多尺度分割方法对植被进行信息提取,总体分类精度为87.31%;用面向对象的综合最优尺度对影像中的典型地物进行分类,精度为80.78%;而用基于像元的支持向量机方法对影像中典型地物分类的精度为64.96%。面向对象的影像分析方法无论在分类精度还是在分类效果上都明显高于基于像元的分类方法,表现出在对高分辨率影像进行信息提取方面独特的优越性。本文共分五部分,第一章首先阐述论文的选题依据和研究背景,分析了高分辨率遥感影像提取的国内外研究现状和趋势,介绍论文的结构和组织情况。第二章全面系统地对面向对象分类方法的原理与技术进行阐述,指出对高分辨率影像进行信息提取时面向对象方法的优越性,并介绍了面向对象分类法的关键技术——多尺度分割。第三章概括了不同环境下的尺度含义,重点强调面向对象方法中的最优分割尺度问题,研究确定最优分割尺度的方法和模型。第四章分别用面向对象和基于像元的分类方法对IKONOS多光谱影像进行信息提取实验,对两种分类结果进行精度评价和比较分析。第五章对面向对象的影像分析方法进行总结评价及展望。