论文部分内容阅读
高分辨率遥感影像的不断涌现,大大推动了遥感技术在各个领域的应用。高分影像具有地物细节复杂丰富、几何结构突出等特征,如何从丰富的高分辨率影像中有效的提取目标信息是当前遥感研究的热点问题。本文以多源高分辨率影像为数据源,对面向对象遥感影像分类技术进行研究。首先,通过研究影像分割算法的原理和实现过程,从初分割和区域合并两个方面提高影像分割的效率和精度;其次,研究对象特征量化方法和不同对象特征对分类结果的影像;最后选择支持向量机(SVM)分类方法和最邻近方法对影像对象进行分类,实现了高分辨率遥感影像提取。(1)影像分割算法研究。为了提高影像分割效率,本文初分割算法采用只需一趟扫描的分水岭分割算法,为了改善分水岭分割都存在的过分割问题,采用动态阈值的标记分水岭分割方法对遥感影像进行初分割,大大改善了影像的初分割效果。为了进一步优化初分割影像对象,采用区域邻接图RAG(RegionAdjacency Graph)表达相邻区域的邻域关系,基于光谱形状结合的区域合并准则对初分割结果进行合并,通过设置不同合并阈值获取不同尺度下的分割结果,探索影像分割的最优尺度。(2)对象特征分析和组合。研究影像对象的光谱、形状和纹理特征,分析不同地物类型各特征之间的关系;根据不同的分类目的,选取合理的特征组合,从光谱、形状和纹理等多个角度精炼分类结果,提高地物提取的精度。(3)高分辨率遥感影像面向对象分类。采用SVM算法和最邻近分类算法对不同遥感影像进行分类实验,实现了面向对象的高分辨率遥感影像分类,并对比分析两种方法在面向对象分类时的优缺点。研究表明,本文采用的分割算法实现了遥感影像区域动态初分割,一定程度上改善了传统分水岭算法的过分割现象;运用本文面向对象分割和分类算法对资源三号卫星影像和WorldView-2影像进行初分割、多尺度区域合并及面向对象分类,通过实验证明了面向对象信息提取方法具有可行性并存在一定的优势。