遥感影像的分类处理

《遥感影像的分类处理》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、摘要在面向对象的影像分类方法中，首先需要将遥感影像分割成有意义的影像对象集合，进而在影像对象的基础上进行特征提取和分类。本文针对面向对象影像分类思想的关键环节展开讨论和研究，(1)采用基于改进分水岭变换的多尺度分割算法对高分辨率遥感影像进行分割。构建了基于高斯尺度金字塔的多尺度视觉单词，并且通过实验证明其表达能力优于经典的词包表示。最后，在词包表示的基础上，利用概率潜在语义分析方法对同义词和多义词较强的鉴别能力对影像对象进行分析，找出其最可能属于的主题或类别，进而完成影像的分类。近些年来，随着航空航天平台与传感器技术的高速发展，获取的遥感影像的分辨率越来越高。高分辨率遥感影像在各行业部

2、门的应用也越来越广泛，除了传统的国土资源、地质调查和测绘测量等部门，还涉及到城市规划、交通旅游和环境生态等领域，极大地拓展了遥感影像的应用范围。因此，对高分辨率遥感影像的处理分析成为备受关注的领域之一。高分辨率遥感影像包括以下三种形式：高空间分辨率（获取影像的空间分辨率从以前的几十米提高到1至5米，甚至更高）；高光谱分辨率（电磁波谱被不断细分，获取遥感数据的波段数从几十个到数百个）；高时间分辨率（遥感卫星的回访周期不断缩短，在部分区域甚至可以连续观测）。本文所要研究的高分辨率遥感影像均是指“高空间分辨率”影像。相对于中低分辨率的遥感数据，高空间分辨率遥感影像具有更加丰富的空间结构、几何

3、纹理及拓扑关系等信息，对认知地物目标的属性特征更加方便，如光谱、形状、纹理、结构和层次等。另外，高分辨率遥感影像有效减弱了混合像元的影响，并且能够在较小的空间尺度下反映地物特征的细节变化，为实现更高精度的地物识别和分类提供了可能。然而，传统的遥感影像分析方法主要基于“像元”进行，它处于图像工程中的“图像处理”阶段（见图1-1），已然不能满足当今遥感数据发展的需求。基于“像元”的高分辨率遥感影像分类更多地依赖光谱特征，而忽视影像的纹理、形状、上下文和结构等重要的空间特征，因此，分类结果会产生很严重的“椒盐(saltandpepper)现象”，从而影响到分类的精度。虽然国内外的很多研究人员

4、针对以上缺陷提出了很多新的方法，如支持向量机(SupportVectorMachine，SVM)、纹理聚类、分层聚类(HierarchicalClustering)、神经网络(NeuralNetwork,NN)等，但仅依靠光谱特征的基于像元的方法很难取得更好的分类结果。基于“像元”的传统分类方法还有着另一个局限：无法很好的描述和应用地物目标的尺度特征，而多尺度特征正是遥感信息的基本属性之一。由于在不同的空间尺度上，同样的地表空间格局与过程会表现出明显的差异，因此，在单一尺度下对遥感影像进行分析和识别是不全面的。为了得到更好的分类结果，需要充分考虑多尺度特征。针对以上问题，面向对象的处理

5、方法应运而生，并且逐渐成为高空间分辨率遥感影像分析和识别的新途径。所谓“面向对象”，即影像分析的最小单元不再是传统的单个像元，而是由特定像元组成的有意义的同质区域，也即“对象”；因此，在对影像分析和识别的过程中，可以方便地提取影像对象大小、形状、纹理和空间关系等属性特征，而这些特征在基于像元的分析方法中很难获取的。现有研究表明，面向对象的分类对高分辨率遥感影像有着更好的分类效果，不仅有效地克服了“椒盐现象”，而且更加符合人类的视觉习惯。面向对象的分类思想首先要对影像进行初始分割，得到一系列彼此相邻的“影像对象”；然后对各个对象的属性特征进行提取，进而基于这些特征实现对整幅影像的识别和分

6、类。因此，这就带来两方面的问题：首先是影像分割问题，由于高分辨率遥感影像自身的复杂性和多尺度特性，使得普通的分割方法并不能取得理想的效果；其次是特征提取问题，由于常用的特征依然是光谱、纹理等“低层视觉特征”，与影像语义信息之间存在着巨大的“语义鸿沟”，因而它们很难准确的描述遥感影像的内容，更不能利用这些特征来区分不同的对象类别。本文将以高分辨率遥感影像分类为目标，在充分了解现有面向对象的分类方法的基础上，综合考虑高分辨率遥感影像自身的复杂性和多尺度特性，将基于分水岭变换的多尺度分割和多尺度词包表示引入面向对象的分类思想中，建立适合于高分辨率遥感影像的多尺度分类方法。由于本文的研究目标是

7、基于面向对象分类思想对高分辨率遥感影像进行分类，因此研究现状将从面向对象分类的几个关键环节展开论述，一是影像分割，二是尺度问题，三是遥感影像的特征提取与分类。(1)影像分割影像分割是指，基于同质性或异质性准则将一幅影像划分为若干有意义的子区域的过程。最终的分割效果需要同时满足以下三个条件：第一，分割后形成的图像区域中的所有像元点必须满足一定的同质准则，并且不存在不连通的点；第二，两个相邻的区域间的某项特定属性要有明显的差异性；第三，区域的边缘应