基于面向对象和规则的遥感影像分类研究.pdf

基于面向对象和规则的遥感影像分类研究.pdf

ID:58314253

大小:824.44 KB

页数:5页

时间:2020-09-06

基于面向对象和规则的遥感影像分类研究.pdf_第1页
基于面向对象和规则的遥感影像分类研究.pdf_第2页
基于面向对象和规则的遥感影像分类研究.pdf_第3页
基于面向对象和规则的遥感影像分类研究.pdf_第4页
基于面向对象和规则的遥感影像分类研究.pdf_第5页
资源描述:

《基于面向对象和规则的遥感影像分类研究.pdf》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、第31卷第4期武汉大学学报信息科学版Vol.31No.42006年4月GeomaticsandInformationScienceofWuhanUniversityApr.2006文章编号:16718860(2006)04031605文献标志码:A基于面向对象和规则的遥感影像分类研究1,2213陈云浩冯通史培军王今飞(1北京师范大学资源学院,北京市新街口外大街19号,100875)(2香港中文大学地理与资源管理系,香港新界沙田)(3加拿大西安大略大学地理系,加拿大,N6A5C2)摘要:讨论了面向对象和规则的光学遥感影像分类方法。首先利用多尺度分割形成影像对象

2、,建立对象的层次结构,计算对象的光谱特征、几何特征、拓扑特征等,利用对象、特征形成分类规则,并通过不同对象层间信息的传递和合并实现对影像的分类。并以北京城市土地利用分类为例,对该方法进行了验证。关键词:面向对象;多尺度分割;规则;分类中图法分类号:TP753;P237.4面向像元的分类方法实际上是以像元为基本单元,利用其光谱(颜色)信息进行信息的提取与1面向对象分类原理归并。虽然许多数学方法如各种神经网络方[1][2][3]法、模糊分类、改进的最大似然分类等的引所谓面向对象方法,通过对影像的分割,使同入提高了分类的精度,然而从根本上讲,基于像元质像元组成大小不同的对象。正是由

3、于对象内部的分类方法仍相当于图像理解过程的第一层次,的光谱差异小,所以对任一对象可以忽略其纹理即仅利用基本像元的特征进行识别,对于色调空等空间信息,而从光谱和形状两方面刻画。利用间分布等较为复杂的关系没有考虑。自从IKO对象的空间特征和光谱特征进行分类,可以有效[10]NOS、Quickbrid等高空间分辨率影像出现以来,地克服基于像元层次分类的不足。面向对象传统的利用面向像元的影像分类技术就面临着许的分类方法主要包括影像分割、对象层次结构、分[4]多挑战。针对上述情况,许多考虑地物空间特类规则和信息提取。征的遥感影像分类方法得以发展,如支持向量1.1影像分割[5][6][7]

4、机、上下文分类、纹理分类等。在分类过程多尺度影像分割从任一个像元开始,采用自中,考虑了地物的纹理、形状、尺寸等空间特征,以下而上的区域合并方法形成对象。小的对象可以像元的空间特征辅助光谱信息,以提高分类精度。经过若干步骤合并成大的对象,每一对象大小的显然,此类方法应属于图像理解的第二层次。虽调整都必须确保合并后对象的异质性小于给定的然利用纹理等信息可以辅助分类,然而在很多情阈值。因此,多尺度影像分割可以理解为一个局况下,只有图像被分割为同质对象时,图像分析的部优化过程,而异质性则是由对象的光谱(spec结果才有意义[8,9]。本文正是利用了面向对象的[11]tral)和形状(sh

5、ape)差异确定的,形状的异质[11]分类思想,在对遥感影像进行多尺度分割的基础性则由其光滑度和紧凑度来衡量。显然,设定上,探讨面向对象分类策略、分类规则的建立方了较大的分割尺度,则对应着较多的像元被合并,法。因而产生较大面积的对象。收稿日期:20060115。项目来源:RGCGrant资助项目(CUHK.4251/03H);国家自然科学基金资助项目(40201036);测绘遥感信息工程国家重点实验室开放研究基金资助项目(WKL(03)0102)。第31卷第4期陈云浩等:基于面向对象和规则的遥感影像分类研究3171.2对象的层次结构以及多边形的形状信息、纹理信息、位置信息以

6、及分割遵守以下思想:像元层和整个影像视为多边形间的拓扑关系信息等。具体的分类规则可两个特殊的对象层,任何分割所形成的对象层则以充分利用对象所提供的各种信息进行组合,以介于其间。大尺度分割下所形成的对象是由小尺提取具体的地物。不同层次可以针对特定地物建[11]度分割所形成的对象组合产生的,以确保不同立各自规则,通过不同分类规则的层间传递,使得尺度下的对象可以构成层次结构,从而有利于不分类规则的建立不仅可以利用本层对象信息,也同层次间信息的传递。可以利用比本层高或低的其他层次的对象信息。1.3规则建立1.4信息提取多尺度分割后,影像的基本单元已不是单个面向对象的信息提取和分类过程所

7、处理的不像元,而是由同质像元组成的多边形对象。面向再是单个像元,而是影像分割后所形成的对象。每一多边形对象可计算出所包含像元的光谱信息面向对象的分类/信息提取过程如图1所示。图1面向对象影像分类流程图Fig.1FrameworkofObjectOrientedClassification2研究区及数据3遥感影像分类研究区主要包括北京城区的东城、西城、宣3.1分割参数选择武、崇文,近郊区的石景山、海淀、朝阳、丰台及远分割参数的确定取决于遥感影像空间分辨率郊区的

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。