面向对象的遥感影像分类方法在土地覆盖中的应用

《论文天地ｌ

面向对象的遥感影像分类方法

在土地覆盖中的应用

徐登云’李志娟２

１．内蒙古自治区地质测绘院呼和浩特０１００２０２。内蒙古自治区航空遥感测绘院呼和浩特０１００２０

摘要：本文基于面向对象的分类思想，以ＳＰＯＴ一５影像为数据，采用分层分类的方法，利用对象的多特征构建合适的

特征空间，建立知识库，结合最邻近分类器与模糊规则两种方法，并使用空间关系对分类进行优化，结果表明该方法对高

分辨率影像分类在减少分类不确定的同时还提高了分类精度。

关键词：面向对象多尺度分割分类

引曹

的基础上，应用多特征及规则对研究区进行地物分类，最后通过对分类结果的精度评价，从方法上论证ｅＣｏｇｎｉｆｉｏｎ软件在土地覆盖分类

中的应用价值。

尺度来表示，而是在同一时相可由多种适宜的尺度来描复印。

在影像对象网络层次结构中，每—个影像对象的属性信息中不仅包括与其相邻对象的关系属性，还有与子对象和父对象之间的关系属性。有些对象的光谱、形状等信息都十分相似，若以相邻对象的背景信息作为分类的—个条件，则很容易将其提取出来。更重要的是在对层次等级的关系进行操作时，可根据父对象的属性对子对象分类、根据子对象的平均属性对父对象的纹理属性分类、根据已分类的子对象的组成对父对象分类等。

１．２特徊整ｊ选择

遥感影像被分割为图形对象后，以理论Ｅ讲存在三类特征目。一是内在特征，指对象的物理属性，由成像区域、传感器姿态等决定，这一类的特征包括对象的色彩、纹理和形状；二是拓扑特征，描述对象间或一景图像内部几何关系的特征，这一类特征包括左右关系、距离、包含等；三是上下文特征，描述对象间语义关系的特征。如果进行多尺度的影像分割就会产生

表１多尺度分割的参数设置

层名

ＬｅｖｅｌｌＬｅｖｅｌ２

Ｌｅｖｅｌ３Ｌｅｖｅｌ４

分割尺度

光谱因子

形状因子Ｏ．１０．４０．１０．５

遥感技术的出现可以为我们提供极其丰富的地表信鼠，应用于测绘、环境等各个领域。随着传感器技术的发展，尤其是近年来高分辨率卫星的投人应用更拓宽了对自然界观察的视野，同时也对影像信息处理与分析提出了新的挑战。厨向像素分类法是传统的分类方法，在技术和应用上都已经很成熟，主要包括非监督分类和监督分类，近年来人们又研究出了新的分类方法和分类理论，比如模糊分类、神经网络等提高了分类的精度，但是无法摆脱基于像元的局限性，对于高分辨率的遥感影像来说，再利用传统的分类方法，就会造成分类精度降低，空间数据的大量冗余，造成资源的浪费目。从基于像元的遥感影像处理向基于目标的遥感影像分析的演变，是遥感学科进一步发

展的必然要求日。

１．面向对象分类方法

面向对象分类方法采用一种影像多尺度

分割的法则，以任意尺度生成属性信息相似的影像多边形对象。运用模糊数学方法获得每个影像对象的属性信息，以影像对象为信息提取的基本单元，实现类别信息自动提取的目的。面向对象影像分析有两个独立的模块：对象生成与信息提聊ｍ。对象生成是采用分割技术生成属性值不同的影像对象的过程，成功的影像分割是面向对象的影像分析的必要前提。影像信息提取是基于模糊逻辑的分类系统，并不是将每个对象简单地分到某一类，而是给出每个对象隶属于某—类的概率，根据地物特征以及空间信息建立模糊逻辑的知识库，进行信息提取。因此，构造—个优秀的模糊分类器是信息提取的关键。

１．１多尺度分割

多尺度分割的方法考虑了地表实体或过程的多层次，克服数据源的固定度，采用多尺度影像对象层次网络结构揭示地表特征％不同的分割参数决定了影像对象层次体系，影像对象集合了像元的光诧轩言息、此像元与周围像元的关系信息等。多尺度分割的突出贡献是同一空间分辨率的遥感影像信息不再只由一种

根据高分辨率遥感影像的特点，面向对象的遥感影像分类方法？直运而生。与其它传统的基于像元的影像处理方法相比较，面向对象的影像信息提取的基本处理单元是有意义的影像对象和它们的相互关系，而不是单个的像元ｋ遥感影像被分割为对象后，从理论匕讲存在三类特征为内在特征、拓扑特征和上下文特征ａ，如果进行多尺度的影像分割就会产生父对象和子对象。这样就又会衍生出类相关等特征。本文利用了面向对象的分类思想，利用

ｅＣｏｇｎｉｔｉｏｎ软件在对遥感影像进行多尺度分割

光滑度紧致度

Ｏ．７

９０５０２０

１５

０．９

０．８

０．３

０．３

一

Ｏ．７

Ｏ．７

Ｏ．９

Ｏ．９

Ｏ．３Ｏ．５

０．５

万方数据

ＲＥＳＯＵＲＣＥＳ｜０９５

《论文天地ｌ要爱萋曩勇豸了虿蚕夏歹厂—一０９６

表２多尺度分割影像特征提取的类与规则

父对象

子对象（ｓｕｂ—ｏｂｊｅｃｔ）

的空间尺度上就可以观察地表细节的变化。

上便可以针对地物不同特点使用均值、拓扑关系及对象间语义关系等特征。具体规则的建立考虑了各层次类型的规则建立、层内子类型对父类型的继承与对每一层分类结果进行合并与传递叽

本文构建四个信息提取层，不同影像对象层次将应用不同的分类。为此将分类等级透明化，引入抽象的基类，通过设置Ｈｉｅｒａｒ—ｃｈｖ下面特征的Ｌｅｖｅｌ值，这样每一类继承某一对象图层都将会被定义。首先在较大尺度图层上按照易类先分原则，Ｌｅｖｅｌｌ的分割尺度最大，位于分类体系的最高层上，可以利用大尺度的信息辅助中小尺度的分类。在ＩＪｅｖｅｌｌ中根据ＮＤＶＩ将植被非植被两个类别区分开来；然后将大尺度上的植被和非植

被归人Ｌｅｖｅｌ２中，即继承大尺度上已分的

层次类别

父类父类

２ｓｕｏｅｒ—ｄ∞ｓ２

ｓｕｐｅｒ－ｏｂｊｅｃｔ

ｌｓｕｏｅｒ－ｃｌａｓｓＩ

模糊分类规则

ＮＤＶＩ

２２多尺度分割

多尺度影像分割将大量的像素合并到一个影像对象中，会有一定的信息损失，但如果影像对象以一种合理的方式生成，即采用合适

的分割尺度，就会有大量的除了光

植被

ｌｅｖｅｌｌ

非植被

非植被１

ｎｏｔ植被

非植被植被

非植被１

Ｅｘｉｓｔａｎｃｅ

ｏｆｓｕｐｅｒ由∞ｂ非植被【１Ｉ＝ｉ

植被１

水体

Ｅｘｉｓｔａｎｃｅ

ｏｆｓｕｐｅｒ洲酏ｂ植被［Ｉ】＝ｌ

ｎｉｒ＜１ｌ

ｍｅａｎ

亮色建筑物

Ｌｅｖｅｌ２

非植被

１

Ｂｒｉｇｈｔｎｅｓｓ＞４９

ｋｎｇｔｈ＜１５０ｐｘｌ

裸地

非植被

１

４２．５＜Ｂｆｉｇｈｔｎｅｓｓ＜４９２＜Ｄｅｎｓｉｔｙ＜２３Ｓｔａｎｄａｒｄｄｅｖｉａｆｔｏｎｒｅｄ＜１０

谱值的新特征可以用来描述影像

对象，如形状、纹

类别，这里便用到类层间的相关性，子类继承父类的结果，在非植被的基础上提取水体、部分道路ａ、裸地和亮色建筑物，在非植被的基础上提取密集的林地ａ，对已分类别做掩膜，所有未分类的部分作为下一步细分

的基础。

道路ａ

ｌ

非植被

０．４５＜Ｄｅｎｓｉｔｙ＜１．６Ｌｅｎｇｔｈ／ｗｉｄｔｈ …… 此处隐藏：5284字，全部文档内容请下载后查看。喜欢就下载吧 ……