资源描述：
《面向对象分类方法及其在农作物面积提取中的应用.pptx》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、面向对象分类方法及其在农作物面积提取中的应用学生：李天坤指导教师：王永东副教授1.前言2.面向对象分类方法的流程及原理3.农作物的面积提取4.小结目录：前言采用基于像元等传统的图像分类方法提取农作物种植面积已取得了许多成果和较大进展。（吴炳方等,1997年;廖圣东等,2001年;何国金等,2004年;郑长春等,2008年）遥感，以其宏观、综合、快捷的特点成为农作物面积估算的高新探测手段。前言（隋学艳,2010年;陈姝等,2009年;王一达等,2006年;刘建华等,2009年）“椒盐”效应不能有效提高精度费时
2、、费力成本高传统分类方法自动、智能化不足面向对象分类方法新的分类方法知识驱动数据驱动基于影像对象的分类方法面向对象分类方法流程分析待处理影像分割方法分割参数设置执行分割影像对象分割评价影像分割不合格合格不合格分析影像对象信息特征（属性）分类规则建立各地物分类规则执行分类、生成分类结果分类方法分类精度评价合格面积计算，精度检验提取目标对象不合格特征分析与选择影像分类图1面向对象分类方法面积提取流程方法原理区域增长分裂、合并混合法确定若干种子点或种子区域对邻域像元进行判别并连接默认子区域为整幅图像如果该区域同质
3、性程度较差分裂为若干子区域合并同质性最相近子区域分割出同质性最相近的区域（刘建华,毛政元,2009年;管珍,2010年）影像分割的基本方法面向对象的影像分割是将整个影像区域根据相应原则,分割成若干个互不交叠的非空的内部是联通的子区域的过程。基于异质性最小原则的区域合并算法方法原理在影像分割的实现过程中需要用户参与设置以下参数：分割尺度、光谱因子权重和形状因子权重。所考察某像素跟周围像素进行合并的判断准则是：如果所有异质性参数的总和没有超过分割尺度的平方，则两者合并，属于同一个影像对象；否则，合并停止，两者不
4、属于同一个影像对象。光谱信息权重；shape—形状信息权重；color—光谱异质性值；—形状异质性值；任何一个影像对象的异质性值f是由4个变量计算：color（王启田等,2008年;张建国,2008年;陈春雷等,2011年;王启田等,2008年;黄帅等,2011年）异质性最小的区域合并算法，是要实现整幅影像在给定分割尺度的情况下所有影像对象平均异质性值最小。方法原理光谱异质性值color不仅与组成对象的象元数目有关，还取决于波段标准差σc（c表示波段编号,n表示组成对象的像素个数，对象合并前用Obj1和Ob
5、j2表示、合并后用Merge表示）：形状异质性值hshape则由紧凑度hcmpct和光滑度hsmooth组成：上述式子中：—紧凑度权重。（王启田等,2008年;张建国,2008年;陈春雷等,2011年;王启田等,2008年;黄帅等,2011年）方法原理紧凑度hcmpct和光滑度hsmooth取决于总的像元数n，多边形周长l与同面积多边形的最小边长b。对象合并前用Obj1和Obj2表示、合并后用Merge表示。（王启田等,2008年;张建国,2008年;陈春雷等,2011年;王启田等,2008年;黄帅等,20
6、11年）光谱异质性值与形状异质性值取决于影像的光谱特征与空间特征,光谱特征（光谱灰度值）突变不明显，光谱异质性值就小；空间特征（形状、面积等）变异不明显，形状异质性值就小。当分割尺度K一定的时候，两个对象的异质性值之和小于K2就会执行合并。方法原理图2最优分割尺度示意图在采用面向对象分类方法进行影像分割的时候要根据影像的光谱特特征和形状特征选择最优分割尺度。最优分割尺度值应该在异质性值总和的平方根值附近。最优分割尺度（陈春雷等,2011年;张俊等,2011年）方法应用面向对象的冬小麦种植面积遥感估算研究实验
7、数据：LandsatETM+遥感影像，分辨率：15米软件平台：ERDASIMAGINE8.7，eCognition软件分割尺度为15，光谱权重0.7，形状权重0.3，光滑度0.8，紧凑度0.2。分类规则：NDVI阈值分类方法：隶属函数（张建国等,面向对象的冬小麦种植面积遥感估算研究,2008年）方法应用面向对象的冬小麦种植面积遥感估算研究表1小麦提取面积精度分析（张建国等,面向对象的冬小麦种植面积遥感估算研究,2008年）方法应用基于面向对象分类的南方水稻种植面积提取方法实验数据：SPOT5HRG遥感数据,
8、Pan分辨率：2.5米，多光谱分辨率：10米表2多尺度分割参数分类规则：NDVI阈值,近红外光谱值分类方法：隶属函数（陈燕丽等,基于面向对象分类的南方水稻种植面积提取方法,2011年）方法应用基于面向对象分类的南方水稻种植面积提取方法表3晚稻分类结果面积一致性精度表（陈燕丽等,基于面向对象分类的南方水稻种植面积提取方法,2011年）面向对象分类方法的优点是基于影像对象的分类,充分利用了影像的光谱信息、纹理信息和拓
