资源描述：
《利用面向对象的分类方法从IKONOS全色影像中提取河流和道路.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1期测绘科学Vol131No112006年1月ScienceofSurveyingandMappingJan利用面向对象的分类方法从IKONOS全色影像中提取河流和道路孙晓霞,张继贤,刘正军(中国测绘科学研究院,北京100039)【摘要】传统的基于像素的统计特征的分类方法在处理高分辨率影像的分类问题上遇到了很大的困难。本研究利用面向对象的影像分析方法对IKONOS全色影像进行了河流与道路的分类,包括利用影像对象的光谱特征的初次分类和利用子目标对象的线特征的二次分类两个过程;其中初次分类由于仅依据光谱信息,不能很好地将河流或道路与其他光谱特征相似的地物区分开,而通过引入子目标的形状特征
2、进行二次分类,就可以准确地将河流与道路提取出来。试验结果表明,面向对象的分类方法能够满足高分辨率或纹理影像的分类需要,具有很大的应用潜力。【关键字】高分辨率;面向对象分类;IKONOS,eCognition【中图分类号】TP79【文献标识码】A【文章编号】1009O2307(2006)01O0062O02利用的目标特征的模糊逻辑来分类的。对比基于像素的统1引言计分类器,模糊分类不像严格分类只用“是”或“不是”高分辨率遥感影像时代的到来给遥感技术的发展带来来表示,而是用0～1之间的连续数字描述分类成员的一个[4]了契机,在高空间分辨率的卫星影像上,地物景观的结构、连续状态。模糊逻辑分类法是一种基
3、于知识和概念的方纹理和细节等信息都非常清楚地表现出来,例如,细小的法,且容易使用,因此,如果仅用一个特征或很少的特征道路和河流。这使得利用遥感影像进行大比例尺的地形图就可以将一个类同其他类区别开时,建议使用成员函数分制图成为可能。然而传统的遥感影像信息处理和提取的方类器;否则,应该选择最近邻分类器。最近邻分类器比友[3]法是建立在基于像素级别的光谱信息分析的基础上,它们员函数能更好地处理多维特征空间的联系。的共同特征是只能使用图像的强度量即灰度值的统计信息,3研究区和影像数据而对地物形状、结构等信息的分析很少涉及,当面对这种纹理或低反差数据,尤其是像IKONOS全色影像这种纹理为了试验面向对象
4、的分类方法对纹理图像的分类效果,信息及其丰富,而光谱信息贫乏的数据时,基于像素级别选择长乐市1m分辨率的IKONOS单波段全色影像作为实验的光谱信息分析方法显得十分困难,因此,对高分辨率遥数据,研究区大小为1024×1024个像素。研究区中包括典感影像的理解和处理必须根据其特点采取新的技术方法,型的河流与细小道路(见图1)。河流与道路等线性地物的提建立起图像数据与目标特性之间的物理—机理联系,而不取是利用遥感影像进行地形图制图的一个重要方面,利用仅仅是统计联系,才能充分挖掘高分辨率遥感影像所包含传统的方法难以获得理想的结果,本研究首先对原始IKO2[1]的信息,这是高分辨率卫星影像信息处理成败
5、的关键。NOS影像进行几何校正、辐射校正等预处理,然后在此基为此,面向对象的影像分析方法———eCognition软件应运而础上利用eCognition面向对象的分类方法提取河流与道路。生,很好地解决了这个问题。本文的研究基于该软件进行。4影像分割与分类2面向对象的分类方法简介河流与道路的提取包括初次分类与二次分类两个过程。面向对象的分类方法是一种智能化的自动影像分析方法,首先是创建影像对象,利用影像对象的特征函数,根据模它的分析单元不再是单个像素,而是由若干个像素组成的像素糊逻辑规则进行初次分类,然后进行子目标线性分析分割,群,即目标对象。目标对象比单个像素更具有实际意义,特征再利用子目标的
6、线特征对上级目标进行二次分类。的定义和分类均是基于目标进行的。通常面向对象的分类方法411初次分类[2]包括两个步骤:多分辨率分割和模糊逻辑分类。影像分割的目的是将影像划分成一个个有意义的分离为了生成影像目标,首先要进行影像分割,多分辨率分割区域,形成初级的影像对象,为下一步分类提供信息载体[5]是eCognition软件中很重要的一步,它是基于比例参数、光谱和和构建基础。因此,分割的好坏直接影响着分类的精度。形状等特征将像素群组成像素块即目标,eCognition允许以任意利用eCognition进行影像分割,其中参数的确定是关键,经分辨率进行影像同质区域的分割,故称多分辨率分割。多分辨率过
7、反复试验,确定本次分割参数为:scale为35,shape为分割可以产生不同的分割水平,以满足不同目的的分类的需要。012,color为018,compactness为016,smoothness为014。分割的结果作为目标对象用于下一步的分类。分割结果见图2,图3为图2的局部放大,并建立分割目标ECognition提供了两种不同类型的分类器———最近邻法多边形,以方便清楚地看出分割后的效果。和成
