一种面向对象的像元级遥感图像分类方法.pdf

《一种面向对象的像元级遥感图像分类方法.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l5卷第5期地球信息科学学报v01．15．No．52013年10月J0URNAL0FGEO．1NFORMAT10NSCIENCE0ct．．2013一种面向对象的像元级遥感图像分类方法李小江1,2，孟庆岩，王春梅，刘苗，郑利娟，王珂(1．中国科学院遥感与数字地球研究所遥感科学国家重点实验室，北京100101；2．中国科学院大学，北京100049)摘要：本文提出一种面向对象的像元级分类方法(混合模型)，并将其与单纯的以像元和面向对象的两种方法同时应用于分辨率分别为30m和0．5m的环境星CCD数据和航空影像进行对比分析

2、。分类结果中不同地物类别之间光谱可分性的大小，很大程度上可反映分类结果的可靠性。若地物类型之间的光谱差异大，说明分类方法能将光谱差异大的地物很好地划分，显示出较可靠的分类结果；相反，如果分类结果中地物类型光谱差异小，则反映分类方法不够可靠。鉴此，本文通过计算分类结果中不同类别所对应的原始遥感影像像元之间的J-M(Jefries．Ma．tusitaDistance)l~g离来度量分类结果中地物之间的光谱可分性，并用J．M距离比较分析了3种图像分类方法对2种不同分辨率影像的分类结果中各个类别之间的光谱可分性的变化。分析结

3、果表明，混合模型不但能够得到较连续的分类结果，同时能够保持分类结果中类别之间的可分性。本文对分类结果进行了精度验证，结果发现混合模型的分类精度较其他2种方法要高。2种不同分辨率的遥感影像分析结果得到相同的结论，表明该模型适用于中分辨率和高分辨率影像。关键词：地物光谱可分性；多种分辨率；面向对象；混合模型；J-MfJeffries．Matusita)距离DoI：10．3724／SP．J．】047．2013．007441引言光谱信息的损失，Walters(2004)研究表明像元的聚合过程会模糊地物之间的光谱差异。光谱信息

4、遥感影像分类方法众多，诸如，最大似然法n。、是识别遥感图像上目标的最根本依据，空间信息和神经网络【¨】、支持向量机等。传统的遥感图像分几何信息也大多是通过光谱信息所表现出来的。类方法主要是以像元为单位进行处理，根据每个像光谱信息的损失将会影响遥感影像的分类精度。元的光谱向量将每个像元划归为相应的类别。其很多研究已经尝试将面向对象和基于像元图能很好地识别出不同像元间的光谱差异，并将两者像分类结合用于遥感图像的分类中。Wang将面向区分出来。然而，遥感影像上地物类型复杂多样，对象和基于像元的分类方法用于IKONOS影像的

5、同物异谱和异物同谱现象十分普遍，其分类结果分类中，首先，其被用于区分类别可分性较好的类“椒盐现象”十分严重。随着超高分辨率遥感影像别，进而被用于进行类别光谱可分性较差的类别的(分辨率达到米级，甚至是亚米级)的出现，基于像区分”。Malinvemi提出了一种结合面向对象和基元的方法面临更大的问题。高分辨率的图像将更于像元的分类方法，并将该法用于ADS40影像的分多的细节描绘出来，类别内部方差很大，其分类结类中，结果表明，该方法能区分出更多的类别。果在实际应用中面临很大问题。本文提出一种新的结合基于像元分类结果的面向面向

6、对象的分类方法中，基本的处理单元是由对象方法，即结合像元在识别像元之间光谱差异和图像分割所得到的“对象”，该分类方法使得地物空面向对象在分类结果连续性等方面的优势。并分间和几何信息能够被利用起来。别将基于像元、面向对象，以及本文提出的结合两然而，影像处理单元从像元转到对象却意味着种方法的混合模型应用于匈牙利Sz6kesfeh6rv~ir地收稿日期：2013-03—07；修回日期：2013—05—13．基金项目：欧盟第七框架项目(FP7一PEOPLE一2009一IRSES．IGIT)；广东省省院产学研合作资金项目(20

7、12B091100219)、中国科学院对外重点合作项目(GJHZ1003)。作者简介：李小江(1988一)，男，硕士生，主要从事环境遥感研究。E—mail：lixiaojiang．good@163．com通信作者：孟庆岩(1971一)，男，博士，研究员，主要从事遥感应用研究。E—mail：mqy@irsa．ac．ca5期李小江等：一种面向对象的像元级遥感图像分类方法745区。同时利用J．M距离分析了3种方法所得到结果bel算子而非第一基本形式”进行边缘特征的提取，中不同类型之间的类别可分性，进而评价3种方法其主要思想

8、是通过使用标记图像来控制过分割现的分类可靠性。象。具体步骤：首先，使用sobel算子进行影像边缘特征的提取；然后，根据移动阈值的方法对边缘特2研究区背景、数据与方法征进行分割得到标记图像。(详细过程请参见文献[161)；最后，再根据标记图像对sobel算子得到的2．1研究区背景与数据边缘图像进行重建，使用分水岭分割方法得到最终选取匈牙利的Sz6