使用游程匹配法自动提取遥感影像面状地物信息探究

《使用游程匹配法自动提取遥感影像面状地物信息探究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、使用游程匹配法自动提取遥感影像面状地物信息探究　　摘要：使用游程匹配法对部分地区的遥感影像的面状地物信息进行了自动提取，并对提取结果进行了较为详尽的分析与评价，总结了此方法的优势与不足，也为以后的工作提出了合理的建议。关键词：游程匹配；面状地物；遥感影像现在的主流软件在对遥感影像进行自动分类时，所使用的处理方法一般都是基于灰度的各种统计量来提取信息的，并且大多数依据的仅是统计灰度出现的频率，如最大值最小值法和灰度共生矩阵等。但是地物本质上是在一定位置的灰度或亮度的有序排列。传统方法很少考虑到组成地物映像基元的位置分布信息。根据组成同一地物的基元是相似的这一理论基础，提出了游程

2、匹配法。这种方法是将基元的空间和灰度信息都考虑在内的信息提取的方法。1游程匹配法的理论分析5对地物进行归类和分类，本质上是依据地物间的共性。对地物进行归类时，地物间的共性越多，归为同一地类的可能性就越大。对地物进行分类时，本质上是依据地物见的差异。差异越大，属于不同类别的可能性越大。相同地物是指对象是具有某种共同属性的像元的连通集合。地物分类的关键是对这种共同属性的数值描述。但是由于在遥感影像获取过程中会掺杂大量噪声。相同地物直接的表现差异会很大。但是，同一地物间的相关性还是很强的存在。所以，要提取同一地物信息必须提取它们之间的相关信息。游程匹配法的理论基础就是依据组成宏观地

3、物的微观基元具有很强的相关性，在宏观上表现出来的就是两种相同地物的灰度分布曲线是十分相似的，而不同地物的灰度分布曲线的差异性是很大的。2游程匹配法的实践分析设l（m，n）为（m，n）处的灰度值，在区域（m-k，n-k）～（m+k，n+k）内，将每个像素点的灰度值依据下列的顺序排列：l（m-k，n-k），l（m-k+1，n-k），l（m-k+2，n-k），…，l（m+k-1，n+k），l（m+k，n+k）上述的排列代表了某种地物的一种灰度分布，称为L。对于另外的任一区域肯定也有类似的分布L′，如果这两个区域代表的是一种地物的话，则顺序灰度分布L和L′的分布是相同的。但是，通过上

4、文的论述，考虑到噪声，L和L′是相似的。图1大致相同的两种分布图2曲线中部分走势相同的分布5在具体处理时，会遇到图1和图2这两种典型情况。图1和图2都是同一类地物。对于图1的两幅影像的灰度分布M大致相同；但是对于图2的两幅影像的灰度分布M却是不同的。在具体处理时，可参考下面的方法进行。统计中两种分布的共同部分的数量所占总数的比例应该大于某个数值（如50%），截取曲线的两个部分进行比较。比较可以使用绝对值的差，也可以使用差的平方，根据计算的速度和准确率综合选择。在使用一定规则，判定属于哪种面状地物。判定公式可以为：或3面状地物信息提取结果的分析与评价3.1整体提取结果分析下图5

5、-3是原始遥感影像（左）与处理结果（右）的对比图图3游程匹配法的提取结果全局上观察使用游程匹配法提取的面状地物信息基本上较为准确。与其它方法相比，此方法提取面状地物的信息的连续性很强，细节表现明显。但是居民地的提取误差较大。3.2局部提取结果的分析图4游程匹配法的提取结果局部放大图（湖泊）5通过对图4的分析，提取的湖泊信息含有极少量的噪声，信息提取的精度很高，原始影像中的噪声对湖泊提取信息结果的影响很小。在湖泊的边缘位置有较大噪声，这种噪声应该是正常的。因为这种过渡地带一般为河滩地。图5游程匹配法的提取结果局部放大图（居民地）通过分析图5，提取的居民地信息含有大量噪声，出现粗

6、差。提取居民地信息的精度不高，并发生了严重的误判现象。图6游程匹配法的提取结果局部放大图（耕地）根据对图6的分析，使用此方法提取的耕地信息，提取精度非常高，仅含有极少量噪声。4结语根据游程匹配法的处理算法和以上的处理结果进行分析，利用游程匹配法的提取面状地物信息，耕地、湖泊等纹理较为规则的地物提取精度较高；但是提取居民地的精度非常差。造成这种结果的原因可能是对于居民地这种纹理基元较大的地物，需加大分析窗口。当然，这种方法的缺陷是匹配的结果是与地物的旋转是相关的。也就是面状地物的信息的方向走势（如纹理方向等）会影响最终的匹配结果。另外，这种方法容粗差的效果较好，但是同时对于微小

7、地物的提取效果应该较差。可在日后的研究工作中，多种方法予以配合，以解决这种问题。参考文献[1]BAATZ，M.&A.SCHIPE.Object-Orientedand5Multi-ScaleImageAnalysisinSemanticNetworks[C].Procofthe2ndInternationalSymposiumonOperationalizationofRemoteSensing，Enscheda，ITC，August16C20，1999：322-327.[2]谭衢霖，刘正军，沈伟.一种