面向对象武汉市街区公共遥感影像分类探究

《面向对象武汉市街区公共遥感影像分类探究》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、面向对象武汉市街区公共遥感影像分类探究　　摘要：面向对象的遥感影像分类方法克服了传统基于像元分类方法的弊端，将对象光谱、空间纹理等特征一并加入分类依据中，有效避免了“同谱异物”或“异物同谱”的问题，适合于高分辨率的遥感影像分类。以武汉市某街区公共遥感影像为例，采用上述方法，结合支持向量机分类方法进行地物分类识别，结果显示，分类总体精度达到了89.9913%，取得了良好的分类效果。关键词：遥感影像分类；面向对象；支持向量机中图分类号：TP317.4文献标识码：A文章编号文章编号：16727800（2014）001014403基金项目基金项目：武汉理工大学自主创新

2、研究基金“中央高校基本科研业务费专项资金资助”（135214001）；教育部人文社科基金规划项目（12YJAZH022）作者简介作者简介：杨慧（1989-），女，武汉理工大学理学院硕士研究生，研究方向为数字信号处理。0引言7随着国内外遥感技术的不断发展，近年来，多光谱高分辨率遥感影像提高了地物识别等各方面的研究精度，逐渐成为遥感领域的主流研究对象。土地利用/土地覆被信息的研究是遥感研究领域的主要问题之一，其地物识别分类是后续研究土地利用现状及扩张模型的基础。当前主要将遥感影像分类为计算机分类和人工解译。人工解译需要专家拥有丰富的基础知识和对遥感研究区域的充分了

3、解，分类成本较高；计算机分类又分为监督分类和非监督分类，非监督分类无需对遥感影像有先验知识，分类成本低，但是由于其分类精度低，所以监督分类为遥感影像主流分类方法[1]。此外，还有如神经网络、模糊分类等较新的分类方法不断出现。传统的遥感图像分类主要是以像素点为基础，利用其光谱信息进行分类，但是随着高分辨率图像的不断出现，基于像素点的分类方法无法利用影像丰富的纹理信息。在此基础上，面向对象的遥感影像分类方法应运而生，改变传统的基于像素点的分类弊端，通过对遥感图像进行分割，将研究转为面对基元或单元。面向对象的方法更加注重基元之间的光谱、纹理及拓扑关系，利用丰富的信息

4、来综合分类，与传统的基于像元的分类方法相比精度有明显提高。1数据预处理本文研究对象为武汉市某街区的公共遥感影像，地理坐标为114.175573～114.181599E，30.512207～30.515825N，影像来源于由谷歌公司开发的google7earth软件，用getscreen截下此区域1km高度图（图1）作为实验区域。武汉市为湖北省省会，是中国内陆重要的交通枢纽城市，属于亚热带季风性湿润气候区，是全世界水资源最丰富的特大城市之一，被称为“百湖之市”，水域面积占市区的1/4。由于其特殊的地理位置，加上近年来城市发展迅速，不断向外扩张，使得对此区的研究尤

5、为必要。将截得的卫星图加地理坐标系进行配准，再进行相应的几何校正和大气校正。为了使得影像更加明晰，各类地物更加便于分类处理，对图像作简单的去噪以及图像增强。此处实验在ENVI软件中得以完成，处理后的图像见图2。图1武汉市某街区公共影像实验室区2影像分类面向对象的遥感影像分类方法主要包括如下步骤：影像分割、区域合并、规则建立、区域分类。分类步骤如图3所示。图2处理后的影像图3分类步骤2.1影像分割与合并7影像分割是面向对象分类方法的基础，其实质是将一幅图像分割成与实际地物对象相对应的部分，分割技术既利用了影像的光谱信息，又将空间信息考虑其中。影像分割的标准为：①

6、分割对象的平均异质性最小化；②像素的平均异质性最小化。而多尺度分割为现今主要的分割方法，采用自上而下的区域合并算法形成研究对象，小的对象通过调整形成大的对象，合并后对象的异质性必须确保小于给定阈值，区域异质性由光谱异质性和形状异质性共同确定。基于ENVI的特征提取模块，将分割尺度进行可视化操作，可随时预览分类结果，具有较高的可操作性。本文采用的是基于边缘的分割算法，计算速度快，只需一个参数就能产生多尺度分割的效果。通过不同尺度边界差异控制产生从细到粗的多尺度分割，通过边缘检测试图找到不同地物的边界，被边界包围的像元形成的图像区域为不同的分割区域。分割尺度的选择

7、对于后续分类精度有很大影响，高尺度将分割出很少的图斑，而尺度较低则会出现较多图斑，理想的分割尺度需通过反复试验进行选择。此处设置阈值为34，分割图见图4。在进行影像分割时，由于阈值过低，会有一些特征量被错分，也可能出现一个特征被分为很多部分的情况，所以在分割完之后，需通过进行合并来解决上述问题。通过设置合并参数使影像分割成需要的实物对象，形成分类所需的对象层（见图5），合并参数为90。2.2样本选择与影像分类7面向对象的分类方法实质上也是一种监督分类方法，与传统基于像素光谱值的监督分类不同，其在分类过程中需要选择各类别的样本建立规则，并对各分类类别的光谱、空间

8、、纹理等各方面信息充分了解的情况下进行