基于面向对象方法和多时相HJ-1影像的湿地遥感分类——以完达山以北三江平原为例

以中国东北地区完达山以北三江平原(下简称小三江平原)为研究对象,利用2010年多时相HJ-1A卫星和HJ-1B卫星CCD影像作为分类数据源,结合野外调查数据,应用多尺度分割算法,根据影像的丰富信息和物候、时相等特征,采用面向对象的分类方法,进行小三江平原的湿地遥感分类。结果表明,湿地二级分类的总体精度为85.45%,总体Kappa系数为0.81。小三江平原湿地主要分布在低洼地区,总面积为9084.16km2;其中,天然湿地面积为2635.09km2,人工湿地面积为6449.07km2。集中分布的水田是小三江平原最主要的景观类型;天然湿地主要分布在自然保护区、河岸附近和国界周围;其中,草本沼泽面积最大。本研究表明,面向对象的分类方法能够有效利用遥感影像提供的丰富信息,产生较高的分类精度;对于中分辨率遥感影像不同分割尺度的组合使用有利于湿地信息的提取。降雨量较多、较少月份影像的选取和物候规律的利用是提取湿地信息的关键。多时相遥感影像数据的使用,改善了洪泛湿地和森林沼泽的分类效果,尤其是水田边界的划分;同时可以提高湿地分类精度。基于面向对象的遥感方法,利用多时相的中分辨率遥感影像,能够获取较高精度的湿地分布信息,是一种成本较低且行之有效的技术手段。     

城市植被尺度鉴别与分类研究

城市地物具有多尺度分布特点,尺度鉴别与确定是分类的前提。提出改进的面积相对差指标,根据城市植被的分布状态确定最优分割尺度。采用面向对象方法,利用对象的光谱和空间信息对高空间分辨率影像进行植被分类。与基于像元的传统光谱分类方法和单尺度分类结果比较,最优分割尺度的鉴别和面向对象的分类方法分类精度较高,6种城市植被的分类总精度达85.5%,Kappa系数为0.83;同时有效抑制了光谱数据分类中存在的地物破碎问题。     

基于多时相环境卫星数据的南瓮河流域湿地信息提取方法研究

选取位于大兴安岭林区的南瓮河流域作为研究区,以多时相、中等分辨率的环境卫星影像为数据源,采用面向对象方法,通过多尺度分割、特征提取、决策树建立等步骤,实现湿地信息的快速提取;系统分析了面向对象方法在森林地区湿地信息提取中的有效性.研究表明,在面向对象湿地信息提取过程中,采用不同等级的分割尺度,使分类更具层次性;利用光谱、空间、形状等多种属性特征,通过多时相遥感数据的融合,可以更好地识别复杂多样、界限模糊的湿地景观,其中,草本沼泽的生产者精度达到了91％.结果显示,南瓮河流域内,湿地类型多样,以草本沼泽和灌丛沼泽为主,且其主要分布于河流两侧和中下游宽阔的河谷地带.     

基于多尺度层的遥感影像分类问题研究

近年来,基于面向对象的遥感影像分类方法已经被广泛使用,这种方法与传统的基于像元的分类方法相比较,精度较高,是以对象作为分类的最小单元,所以,对于面向对象的分类方法其关键就是如何获取较高精度的对象,本文是在对遥感影像进行不同尺度分割的基础上,得到不同尺度的对象,然后依据对象的分割精度,选择相应尺度再进行分类。实验证明,这种方法可以有效提高遥感影像的分类精度。     

基于高空间分辨率遥感影像的湿地信息提取技术研究

如何利用遥感技术获取高精度的湿地信息是湿地遥感研究中的重要内容之一.基于高空间分辨率的遥感影像数据,研究利用面向对象的分类方法,综合利用遥感数据的光谱信息、纹理特征、拓扑关系等信息进行多尺度分割,通过对对象的目视解译建立隶属度函数,并结合最邻近分类法,获取湿地信息.并以福建省闽江口湿地为例,采用高分辨率的SPOT5影像数据,研究表明：利用面向对象的方法对SPOT5遥感影像进行湿地信息的提取精度达到90.40%,为湿地信息的提取又提供了一个有效的方法.     

基于多尺度融合的高分辨率影像城市用地分类

基于面向对象的信息提取技术,针对高空间分辨率遥感影像进行城市用地分类。首先针对不同城市地物,选择适宜的提取尺度;然后探讨不同城市地物类型提取的适宜特征,充分利用光谱、空间结构、上下文关系、纹理等信息描述地物;最后融合不同地物多尺度下的提取结果。以北京市部分地区QuickBird影像为例,实现城市用地类型的自动分类,结果表明:该方法应用于城市用地分类的精度高达86.74%,为高空间分辨率遥感影像城市用地分类研究提供了新思路。     

利用面向对象的信息提取技术进行城市用地分类

针对城市用地分类问题,利用面向对象的高分辨率影像信息提取技术,对高分辨率影像进行影像分割,寻找影响对象提取精度的最优分割尺度,在得到最优分割尺度的基础上针对研究区城市用地的特点,有针对性地建立不同对象的提取规则,实现对目标对象的信息提取,从而形成最终的城市用地分类图,并将其与基于像元的光谱信息分类的方法进行对比,结果表明:视觉方面,面向对象信息提取技术克服了监督分类最大似然方法仅利用光谱信息分类的缺陷,充分考虑了像元间的空间关系特点,有效消除了"椒盐"噪声的影响;精度方面,面向对象信息提取技术的总体精度高达86.1166%,比最大似然法的总体精度提高了9.8851%,KAPPA系数也高达0.8131。     

面向对象的山地区域多源遥感影像分割尺度选择及评价

随着遥感技术的飞速发展,通过各种传感器获取的影像种类越来越多.传统的面向像元的影像分析技术已难以适应高分辨率影像,面向对象的影像分析技术应运而生.面向对象的影像分析技术所面临的首要问题是影像分割,如何选择合适的影像分割尺度已成为面向对象影像分析技术的关键.为了提高遥感影像分割尺度选择的准确性,通过对影像分析建立了分割质量函数,针对不同分辨率的多源遥感影像进行分割实验,获取了最优分割尺度,最后提出了一种顾及面积和光谱的分割匹配指数对最优分割尺度进行评价,并研究了分割尺度与亮度均值标准差、影像空间分辨率之间的对应关系.研究结果表明,构建的分割质量函数获取的最优分割尺度避免了人工分割带来的主观性,建立的同时顾及面积和光谱因子的分割匹配指数验证了最优分割尺度选择的正确性.     

震害损毁建筑物高分辨率遥感信息提取方法

利用高分辨率遥感数据,针对“512”地震中都江堰紫坪铺镇震害损毁建筑物的特征,研究了基于像元和面向对象两种快速提取方法.基于像元提出了基于“多层次区域分割”的震害损毁建筑物提取方法,与传统的分类提取方法相比,它体现着面向对象分析方法中的多层、分割思想.面向对象,利用多尺度分割思想,按照分割尺度的大小建立了三层体系结构,根据每一层的特征提取不同地物类别,分析其光谱、纹理、形状、上下文关系、空间位置等特征,建立各自的模糊判定规则,进行损毁建筑物的提取.分别从提取精度、目视效果和方法原理三方面对两种提取结果进行综合比较,结果显示:两种方法均能快速、准确地提取震害损毁建筑物信息,而面向对象提取方法成功地抑制了由于单个像元光谱异质性大而导致的高光谱遥感分类“胡椒盐”噪声,有效地解决了基于像元方法中存在的“同物异谱,同谱异物”现象,其总体精度(90.38％)比基于像元方法的总体精度(76.84％)更高.     

高分辨率遥感影像多尺度分割参数优化及其在面向对象分类中的应用

分割和分类是面向对象分类方法的2个基本步骤,分割的效果会直接影响分类的精度。因此本研究以福建省平潭岛的SPOT-5高空间分辨的遥感影像为研究数据,利用正交试验的方法探究该区域多尺度分割的最优参数,并建立分类规则进行分类。最后将基于像元的监督分类与面向对象的分类方法进行比较分析,得到的总体精度分别为77.50%和89.00%。结果表明,由于面向对象的分类方法能更充分的利用影像的光谱信息、几何结构和纹理特征,在高空间分辨率的遥感影像分类中更具有发展前景。     

基于Landsat 8 OLI数据与面向对象分类的昆嵛山地区土地覆盖信息提取

利用2015年Landsat 8 OLI遥感影像和DEM作为分类数据源,结合野外调查数据,采用面向对象的分类方法对昆嵛山地区土地覆盖信息进行提取,并对分类结果进行精度评价与比较分析。研究表明：面向对象分类方法提取的各地类连续且边界清晰,分类效果与实际情况基本吻合。昆嵛山地区占主导地位的土地覆盖类型是针叶林,面积为1 546.81 km²。研究区土地覆盖分类的总体精度和Kappa系数分别为91.5%和0.88,其中针叶林、草地、水体和建设用地的生产者精度均达到87%以上。相对于监督分类方法,本研究提出的土地覆盖信息提取方法的总体分类精度和Kappa系数分别提高14.7%和0.17。基于面向对象的中分辨率遥感影像,能够获取较高精度的土地覆盖信息,为大范围土地覆盖分类研究提供方法参考。     

An Evaluation of an Object-Oriented Paradigm for Land Use/Land Cover Classification∗

Object-oriented image classification has tremendous potential to improve classification accuracies of land use and land cover (LULC), yet its benefits have only been minimally tested in peer-reviewed studies. We aim to quantify the benefits of an object-oriented method over a traditional pixel-based method for the mixed urban–suburban–agricultural landscape surrounding Gettysburg, Pennsylvania. To do so, we compared a traditional pixel-based classification using maximum likelihood to the object-oriented image classification paradigm embedded in eCognition Professional 4.0 software. This object-oriented paradigm has at least four components not typically used in pixel-based classification: (1) the segmentation procedure, (2) nearest neighbor classifier, (3) the integration of expert knowledge, and (4) feature space optimization. We evaluated each of these components individually to determine the source of any improvement in classification accuracy. We found that the combination of segmentation into image objects, the nearest neighbor classifier, and integration of expert knowledge yields substantially improved classification accuracy for the scene compared to a traditional pixel-based method. However, with the exception of feature space optimization, little or no improvement in classification accuracy is achieved by each of these strategies individually.     

基于区域合并影像分割技术的多尺度地表景观分析

分割是面向对象影像分析的前提,景观空间异质性特征给遥感信息获取提出了多尺度的要求。影像分割的多尺度分析以尺度效应与对象异质性最小原则为前提,描述多尺度效应分析的必要性与可行性。基于区域合并的分割原理与方法,为多尺度影像分析提供理论与技术支持,在两个样区进行多尺度影像分割技术的应用实践,分析基于区域合并的多尺度分割数据的几何丰富度与语义丰富度。     

基于GF-1卫星数据的面向对象的民勤绿洲植被分类研究

以民勤绿洲为研究区,以GF-1遥感影像为数据源,采用面向对象的分类方法,结合分层技术,对影像逐级进行分类,以获取植被信息。根据归一化植被指数（NDVI）阈值区分植被与非植被,分割尺度为10;使用归一化水体指数（NDWI）阈值提取非植被中的水体,分割尺度为35;利用野外采样点获取的训练样本,将植被进一步分为耕地、林地和草地,分割尺度为25。总体分类精度达到83.02%,Kappa系数为0.745 1,比较基于象元的监督分类,其总体分类精度为69.37%,Kappa系数为0.497 0,表明面向对象的分类方法在干旱区绿洲植被信息的提取上较传统的基于象元的分类方法更有优势,分类精度更高。     

基于RapidEye卫星和面向对象方法的南方山区居民地提取（英文）

在中国快速城市化进程中,农村居住人口减少的同时居住用地却呈增加趋势,这一现象在南方山区尤为明显。利用遥感技术进行农村居民地信息的提取与分析具有重要意义。本研究选取江西省泰和县为典型研究区,基于RapidEye卫星影像,利用面向对象的分类方法进行居民地的分类提取。构建的分类规则集包括归一化植被指数NDVI、归一化水体指数NDWI、亮度以及长/宽比。通过多次实验,图像的最佳分割尺度设置为200。通过设置不同的分类规则参数,提取了研究区的居民地及其他土地利用类型,并进行分类结果验证和精度评价。研究区的居民地分类总体精度为78.40%,生产者精度和用户精度分别为68.75%和77.33%。结果表明通过利用面向对象的分类方法,Rapid Eye卫星影像为农村居民地信息提取提供了适宜数据源。与第二次全国土地调查结果相比,存在93.67公顷的分类差异,主要分布在居民地与其他土地利用类型的毗邻地区。     

面向对象方法在SPOT5遥感图像分类中的应用--以北京市海淀区为例

SPOT5图像的空间分辨率高,局部异质性较大,采用基于像元的传统方法分类精度低,难以满足实际应用的需要。以北京市海淀区SPOT5图像为例,应用面向对象方法对其进行分类试验,并将该方法与传统基于像元方法的分类结果进行对比分析。结果表明:利用面向对象方法对SPOT5遥感图像进行分类,不仅使分类结果具有丰富的语义信息,有效抑制“椒盐现象”的发生,还可以显著提高分类精度。     

银川平原湿地空间分布格局图谱

采用湿地遥感制图方法,获取了银川平原湿地景观空间分布信息。在综合分析湿地分布图、地貌图、水系等图件的基础上,应用地学信息图谱分析方法,按照湿地水源补给状况建立了湿地空间分布格局图谱,并解释了银川平原湿地景观格局图谱的形成机理。     

遥感图像纹理信息提取方法综述

纹理是遥感图像的重要特征，它提示了图像中辐射亮度值空间变化的重要信息。要利用图像空间信息提高分类精度，合理而有效地度量纹理至关重要。目前遥感图像纹理信息提取方法主要有：统计描述法、小波变换法、分维分形法和地统计学4类。分别就各种方法的优缺点、适用领域和应用情况进行了阐述，最后展望了遥感图像纹理信息提取方法的发展方向和研究热点。