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.     

面向高分辨率遥感影像分类的多尺度光谱-空间-语义特征融合

在核函数集成SVM分类框架下,提出一种融合多尺度光谱-空间-语义特征的高分辨率遥感影像分类方法。首先,以多尺度影像分割集为基础,利用潜狄利克雷分配模型对分割图斑的语义特征进行建模,并结合原始影像的光谱特征以及分割图斑内的空间均值特征,在不同分割尺度下分别开展光谱-空间-语义特征的多核函数融合分类;然后根据多数投票法原则在决策级集成多尺度分类结果,通过最小尺度下的分割影像实现像素级分类结果至面向对象分类结果的转化。不同场景和分辨率数据下开展的实验结果表明,该分类方法能够实现分类结果的自适应平滑分类,并在一定程度上提高建筑物和道路等"同谱异物"地物的区分能力,分类总体精度由基于光谱特征SVM的66.7%和63.7%提升至86.8%和87.2%。     

面向对象的湿地景观遥感分类——以杭州湾南岸地区为例

在ENVIEX软件的Feature Extraction平台上,利用LandsatTM影像数据,采用面向对象方法对杭州湾南岸地区湿地景观进行遥感影像分类;通过与基于最大似然法、人工神经网络法、支持向量机法等传统像元方法的相应分类结果进行比较,系统分析了面向对象方法在中低分辨率遥感影像的湿地景观生态分类中的有效性。研究结果表明:①较之单一依据像元光谱值进行分类的传统方法,面向对象方法综合考虑了对象的光谱、空间、纹理、色彩等多种属性特征,因而对于类型复杂多样、分布界限模糊、光谱混淆与混合像元现象严重的沿海滩涂、湖泊、河流等湿地景观具有更好的鉴别能力,也因此获得更高的分类精度(研究区景观分类总精度为88.80%,Kappa系数为0.8765);②面向对象方法在分类中提取的是由同质性像元组成的"对象",且在合理的影像分割下得到的对象破碎化程度较低,因而能在较大程度上减小分类结果中的"椒盐噪声"干扰;而基于像元方法提取的景观类型以离散像元形式组成,难以清晰表征景观的边界、形状等信息,所以分类结果中会有明显的噪声现象;③影像分割在运用面向对象方法进行遥感影像分类过程中具有重要影响,实验结果表明,60%的分割尺度和归并尺度组合较有利于中低分辨率影像的遥感分类;④面向对象分类过程中诸如影像分割精度的评价、最优分割尺度的选取、特征空间的优化等问题,则有待今后进一步探讨。     

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。     

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.     

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.     

面向对象的高分辨率影像城市建筑物提取

依据高分辨率遥感影像的特点,采用面向对象方法提出"自下而上"的多尺度分割方法,即按照由小尺度分割至大尺度分割的顺序,并结合掩膜操作对山东师范大学IKONOS影像进行了建筑物提取试验。结果表明,该方法较传统的"自上而下"的尺度分割方法精度有显著改善,其分类结果形状较为规整,更接近实际地物。     

高分辨率遥感影像分割方法综述

随着遥感技术的发展,遥感影像的空间分辨率不断提升,民用商业卫星已达亚米级,这给传统的图像处理方法带来了挑战,于是提出了面向对象的分析方法,这种分析方法不再基于像元,而是基于由若干像元组成的对象,因此,面向对象方法的基础,是要求准确地获取对象,而这一点依赖于影像分割技术。本文调研整理了目前主要的遥感影像分割方法,并针对高分辨率影像的特点,对这些方法的适用性进行了分析说明,并指出了分割技术未来的发展方向。     

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ENVI ZOOM面向对象的高海拔灌丛植被提取——以定日县为例

利用ASTER数据,基于The Environment for Visualizing Images(ENVI)ZOOM 软件平台,采用面向对象的多尺度影像分割技术与规则创建相结合方法,提取了珠峰保护区核心区的灌丛植被类型.在对影像进行去阴影处理和各种辅助信息融合的基础上,使用Feature Extraction模块对影像进行分割,基于分割对象的高程、NDVI、纹理和光谱信息创建了适合研究区的灌丛提取规则.研究表明:该分类方法不仅能够克服传统基于像元分类方法中的"椒盐效应"问题,而且能够综合利用辅助信息(DEM、NDVI等)和地物本身的信息(光谱特征、纹理特征等),有效提高解译精度.以已有数据对分类结果进行了检验,分类精度达84 7%,分类结果较理想.     

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。     

基于面向对象的城市地物信息提取方法研究

20世纪90年代以来,高空间分辨率遥感影像数据的处理已成为遥感领域中的热点与难点。利用具有人的思维特点的面向对象的信息提取技术,对高分辨率遥感影像中的城市用地进行分类,分析和利用高分辨率影像的空间信息、结构信息与光谱特征等,总结了面向对象解译方法的5个步骤,即影像分割、分类方法的选择、地物种类分类,知识库构建、计算机自动分类。分类结果表明：（1）克服了“椒盐现象”;（2）信息提取的总体精度为92.19％,而且各类地物信息的提取精度均有所提高,特别是利用前期分类的拓扑关系有效提取了城市水体与建筑物阴影。     

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。     

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。     

基于多尺度空间ANN - CA模型的遥感影像超分辨率制图方法研究

为获取遥感影像混合像元中各组分的空间分布状况,提出一种新的遥感影像超分辨率制图方法,用于继混合像元分解之后的亚像元定位。将元胞自动机理论移植到不同空间尺度的演化上,建立基于神经网络的多尺度元胞自动机模型(ANN-CA),并利用该模型提取北京市海淀区城镇用地超分辨率信息。结果表明,该方法能有效表达图像像元之间的空间自相关性。     

面向对象解译方法在遥感影像地物分类中的应用

针对高分辨率遥感影像快速高效萃取有用信息这一遥感技术应用的热点问题,探讨了基于面向对象(Object-oriented)解译方法的遥感影像自动及半自动解译和提取的新思路.文中分析了面向对象解译方法在地物信息分类应用中的优势,并提出了基于此方法的高分辨率遥感影像多尺度信息提取技术流程.具体结合广州市新白云机场开发区IKONOS高分辨率遥感数据进行地物快速提取、自动分类的试验,并对解译效果进行了评估分析,证明此方法在高分辨率遥感影像地物分类中确实高效可行.     

辅以NDVI/DEM的面向对象木薯提取方法研究——以广西壮族自治区武鸣县为例

木薯作为重要的非粮能源作物,因其种植分散、与易混淆作物缺乏生长时相差,从而导致其种植分布信息难以正确获取,一直是困扰木薯乙醇资源正确评估的技术问题。该研究以广西壮族自治区武鸣县为研究区,应用高分辨率RapidEye影像数据,探讨利用面向对象分类方法合理提取木薯种植面积及其空间分布信息。研究表明,将归一化植被指数(NDVI)和数字高程数据(DEM)应用于遥感影像的多尺度分割,并结合基于隶属度函数和阈值的面向对象分类方法,提取木薯种植面积的精度达85%,分类精度(以Kappa系数表示)为0.9。相比最大似然监督分类方法和未辅以NDVI/DEM的面向对象分类方法,该方法的总精度分别提高了5%和12%,Kappa系数分别提高了0.2和0.3。因此,NDVI和DEM数据参与影像分割的面向对象的信息提取方法,可以有效地提高遥感图像分类的精度,并为提取种植分散、与相关植被时相差异小的作物的空间分布提供了有效的技术借鉴。     

基于QuickBird卫星数据的土地利用分类规则集研究

以天津滨海新区为实验区,研究面向对象技术的高分辨率遥感影像土地利用分类规则集。针对耕地、草地、水域、建设用地、交通运输用地、空闲地的特征差异,综合多尺度的分割特征,尝试不同的分割尺度,最终选定两个最优分割层次,即大尺度层次(分割尺度为400)和小尺度层次(分割尺度为240)。采用有效的特征参数,包括自定义的特征增强参数(NDVI参数、色度放大函数)以及最大差异特征参数、面积参数、不对称性参数、标准差参数,确定各特征的隶属度函数,最终建立分类规则集;应用该分类规则集,通过图层间信息的传递与合并,对实验区的QuickBird(QB)遥感影像进行土地利用分类,精度达86.98%,有效避免了椒盐现象。实验证明了面向对象的遥感影像分类方法可充分利用高分辨率影像丰富的信息,有效地提高分类精度。     

基于GF-1遥感影像的艾比湖区域田间尺度土壤盐渍化监测方法

土壤盐渍化是制约农业生产和发展的主要障碍。目前土壤盐渍化的遥感监测主要基于中、低分辨率卫星影像,并采用传统的基于像元分类方法,对盐渍化信息的细节描述不足,监测精度不高。本文使用国产GF-1影像,结合自上而下的多尺度分割技术和面向对象的信息提取技术,针对田间尺度下的盐渍化信息进行精确地提取、分类,并与传统分类方法进行了对比。结果表明：面向对象法和最大似然法的分类总体精度分别为92.72%和84.31%,Kappa系数分别为0.90和0.78。该技术能准确提取田间尺度下的盐渍地信息,在未来的农田盐渍化高精度监测研究中具有一定应用价值和发展潜力。