多尺度多准则的遥感影像线状地物信息提取

针对传统低层次单个像元纯光谱的信息提取方法存在的不足,以ZY-3高分辨率遥感影像为数据源,依据"种内一致性最大、类间异质性最大"原则,提出了基于多尺度多准则的ZY-3影像线状地物信息提取方法。利用基于最优分割尺度的影像分割、面向对象线状地物目标信息的提取方法,实现了河流、水渠、道路等线状地物信息的提取,并通过实验分析验证了可行性、有效性。结果表明:构建的RMAS指数指标,可以作为多尺度分割中选择最优分割尺度的一种很好的指示器,所提方法不仅有效避免了分割斑块面积对分割结果评价的影响,还能够有效识别ZY-3影像中的线状地物信息,研究结果对高分辨率遥感影像处理尺度依赖的技术难点及线状地物信息提取等研究具有重要的参考价值。     

面向对象最优分割尺度的选择及评价

针对当前面向对象多尺度分割方法存在处理的过程会产生不确定性误差,或分割效果依赖矢量边界线与真实边界的吻合程度等不足,该文以IKONOS、QuickBird高分辨率遥感影像为例,基于Definens平台面向对象多尺度分割算法,依据"种内一致性最大、类间异质性最大"原则,利用标准差及分割斑块对象与领域均值差分绝对值构建了与领域绝对均值差分方差比指数指标来定量选择最优分割尺度,并提出依据不同波段对分割斑块的贡献值不同,赋予不同权重,构建加权对象匹配度指数指标的方法,对分割结果进行评价与验证,最后对最优分割尺度选择及评价方法的可行性进行了探讨。     

多特征多尺度相结合的高分辨率遥感影像建筑物提取

在高分辨率遥感影像中,建筑物通常表现为多尺度形态,且存在同谱异物和同物异谱现象。因此,本文提出了一种综合利用光谱特征、形状特征和纹理特征,并结合多尺度分割的建筑物分级提取方法。该方法首先对遥感影像进行形态学建筑物指数（MBI）计算,而后对其特征影像进行阈值分割,并借助形状特征参数实现建筑物初提取;然后引入面向对象思想完成遥感影像多尺度分割,并利用纹理特征实现单一尺度的建筑物对象识别;最后借助多尺度融合思想完成建筑物后提取。利用本文方法对冲绳某地区影像进行了建筑物提取试验。试验结果表明,该方法的识别查准率和查全率在对象级和像素级两方面均取得较高精度。     

基于最优尺度和规则的高分辨率影像分类研究

高分辨率影像的广泛应用推进面向对象影像分析(OBIA)的发展,而分割作为面向对象分类的关键步骤,其尺度的选择直接关系到地物信息的提取。空间尺度是地物的固有属性,在合适的分割尺度下可以更好地挖掘地物信息。本文结合最大面积法和分割质量评价模型对张山营镇影像进行分割实验,先通过分析对象最大面积初步得到最优尺度范围,后结合分割质量评价模型以确定最优分割尺度层次。在此基础上,综合样本提取的光谱、纹理等特征进行规则训练,最终完成面向对象的土地覆被分类研究。结果显示:基于多层次最优尺度的规则分类方法获得更好的分类结果,其总体精度为88.8%,Kappa系数为0.861,而基于单一尺度的最邻近法总体精度81.4%,Kappa系数0.773,基于单一尺度的规则分类法总体精度为83.2%,Kappa系数为0.85。     

面向对象的高分辨率遥感影像建筑物震害信息提取

建筑物的倒损信息是震后灾害评估的一项重要指标。文中应用震后高分辨率遥感影像数据,采用面向对象分类方法,以最优分割参数对影像进行分割,构建多尺度影像对象层次结构。通过影像对象的光谱、形状、纹理等特征及空间拓扑关系建立分类规则库,提取基本完好、受损和完全倒塌三类破坏等级的建筑物震害信息。结果表明,面向对象分类方法能够实现提取三类等级的建筑物震害信息,从而满足地震灾害快速评估要求。     

基于数学形态学与多尺度的建筑物信息提取

针对传统分类方法提取高分辨率影像时,计算量大、算法效率低等缺点,从面向对象的角度采用数学形态学与多尺度相结合的方法对高分辨率影像进行分割;并将得到的最优分割对象与K-means、最大似然分类方法进行比较。该方法首先选用符合目标提取特征的结构元素探测影像边缘信息,再把探测得到的不同尺度边缘信息进行熵权边缘融合。结果表明,该方法提取的建筑物信息优于传统方法。     

面向对象的卫星影像积雪信息提取

针对传统基于像元的积雪提取方法的不足,该文以HJ-1B/CCD、IRS遥感影像作为数据源,通过分析HJ-1B影像上的地物特征,提出了先对影像特征合并后进行多尺度分割的积雪提取方法。多尺度分割时,首先将影像分割成多边形对象,然后建立起积雪提取的规则集,进而对积雪信息进行提取。为了验证提取精度,该文对比分析了NDSI方法和本文方法提取积雪的结果,并利用目视解译积雪提取结果定量地进行了精度评价。结果表明:采用本文方法提取积雪具有较高的可靠性和准确性。     

高分一号汶川极震区滑坡提取研究

选择汶川地震极震区的高分一号卫星影像,通过面向对象的分析技术提取滑坡信息;采用多尺度分割算法,结合高分影像和滑坡特点将以往经验式参数选取方法进行优化,分析极震区滑坡的特征,选择合适的特征参数,构建分类规则,实现滑坡的识别与提取。滑坡灾害信息的提取结果采用野外实际调查的滑坡点进行精度评价,滑坡提取总精度为84%,表明利用高分一号高分辨率卫星数据可以较好地提取滑坡灾害信息,基本满足滑坡灾害识别的要求。     

面向对象的高分辨率影像农用地分类

采用面向对象的影像分类方法,结合多尺度分割技术,以QuickBird影像为实验数据,进行农用地的精细自动分类。首先,根据地物大小,选择最优分割尺度,构建多尺度分割等级网;然后,综合利用高分辨率影像的光谱信息、纹理和形状特征,建立各个对象的特征集;最后,通过目视解译建立隶属度函数,实现地物的分层提取。实验表明,该方法能有效区分农作物种类,相对于传统的像素级分类方法,该方法明显提高了高分辨率影像的分类精度,且避免了"椒盐"噪声的产生。     

一种改进的基于最小生成树的遥感影像多尺度分割方法

影像分割是遥感影像面向对象信息提取的基础步骤。基于多特征、多尺度及考虑空间关系的遥感图像分割是主流研究方向。本文基于eCognition软件的多尺度分割思想,引入基于图论的最优化理论,提出了基于最小生成树分割和最小异质性准则的多尺度分割方法。该方法采用相干增强各向异性扩散滤波和最小生成树分割得到初始分割结果,通过最小异质性合并准则同时考虑多波段光谱特性区域形状参数进行区域合并,实现多尺度的影像分割。本次研究选取两景试验影像,对本文方法和eCognition软件的多尺度分割方法开展了目视比较和定量指标评价,结果表明,本文提出的方法是一种有效的影像分割方法,在光谱差异较小区域的细分方面优于eCognition方法。     

GF-2影像面向对象典型城区地物提取方法

国产高分遥感影像信息丰富,提供了精准的地物空间细节,深入研究高分数据处理及其提取城区地类目标信息的方法具有重要意义。本文以国产高分二号（GF-2）遥感影像为数据源,利用规则集的面向对象分类方法,通过ESP尺度分析工具选取得出最优分割尺度,建立各类地物的特征体系及分类规则,最终提取出研究区典型城区地物信息,并将之与传统基于像元的SVM监督分类结果作比较。结果表明：规则集的面向对象分类总体精度为92.23%,Kappa系数为0.9,比SVM监督分类有大幅度提高。对高分二号等高分辨率影像,面向对象的分类方法精度更高,图示效果更好,是城区地物提取的有效方法。     

面向对象的多尺度水体信息提取

以安徽省阜阳市阜南县东南部为研究区,利用LandsatTM数据,基于面向对象的多尺度分类方法,选取合适的分割尺度创建分类对象;通过分析研究区各种地物复杂的光谱响应特征,建立水体信息提取的知识规则集,对研究区水体进行提取研究。研究表明,与传统的利用单波段和NDWI等方法所提取的水体相比,规则推理法在提取水体时可以消除一些影像上其他干扰信息的影响,取得较好的提取效果和精度。除此之外,该方法简单易行,水体提取的规则集对于用户来说是透明的,易于理解。     

Comparing supervised and unsupervised multiresolution segmentation approaches for extracting buildings from very high resolution imagery

Although multiresolution segmentation (MRS) is a powerful technique for dealing with very high resolution imagery, some of the image objects that it generates do not match the geometries of the target objects, which reduces the classification accuracy. MRS can, however, be guided to produce results that approach the desired object geometry using either supervised or unsupervised approaches. Although some studies have suggested that a supervised approach is preferable, there has been no comparative evaluation of these two approaches. Therefore, in this study, we have compared supervised and unsupervised approaches to MRS. One supervised and two unsupervised segmentation methods were tested on three areas using QuickBird and WorldView-2 satellite imagery. The results were assessed using both segmentation evaluation methods and an accuracy assessment of the resulting building classifications. Thus, differences in the geometries of the image objects and in the potential to achieve satisfactory thematic accuracies were evaluated. The two approaches yielded remarkably similar classification results, with overall accuracies ranging from 82% to 86%. The performance of one of the unsupervised methods was unexpectedly similar to that of the supervised method; they identified almost identical scale parameters as being optimal for segmenting buildings, resulting in very similar geometries for the resulting image objects. The second unsupervised method produced very different image objects from the supervised method, but their classification accuracies were still very similar. The latter result was unexpected because, contrary to previously published findings, it suggests a high degree of independence between the segmentation results and classification accuracy. The results of this study have two important implications. The first is that object-based image analysis can be automated without sacrificing classification accuracy, and the second is that the previously accepted idea that classification is dependent on segmentation is challenged by our unexpected results, casting doubt on the value of pursuing ‘optimal segmentation’. Our results rather suggest that as long as under-segmentation remains at acceptable levels, imperfections in segmentation can be ruled out, so that a high level of classification accuracy can still be achieved.     

利用规则进行高分辨率遥感影像地物提取

针对高分辨率遥感影像中地物的复杂性和多变性带来的地物提取难点,提出了一种基于多层次规则的面向对象的典型地物提取方法。改进了基于区域增长的影像分割方法,利用小区域内的全局最优策略进行初始增长,避开了种子点的选择。利用影像分割得到的影像对象作为地物提取的基元,针对影像上典型地物选择提取特征,利用多层次的提取规则进行地物提取,总的提取精度达到87.1%。     

面向对象的遥感分类方法在输电线路地表信息提取中的应用

面向对象的遥感分类方法是影像分辨率越来越高的背景下的产物。本文以某特高压输电线路工程为研究对象,选取宁夏、陕西、山西、河南、安徽境内五个典型地区样本,通过影像特征分析、多尺度分割和地物分类建立了水体、建筑、林地、道路等四种典型地物的分类规则集,并对工程全线进行信息提取和精度分析。结果表明:利用面向对象的方法提取高分辨率航空影像地表信息能够为输电线路智能选线快速提供基础地理空间数据。     

面向对象影像多尺度分割最大异质性参数估计

多尺度分割是遥感影像分析的关键步骤,影像分割过程中的尺度参数选择直接关系到面向对象影像分析的质量和精度。首先,总结了面向对象影像分析中尺度概念的内涵,分析遥感影像空间和属性两大基本特征,依据空间统计和光谱统计获得理论上最优的空间尺度分割参数、属性尺度分割参数。其次,运用了基于谱空间统计的高分辨率影像分割尺度估计方法,分析了分形网络演化多尺度分割与影像谱空间统计特征的关系,进而将基于谱空间统计的面向对象影像分析尺度参数应用于分形网络演化多尺度分割算法中,最后,对其参数的合理性进行验证。研究采用高空间分辨率IKONOS和SPOT 5影像数据,选择建筑实验区和农田实验区进行空间和光谱特征统计,以进一步估计分割中的最佳尺度参数。使用分形网络演化方法对图像进行分割,利用监督分类对本文提出的尺度估计方法进行验证,验证结果表明尺度估计方法可以一定程度上保证后续的面向对象影像分类的精度。不同于以往分割后评价的尺度选择方法会需要大量的运算量,本文方法不需要先验知识的参与,且在分割前就可以自适应地估计出相对较为合适的尺度参数,提高了面向对象信息提取的自动化程度。     

面向地学应用的遥感影像分割评价

影像分割是面向地理对象影像分析(GEOBIA)中的一个关键环节。分割评价有助于为影像选择合适的分割方法和最佳分割尺度。本文提出一种以遥感地学应用面向的对象为依据的分割方法分类及评价体系。首先将影像分割方法分为面向局部特征监测的典型目标识别和面向全局特征监测的面向GEOBIA的分割方法两组,进而针对这两组分割方法提出了两套分割评价测度指标及相应的综合评价方法。在面向典型目标识别的分割方法评价中,使用区域内部非均质度、区域间灰度对比度、区域间散度对比度、边界点梯度和单位像素运行时间作为评价测度,并针对由于评价测度间的相关性而无法直接确定各测度权重分配的问题,提出利用熵权法为各个评价测度分配权重以获得综合评价结果的分割评价方法,该评价方法可用于选择合适的分割方法。用于面向GOEBIA的分割方法中使用分割区域内均质性和区域间异质性作为评价测度,这种评价方法适用于选择最优分割尺度参数。本文通过定量试验论证了这两种评价方法的有效性,试验结果表明其在遥感应用中具有实际意义。最后本文分析了影像分割评价方法的不足及未来的发展方向。     

面向对象的多特征分级CVA遥感影像变化检测

变化矢量分析CVA方法在中低分辨率遥感影像变化检测中已得到广泛应用,但由于高分辨率遥感影像存在不同地物尺度差异大、不同类别地物光谱相互重叠的问题,因此对于高分影像的变化检测具有局限性。为提高高分影像变化检测精度,提出了一种面向对象的多特征分级CVA变化检测方法,首先,利用基于区域邻接图的影像分割方法分别对两时相遥感影像进行多尺度分割,提取分割图斑的光谱、纹理和形状特征;然后,在各级尺度下,分别运用随机森林方法进行特征选择,计算CVA变化强度图;最后,根据信息熵对多级变化强度图进行自适应融合,利用Otsu阈值法检测变化区域,并与仅考虑光谱特征的分级CVA变化检测方法、像元级多特征CVA变化检测方法以及仅考虑光谱特征的像元级CVA变化检测方法进行比较分析。实验表明:与比较方法相比,本文方法的变化检测精度较高,误检率和漏检率较低。     

引入松弛因子的高分辨率遥感影像自动多层次分割

针对当前高分辨率遥感影像多层次分割尺度参数设置缺少理论框架支持、人为因素影响较多等缺点,提出一种引入松弛因子的高分辨率遥感影像自动多层次分割方法。该方法利用1个松弛因子调节引导区域对象合并的异质性值大小,通过控制每次递归合并区域的对象个数,提高了整体分割的速度;以区域对象间异质性平均值作为基数,引入另一个松弛因子控制分割过程中层次输出的尺度参数,使整个分割过程自动得到不同尺度的多层次分割结果。实验结果表明,该方法具有较高的分割质量,能够满足遥感影像分析及地物提取的精度要求,并且减少了人为因素影响,提高了自动化程度。但是,对于复杂图像内容的地物目标边界处理和减少狭长区域对象的出现还需要进一步深入研究和实践。