一种面向对象的遥感影像多尺度分割方法

高分辨率遥感影像中丰富的空间结构信息和地理特征信息提取需要在多种不同的尺度下进行,而传统的基于像素光谱特征的影像分割和单尺度影像信息提取方法在这方面存在明显的缺陷.基于区域的面向对象影像分析方法,为高分辨率遥感影像信息提取提供了新的思路,其关键的核心问题在于实现对高分辨率遥感影像的多尺度分割.本文提出了一种基于相邻影像区域合并异质性最小的面向对象多尺度分割算法.影像分割试验结果表明:该方法可以根据任意特定尺度下的影像分析任务或任意感兴趣尺度的地物目标,调整影像分割的尺度参数,从而获得特定尺度下感兴趣的影像区域(对象)作为后续面向对象影像分析和应用的基础.     

基于面向对象的热带林分类方法研究

【目的】为了加强热带林资源的保护,采用遥感技术对热带林植被进行分类研究。【方法】基于SPOT6高分辨率遥感影像,采用ESP多尺度分割评价模型与专家知识结合的方法确定最优分割尺度参数,在分割的基础上充分挖掘目标地物的光谱、形状及纹理信息,合理选择分类特征组合,建立分类规则,构建了一套基于面向对象的热带林多尺度分类方法。【结果】与单一尺度的分类方法相比,该方法分类精度有明显提高,分类总体精度达到84.46%,并且缩短了传统目视确定最优分割参数的时间,提高了分割效率和精度。【结论】基于面向对象的多尺度分类方法能够实现高精度的热带林植被信息提取,可为遥感分类技术在热带林的应用提供参考。     

基于最小异质性区域生长法的多尺度城市地物影像分割

遥感影像分割是面向对象影像分类中的关键技术.针对地物景观的多尺度效应与高分辨率影像的高空间分辨率特征研究了多尺度分割与多特征最小异质性准则,分析了其有效性及可行性.基于区域生长的原理与方法,采用多尺度分割与最小异质性算法,对不同分辨率遥感影像和地物类型的样区进行分割技术的应用实践,分析总结了分割参数与影像特征参数的关系和各种参数的确定方法.     

面向对象的多层次规则分类地物遥感信息提取方法试验分析研究

监测土地覆盖变化是目前高分辨率遥感的重要应用领域，城市覆盖地物变更速度快、地物类型复杂，使用传统方法提取监测难度较大。针对此问题，选择云南省大理白族自治州上官镇为研究区，以GF-2 PMS遥感影像为数据源；采用面向对象的方法对研究区进行最优分割尺度分割，选取最优特征组合用于构建模糊分类规则，分层次进行地物提取，最终获得研究区地物类型分布图。运用混淆矩阵方法进行精度评价，面向对象的多层次规则分类法提取分类效果良好，分类总体精度达79.95%,Kappa系数为0.74。与基于像元的分类方法和单一尺度下面向对象的提取分类法相比，面向对象的多层次规则分类法精度明显提高，说明本方法运用于复杂地物提取分类具有较好可行性。     

高分1号融合光谱特征提取杭州湾河口沿岸湿地典型植被信息方法研究

河口沿岸湿地典型植被信息的遥感分类提取,是监测河口湿地生态环境变化的重要前提之一.以杭州湾河口沿岸湿地为研究区,通过实地采集的典型植被光谱数据与国产高分1号卫星影像数据建立相关关系,并结合面向对象方法的分割尺度及波段比等参数的设置,利用面向对象分类方法进行杭州湾湿地典型植被信息提取.研究结果表明:基于高分1号高空间分辨率数据,结合典型植被光谱特征和面向对象分类方法,有利于提高典型植被信息提取的精度,可以有效地提取湿地典型植被信息.     

高空间分辨率遥感影像分类最优分割尺度

在对高空间分辨率遥感影像进行分类时,为解决不同地物其空间尺度不同的问题,采用多尺度分割的面向对象分类技术,提出采用"对象完整面积个数最多法"的分割方法,研究得出道路、农田、居民地、裸地、水域的最优分割尺度分别为20、30、50、80和100,采用成员函数法对分割后的影像进行分类,并将分类后的结果与基于像元的监督分类结果进行了对比.研究结果表明:使用"对象完整面积个数最多法"实现最优分割的面向对象分类技术的分类精度高于基于像元的分类精度.     

一种面向对象的高分辨率影像最优分割尺度选择算法

近年来越来越多的高分辨率遥感卫星得到应用。传统方法已然不能满足高空间分辨率遥感影像的应用需求,面向对象的遥感影像处理方法应运而生。面向对象方法的基本处理单元是经过多尺度分割的具有较好的完整性和单一性的影像对象,相关研究表明不同目标有其最适宜的提取尺度。在分析两种最优尺度选择方法局限性的基础上。根据“类内同质性大。类闻异质性大”的最佳分类原则,提出面向对象的RMAS方法。该方法的思想是,当对象RMAS值最大时,对象内部的异质性最小、对象外部的异质性最大,此时的分割尺度为类别提取的最优分割尺度。根据最优尺度下信息提取精度最高的原理。实验验证了该方法的可行性。且能获得较好的分类结果。分析还发现RMAS折线有时会出现多个局部峰值的情况,说明最优尺度是相对的。通常是一个数值范围。对于面积较大的类别使用一种尺度不易将信息准确提取出来。需要根据应用目标选择合适的最佳尺度。     

面向对象的遥感影像水体信息提取

基于面向对象的遥感影像分析方法,在不同尺度分割遥感影像的基础上,根据影像对象的特征,如亮度、光谱、归一化植被指数(NDVI)、面积和上下文等信息,对水体信息进行了提取和分类.结果显示:与传统的基于像元的分类方法相比,面向对象的遥感影像信息提取方法具有很好的效果,同时也提高了信息提取的精度.     

面向对象的遥感影像分类研究

在基于传统的遥感影像分类方法的基础上,结合面向对象分析理论与方法,提出了面向对象的遥感影像的分类方法,通过实验分析探讨了面向对象影像分类的关键技术。包括多尺度的分割,分类器的建立,包括最近邻分类和模糊聚类分类。实验表明,面向对象的分类方法较传统基于像素分类法有较高的精度,具有很大的发展潜力。     

高分辨率遥感影像分割提取构筑物评估

面向对象的影像分析已成为针对高分辨率遥感影像信息提取和行业应用的一种先进方法.该方法的实用效果,基础和关键在于对影像中所关注地物目标的影像分割提取效果.针对高分辨率遥感影像地面构筑物的提取,采用经验性符合统计比较法,把自动分割结果与人工分割提取的地面构筑物区域轮廓相对符合程度分为3个等级:良好、可以接受和不可接受,对当前应用广泛的两种多尺度影像分割方法进行了地面构筑物分割提取效果评估.     

高空间分辨率遥感影像小波域分形纹理特征提取

融合小波多尺度分析方法及分形纹理提取方法在遥感影像信息提取方面的优势,提出高分辨率遥感影像小波域分形纹理特征计算方法,以获取地物多尺度分形纹理属性,为遥感影像地类识别提供更好的标识.首先对遥感影像进行小波多尺度分解,进而基于DBC、多重分形纹理计算方法在各个分解层上提取地物纹理特征,通过比较分析,从中选取更为有效的小波域分形纹理特征.基于该方法,利用福州市高空间分辨率QuickBird遥感影像进行试验,并对QuickBird影像进行三级小波分解及纹理提取,结果表明:小波第一、第二分解层粗影像(CA1、CA2)及三方向平均细节影像(L1、L2)的DBC空隙特征及多重分形分维数结果作为最终甄选的小波域分形纹理特征更为合适.     

高分辨率遥感影像线性基元的提取

叙述了线性地物特征基元的概念,总结了特征基元的高分辨率遥感影像多尺度信息提取技术流程框架,即在大尺度下的粗分割后进行线性基元提取的技术流程过程。     

基于多尺度分层联合的泥石流物源信息精细化提取方法

针对泥石流物源分布破碎、赋存条件复杂的特点以及泥石流防治工程中物源信息精度需求高的问题,提出一种面向对象的分层联合信息提取方法,其综合样本分类器能实现模糊分类的优点和规则分类器在地物空间信息提取方面的便利性,联合样本分类与规则分类两种影像信息提取手段;根据不同地物间的特征差异,遵循由粗至细、去伪存真的处理原则,分阶段、分层次处理影像信息,逐层剔除无关地物信息的同时提取目标地物信息,从而实现泥石流物源类型及其空间分布特征的精细化提取.以西部高寒干旱地区某泥石流沟的无人机遥感影像为试验数据,对所提多尺度分层联合信息提取方法进行验证,结果表明降低了不同地物间的混淆,提高了分类结果精度,为破碎分布型泥石流物源信息的精细化提取提供了新方法和思路.     

基于面向对象的多尺度山地城市土地覆盖信息提取——以重庆市大学城城区为例

以重庆市大学城区的Quick Bird高分辨率遥感影像为数据源,基于多尺度分割算法获得内部异质性较小的对象,构建典型地物影像特征库,实现不同地类特征的针对性描述,采用级联方式综合最邻近分类算法和模糊分类算法优点,实现山地城市土地覆盖信息的面向对象提取,并把提取结果与传统监督分类方法进行对比分析;结果表明:综合使用地物的光谱、纹理、几何等特征的面向对象分类法提取结果稳定性好,分类效率高;面向对象分类能够有效避免"椒盐"噪声,分类结果具有很好的区域性和连贯性;面向对象分类法对于山地城市中光谱特征特别相近或相同的耕地和草地、建筑用地和道路的分类,精度分别提高了28.67%、9.24%、10.38%和8.79%,有效地克服了同谱异物和同物异谱现象;根据对比分析结果得知,面向对象分类法在山地城市土地覆盖信息提取中具有较高的可行性和一定的应用价值,同时由于研究区域的复杂性和研究对象的普适性,算法研究成果可以推广应用到其他山地城市区域。     

一种新的面向对象城市建筑物信息提取方法研究

为了提高城市建筑物信息提取精度,改进了常规的面向对象方法,以广州市白云区榕溪街区为研究区,针对其下垫面结构复杂的特性,采用多尺度分割和规则数据库结合的方法自动提取建筑物信息,并通过样本区进行了精度验证,将提取的结果与传统分类方法所得到的结果相互比较.研究结果表明:多尺度分割与构建知识库的方法对于建筑用地信息提取更为有效,与实际值更接近,总体分类精度达到87.01%,Kappa系数为0.87,为面向对象分类方法在城市建筑物信息提取的应用提供了新思路.     

基于最优特征空间构建的随机森林算法在WorldView-2影像分类中的适用性研究

目前面向对象的分类研究中,对于研究区影像的分割尺度问题多以试验者的多次试验以及主观推断为主,缺乏定量化的评价标准。同时,在对遥感影像分类的算法选择以及在分类过程中,有效特征空间的选取均存在一定程度的主观性。针对遥感影像面向对象分类过程中分割尺度选择盲目及分类空间构造主观性较强的问题,以World View-2遥感影像数据为例,首先利用改进的全局最优分割尺度的方法获取研究区影像的最优分割尺度,在此基础上选取了研究区分割对象的48个特征,利用OOB误分率对各个特征的重要性排序;然后按重要性顺序以5为步长讨论特征数量对分类精度的影响,构建了用于分类的最优特征空间;最后将采用最优特征空间的随机森林算法获得的最佳分类结果,与面向对象的最邻近像元、决策树以及支持向量机分类算法进行了比较。结果表明,用于分类的特征数量与分类精度之间,并不是简单的正相关关系;与面向对象的最邻近像元、决策树以及支持向量机分类算法相比,利用最优特征空间进行随机森林分类的分类精度最高,表明该方法更适合于高分辨率World View-2数据的分类。     

基于多尺度特征融合的遥感影像场景分类方法

针对遥感场景影像存在类间相似性高、类内多样性大、且不同尺度下遥感影像差异大等问题,导致场景分类任务精确度受限,提出一种基于多尺度特征融合的遥感影像场景分类算法。首先利用轻量级网络MobileNetV2作为主干网络,以更少的网络参数实现更高的分类准确率。网络通过一维卷积提升输入通道,设计的多尺度特征融合模块能够捕获遥感影像的高级特征和低级特征,融合影像的多尺度特征,能够有效缓解不同尺度下遥感影像差异大的问题。通过在三个公开遥感数据集上进行实验对比,验证了所提方法的有效性。     

图像分割与SVM的城市森林植被分类技术研究

为了实现城市森林植被种类的信息提取,文中采用面向对象结合支持向量机的分类方法,基于无人机影像数据对上海某校区内的城市森林进行了植被分类技术的研究。利用影像数据中各类地物的光谱、纹理等特征信息,将城市森林植被类别分为四类,并将分类结果与最大似然法分类结果进行对比分析。结果表明:该方法实现了高分辨率遥感影像的城市森林植被分类,不仅消除了分类过程中的"椒盐现象",而且有效提高了植被分类精度。最大似然法分类结果的分类精度为55.12%,面向对象结合支持向量机的分类精度达83.60%,提高了28.48%。实验结果满足精度要求,可为城市规划提供数据支持。     

边缘检测与面向对象结合的高分影像建筑物提取

随着遥感影像分辨率的不断提升,影像中地物目标的细节变得更加清晰。由于早期影像分辨率较低,图像模糊,影像处理主要参考光谱信息,忽略了空间信息,提取精度一般。为了提高高分影像中建筑物的提取精度,充分利用光谱、空间、纹理3类信息,研究了基于面向对象的高分影像建筑物提取,并将基于改进Canny算子的多尺度分割与多规则相结合提取建筑物,最后用样本区验证精度。研究结果表明,该方法对高分影像建筑物的提取效果较好。与常规面向对象相比,方法对建筑物提取精度明显提升,且能更加充分的利用影像的空间信息与纹理信息。     

从资源3号卫星影像中提取厦门市不透水面信息

不透水面是城市地区的典型特征,不透水面的增加导致了水质恶化、城市热岛效应等一系列生态环境问题.选用高分辨率资源3号遥感影像,利用面向对象的方法,进行厦门市不透水面信息的提取.为突出不透水面的信息,将影像进行主成分变换、提取归一化植被指数和归一化水体指数,将第一主成分、归一化植被指数和归一化水体指数合成为新的影像;根据最小不透水面的面积原则,确定最优的分割尺度,结合形状、光谱等信息,对合成后的影像进行多尺度分割;再在最优尺度分割结果的基础上进行分类,并将阴影作为分类体系中单独一类,获得不透水面、裸土、水体、植被、阴影的分类结果;利用真实世界地物的形状特征和邻近关系特征,对阴影区域进行判别及合并,获得不透水面,并根据实地观测,对提取结果进行精度评价,不透水面提取的精度达80%.