面向?qū)ο笈c基于像素的高分辨率遙感影像分類在土地利用分類中的應(yīng)用比較.pdf

1、隨著遙感技術(shù)的發(fā)展，遙感影像的分辨率(包括空間分辨率、光譜分辨率、時間分辨率和輻射分辨率)有了極大的提高，應(yīng)用領(lǐng)域也越來越廣。高分辨率影像數(shù)據(jù)相比中、低分辨率影像數(shù)據(jù)具有更豐富和明顯的空間信息、地物幾何結(jié)構(gòu)和紋理信息等其他細節(jié)信息。因此，高分辨率遙感影像被廣泛應(yīng)用于土地利用分類中。土地利用分類中最早用到的遙感技術(shù)是目視解譯分類，其次是遙感數(shù)字圖像的計算機分類。但是傳統(tǒng)基于像素的遙感影像計算機分類技術(shù)只是對中、低分辨率遙感影像進行信息提取

2、的效果較好，對于高分辨率的遙感影像，基于像素的分類方法則不能有效的提取影像中的豐富信息，而且容易使分類結(jié)果出現(xiàn)“椒鹽現(xiàn)象”，導致出現(xiàn)很多無用的破碎圖斑，所以分類的精度不高。為了克服基于像素方法在高分辨率影像應(yīng)用中的局限性，有學者提出了面向?qū)ο蟮挠跋穹治龇椒ā?br>　　 面向?qū)ο蟮姆诸惙椒ㄊ且杂跋駥ο鬄榛咎幚韱卧?，對象是與像素相對應(yīng)的影像分析實體，是由同質(zhì)的相鄰像素集合組成，其大小由影像分割尺度與影像空間結(jié)構(gòu)決定。因此，面向?qū)ο蠓诸?/p>

3、方法操作的是有意義的影像對象，參與提取信息的因子不僅僅是光譜信息，更重要的是形狀、紋理和空間信息等。而基于像素的分析方法是以遙感影像中最基本的單元像素為基本單元提取信息，因此參與分類信息提取的只有像素本身的光譜信息。
　　 本次用的數(shù)據(jù)是渾源縣“一張圖”影像，它是由WorldView-I，SPOT-5和QuickBird影像三部分組成。本文選取QuickBird影像數(shù)據(jù)部分的一塊區(qū)域作為研究區(qū)，對研究區(qū)影像分別進行基于像素和面向

4、對象的分類，并對二者的分類結(jié)果進行比較和精度評價。本文用ENVI對影像進行基于像素的分類，包括監(jiān)督分類中的最大似然法和最小距離法，非監(jiān)督分類中的K-均值法和ISODATA法；用eCognition對影像進行面向?qū)ο蟮姆诸悾ㄗ钹徑ê碗`屬度函數(shù)法。在用eCognition進行分類之前，需要通過實驗選取最優(yōu)分割尺度，對影像進行多尺度分割，建立影像對象層次。本文采用60和120尺度進行多尺度分割，選取合適的影像特征空間(如亮度、形狀、紋理

5、等)作為信息提取的依據(jù)，分別用最鄰近法和隸屬度函數(shù)法在120尺度上提取面積較大的地類(如有林地、旱地和其他草地等)，在60尺度上提取細小零碎的地類(如村莊、內(nèi)陸灘涂和其他林地等)，對120尺度上錯分和漏分的地類進行糾正細分。通過對基于像素和面向?qū)ο蟮姆诸惤Y(jié)果進行目視比較和精度比較，結(jié)果表明，采用面向?qū)ο蟮姆诸惙椒▽Ω叻直媛蔬b感影像進行土地利用分類信息提取可以有效的避免“椒鹽現(xiàn)象”的出現(xiàn)，而且提取的地物形狀也和實際地物的形狀和屬性有較高的