面向對象的高分辨率遙感影像全要素分類研究.pdf

1、隨著傳感器技術的日益發(fā)展和進步，遙感影像的空間分辨率也越來越高。然而如何快速而準確地對高分辨率遙感影像提取所需專題信息，成為了當前亟待解決的問題。由于高分辨率影像的特點為細節(jié)豐富、信息量大，傳統(tǒng)基于像素的分類方法顯然不能利用豐富的空間信息，從而造成資源浪費和數(shù)據(jù)冗余。因此，面向對象分析方法應運而生，并且經過不斷發(fā)展成為高分辨率遙感影像分類的主要技術。面向對象分析首先是將影像分割，獲得若干個多邊形對象，進而基于對象進行特征提取及分類識別。

2、本文將基于高分辨率遙感影像的特點，重點對影像分割和特征提取兩方面開展相關研究，實現(xiàn)高分辨率遙感影像的全要素分類。具體工作內容如下：
　　首先，根據(jù)現(xiàn)有各種分割方法的優(yōu)缺點，研究并實現(xiàn)了結合改進分水嶺變換和分形網絡演化多尺度分割的高分影像分割算法。將基于標記的分水嶺算法作用于高分影像中，其分割結果代替像素作為初始單元，進而進行基于光譜和形狀異質性指標的多尺度區(qū)域合并。這樣不僅能彌補分水嶺變換中過分割現(xiàn)象帶來的不足，同時提高了多尺度分

3、割算法的運算效率，增強了算法的可操作性。
　　其次，鑒于上述分割算法中的尺度參數(shù)變化對分割結果中同一對象內部相似性和不同對象間可分性的影響，對高分辨率遙感影像中的最優(yōu)分割尺度涵義進行系統(tǒng)性分析。論文采取目標函數(shù)法和尺度參數(shù)估計模型來計算整幅影像的最優(yōu)尺度參數(shù)，使得分割結果中對象內部的同質性和不同對象間的異質性都達到最大，從一定程度上保證了分割結果的相對最優(yōu)性；并通過與非最優(yōu)尺度的分類實驗相比較，驗證了對于高分影像而言，提取最優(yōu)分割

4、尺度的必要性。
　　最后，針對高分辨率遙感影像中低層特征與高層語義特征之間存在的“語義鴻溝”問題，結合中層特征表達理論，研究了基于視覺詞包模型的高分影像對象的特征表示。為了彌補其忽略的高分辨率遙感影像中重要的空間信息和尺度特征，引入了金字塔詞包模型和多尺度詞包模型，更好地表達了影像對象的內容及其語義信息。通過對高分辨率遙感影像分別提取對象的低層特征和中層特征進行全要素分類實驗，結果對比表明中層特征的表達能力優(yōu)于低層特征，并且在相同