基于对象的遥感图像处理平台应用研究

【摘要】： 随着遥感技术的发展和卫星空间分辨率的提高,高分辨率遥感图像开始广泛应用于各个领域。根据高分辨率的遥感图像细节信息丰富、地物几何结构明显的特点,面向对象的遥感图像处理方法应运而生。图像分割、特征提取、图像分类是面向对象遥感图像处理中重要的三个组成部分。 上海交通大学遥感科学实验室依托上海市科委重点项目“基于影像内容的自动搜索和特定目标的变化检测与更新技术研究”(NO. 055115018),设计实现了面向对象的遥感图像处理平台ELU。本文结合该项目而进行,对高分辨率遥感图像分割方法、特征提取和K近邻分类方法做了深入的研究,并完成了ELU系统中对应模块的设计和实现。 图像分割是面向对像遥感图像处理方法中的重要一环,分割形成的初始区域是图像对象的形状表述,分割的好坏也将直接影响到后续分析、识别和解译等的精度。ELU平台使用一种基于区域合并的遥感图像多尺度分割方法,此方法综合利用遥感图像的光谱特征和形状特征信息来描述区域对象的特性,并在此基础上给出两个相邻区域的合并代价,通过不同阈值对合并代价进行限制,以得到不同尺度大小的分割结果。为提高遥感图像分割的效率,使用分块策略对初始区域邻接图进行划分。实验证明,这种改进的多尺度分割方法遥感图像分割精度较好,同时效率有了较大的提高。 特征提取是图像分类的前提条件,ELU平台中特征提取是在图像分割获得图像对象之上进行的,与一般的基于像素的特征提取不同。ELU平台提供光谱特征、形状特征、纹理特征三类的计算。 K近邻分类器稳定性好,适合遥感图像地类复杂的特点,因此本文选择K近邻分类器作为研究对象。我们结合前面所做的图像分割实验和ELU平台所提供的特征值来对遥感图像分类以及分类后的精度评价,并使用混淆矩阵对分类结果进行评价。