基于超像素的面向对象遥感图像分类方法研究

【摘要】：随着遥感成像技术的发展以及卫星可见光、多光谱和高光谱等多源影像成像分辨率的提高，高分辨率的遥感影像已经开始广泛运用到各个领域，例如军事、测绘、地学、环境等领域，并发挥着越来越重要的作用。采用传统的基于逐像素的场景分类方法处理高分辨率遥感影像时，由于在特征提取时不能较好的利用同一类型地物的空间、结构和形状等信息，导致最后的分类精度很难满足要求，于是面向对象的遥感图像分类方法应运而生。 面向对象遥感图像分类包括对象分割和对象分类两个步骤。本文首先介绍了高分辨率遥感图像分割技术，并着重讨论了基于简单线性迭代聚类的超像素分割算法，该算法可以得到同质性强、结构紧凑的片元对象，对这些对象进行特征提取更能反映典型地物的结构信息和空间拓扑关系，可为遥感图像提供高效可靠的分割策略。 本文提出了一种基于超像素的面向对象遥感图像场景分类方法，主要包括典型地物训练样本的选取、基于SLIC超像素分割、面向对象典型纹理特征与灰度统计特征提取、基于支撑向量机的有监督分类四个处理环节。本文设计并且实现了遥感图像分类软件系统，集成了文中的算法。 本文针对某地区可见光和红外图像进行了分类实验，讨论了分割尺度、特征选择、分类器对该算法的影响，结果表明该算法在高分辨率遥感图像场景分类中具有较好的适用性。