面向对象的昆明滇池子流域高分辨率遥感影像地物信息提取

【摘要】：包括卫星遥感和航空遥感在内的遥感技术在过去10年内得到了空前规模的发展,其中,遥感影像生产和运用所涉及到的图像信息处理技术(包括数据处理和数据的深度分析和利用)成为了遥感技术运用的重要方面和核心技术。 随着高分辨率卫星遥感影像(High resolution satellite remote sensing imagery)的发展和广泛应用,影像的分类越来越成为社会经济发展的重要方面。由于传统的影像分类方法是基于像素而非基于对象的分类,在实际应用中存在很大的误差,所提取出来的影像信息精度较低,不能满足社会经济快速发展的需要；且对于高分辨率影像来说,有大量的空间数据信息(Spatial information data)被浪费。为了避免或解决这些问题,一种新的高分辨率遥感影像分类方法应运而生——面向对象分类法(Object-oriented classification),这里所描述的“对象”实际是具有一定相似特征的像素的集合。这种方法不仅将传统的基于像素分类转为基于影像对象的分类,还能利用高分辨率遥感影像所表现出的形状、空间、纹理等信息特征对影像进行分类,从而弥补了传统影像像素分类方法的很大不足。 本项研究是为昆明理工大学理学院物理电子学方向研究生的硕士论文而进行的,将该研究的方法及结果写成了该论文。本论文基于面向对象分类法,将昆明地区滇池流域的一个子流域(一部分QuickBird影像)作为实验区域,并对该区域进行了深入的研究和分析,然后用Definiens developer 7.0对这部分子流域里的地物信息进行提取,成功地提取出了未利用地,林地,耕地,水域,建设用地和草地等六类专题信息数据,获得了很好的分类结果。面向对象分类方法所得到的分类结果的总体精度和kappa系数分别达到98.19%和0.9756。利用该项研究的成果,可以大大促进高分辩率卫星遥感影像在城市建设、城市规划、农业、林业、水务、环境保护、以及滇池治理等行业或方面的深度运用,该研究方法和数据可以在上述行业进行推广运用。 该项研究按照数据预处理、子流域提取、影像分割、影像分类(信息提取)、结果比较、精度分析等几个方面展开。 在数据预处理方面,首先用ArcGis中的水文分析模块,从整个滇池流域中提取出其中的一个子流域(滇池流域的某个子流域),整个研究过程都将该子流域作为实验区域。由于该子流域相对较大(36685x24552 pixels),因此在分类前,以5000×5000像素的尺寸将子流域分成40小块,并对每小块做单独的信息分类研究。 第二步进行的是影像分割(Imagery segmentation)。影像分割技术也是新方法中的关键技术,影像分割的好坏将直接影响分类的结果。本文对影像分割技术也进行了深入的分析和研究,在分割效果相近的情况下,为了节省分割运算时间,本文在实验中采取了与四叉树分割(Quad tree based segmentation)相结合的多尺度分割(Multiresoluation segmentation)方法,选取最优的分割尺度及参数。 影像分类(Imagery classification)是本研究最关键的一步,在研究中,利用高分辨率影像的光谱信息,并且利用了影像中所包含的丰富的空间、纹理等信息对影像进行分类,获得实验区域的较好的地物信息分类结果。 最后,为了验证面向对象分类方法的优势,新方法的分类结果需要与传统分类方法进行比较。因此,本论文专门选取子流域中的一小块影像,采用传统方法(最大似然分类法和ISODATA聚类法)对此块影像进行了分类提取,将得出的分类结果与面向对象的分类结果进行了比较,同时进行了精度评估。 其结果表明,与传统的基于像素的分类方法相比,面向对象分类法不仅能有效地避免“同物异谱”、“同谱异物”、"椒盐现象”等,其分类精度也高于前两者。