基于面向对象方法的高分辨率影像提取.ppt

基于面向对象方法的遥感影像信息提取 第一章 绪论 1、高分辨率遥感影像的发展 2、高分辨率遥感影像的分类方法 3、高分辨率遥感影像的分割与信息提取 第二章 遥感影像信息提取方法的研究 2.1基于像元的分类方法 基于像元的分类方法是传统的分类方法，比较常用的有监督分类和非监督分类 监督分类是先学习再分类的方法 非监督分类是一种自底向上的数据驱动法 监督分类和非监督分类优缺点 传统信息提取新方法 2.2面向对象的影像分析方法 面向对象影像分析方法的优点 面向对象的分类方法在影像光谱特征的基础上，充分考虑了地物的形状、大小、结构等几何特征，可以充分利用对象和周围环境之间的联系等因素，借助对象特征知识库来完成对影像信息的提取，有利于提高分类的精度，减少了传统基于像元分类方法的语言信息损失 2.2.1 多尺度分割技术 多尺度分割方法充分考虑了地表实体格局或过程的多层次性，克服了数据源的固定尺度问题，采用了尺度影像的层次网络结构来揭示地表特征的等级结构。 第三章 最优分割参数的选择 3.1最优尺度选择 最大面积法 这种方法的基本理论思想是:首先假设最大面积法与分割尺度具有一定的关系，然后进行多尺度分割，并且记录每个不同尺度层的最大面积，并对最大面积和分割尺度的关系进行统计，最后得到尺度和最大面积的关系，并通过目视观察来确定相应最大面积下哪种或哪几种类别得到了最好的分割，以此来确定某种特定类别的最优分割尺度。 3.2实验结果和分析 下图是不同分割尺度下影像分割结果： （a）分割尺度=50 （b）分割尺度=300 4.1 遥感图像预处理 4.2多尺度分割参数选择实验 选择合适的分割法和设置合理的分割参数是产生高质量分割结果的重中之重 第四章 面向对象遥感信息提取实验 4.3面向对象影像的提取 面向对象影像提取有两种方法： 标准最邻近法------是基于样本的分类方法，即先取样本再分类。 成员函数法------是一种基于规则的分类方法，即通过地物对象特征的分析，建立合适的分类体系和分类准则来进行逐级分类。 4.4影像信息提取的实验 4.4面向对象和基于像元信息提取比较 面向对象与传统分类方法的本质区别就是：面向对象而不是面向像素进行分类。面向像素的解算模式将像元孤立化分析，解译精度较低且斑点噪声难以消除；利用影像分割技术把影像分解成具有一定相似特征的像元的集合—影像对象；影像对象和像元相比具有多元特征，颜色、大小、形状、均质性等。 下图是面向对象和基于像元的影像提取结果 面向对象与基于像元特点比较 第五章 总结与展望 整个遥感信息的识别和提取是一个复杂的过程，要弄清没一个环节是一个长期的过程。分割参数的选择方法有待进一步实验和改正。 * 早期高分辨率遥感传感器的研制与应用主 要应用在军事领域，以大比例尺遥感制图和对 地物的分析和对人类活动的监测为目的 20世纪90年代才逐渐进入民用领域 由于卫星获取遥感资料迅速，成本相对较 低，并且不受区域限制，已经在空间探测 、资源调查、通讯、导航、气象、测绘和军事 侦察领域得到广泛应用 面向对象分类方法 目视解译 基于像元分类方法 分类方法 遥感影像信息提取的依据是各类样本内在的相似性。 遥感影像中的同类地物在相同的条件下（地形、光 照、时间等）具有相同或相似的光谱信息特征和空 间信息特征，从而表现出同类地物的某种内在的相 似性。同类地物的像元的特征向量将集群在同一特 征空间区域，不同类型地物其光谱信息特征或空间 信息特征不同，他们将集群在不同的特征空间区域。 影像输入 预处理 专题信息输出 分类器设计 精度评价 高分辨率遥感影像信息提取 监督分 类方法 最小距 离法 最大 似然法 平行六 面体法 费谢尔 线性判 别分类 法 马氏 距离法 波普角 度制图 法 二进制 编码法 非监督 分类法 分类集 群法 波谱特征 曲线图形 识别法 平行管道 法 动态聚 类法 K-means 法 非监督分类方法不必对影像地物获取先验知识，不需要人工选择训练样本，由于人为干预较少，非监督分类过程的自动化程度较高 。 监督分类可根据实际应用目的和研究区域有选择的决定分类类别数量，从而避免大量数据的冗余；可充分结合分析者的知识与经验控制训练样本的选择，有利于提高分类精度。 非监督分类 监督分类 决策树 纹理分类方法 专家系统分类法 模糊集 人工神经网络 传统信息提 取新方法 面向对象的分类方法是一种自能化的自动的影像分析方法。面向对象的分类基本单元不再是单个像元，而是更有实际意义的影像对象。影像对象是与像元相对应的影像分析单