工作记录及成绩评定手册.docx

1．前言

随着遥感技术的飞速发展，特别是高分辨率遥感影像（高分影像）的普及，地物信息的提取与分类成为了遥感领域的重要研究方向。高分影像以其丰富的地物细节和清晰的地物关系，为遥感影像处理与分析提供了良好的研究基础。然而，高分影像中的地物信息复杂多样，地物目标结构多变，干扰信息复杂，使得地物信息的提取与分类面临挑战。传统的基于像素的地物分类方法已难以满足高精度、高效率的分类需求。因此，研究基于分层次面向对象多尺度分割的高分遥感影像地物信息分类方法，具有重要的理论和实际意义。

本研究的目的是探索一种高效、准确的高分遥感影像地物信息分类方法，通过分层次面向对象多尺度分割技术，实现对高分影像中地物信息的有效提取与分类。研究范围包括高分影像的预处理、多尺度分割、面向对象分类以及分类结果的评价等方面。通过对相关文献的阅读与分析，了解分层次面向对象多尺度分割技术的研究现状、发展趋势及存在的问题，为本研究提供理论基础和技术支持。

多尺度分割已成为高分遥感影像处理的关键技术之一。像李国金在《基于多尺度分割的高分遥感影像典型目标分类》中，通过多尺度分割有效提取了高分遥感影像中的典型目标。众多学者如韩军良、邵鹏等，也在土地荒漠化监测、主要地物信息提取等方面应用多尺度分割技术，并取得一定成果。多尺度分割能够根据不同地物的特征尺度，在不同尺度下对影像进行分割，从而更好地保留地物的细节和完整性。面向对象的分类方法逐渐取代传统的基于像元的分类方法。彭杰在《面向对象高分辨率遥感影像分类及变化检测方法研究》中，利用面向对象方法提高了高分辨率遥感影像分类及变化检测的精度。丘鸣语、甘淑等通过面向对象的多层次规则分类进行地物遥感信息提取，充分考虑了地物的空间特征和语义信息，使分类结果更符合实际地物分布。部分研究开始尝试分层次分类策略。这种策略根据不同地物的复杂程度和特征差异，分层次进行分类，先对容易区分的地物进行分类，再逐步细化对复杂地物的分类，提高了分类的准确性和效率。

然而，当前研究仍存在一些争论焦点和亟待解决的问题。首先，关于最优分割尺度的确定，不同学者提出了不同的方法和标准，如ESP最优尺度评价工具和RMAS模型等，但如何根据具体影像特点和应用需求选择最优分割尺度，仍是一个需要深入研究的问题。其次，面向对象分类规则的构建和优化也是一个难点。不同地物类型具有不同的光谱、形状、纹理等特征，如何根据这些特征构建有效的分类规则，提高分类的准确性和鲁棒性，是当前研究的重点之一。面向对象分类中，如何选择和组合有效的特征，如光谱特征、纹理特征、形状特征等，以提高分类精度也是研究热点。不同地物对各特征的敏感度不同，如何根据具体地物类型选择最具代表性的特征组合，仍有待进一步探索。此外，随着遥感技术的不断发展，高分影像的获取和处理变得更加便捷和高效，但如何充分利用这些高分影像资源，实现地物信息的快速、准确提取与分类，仍是一个具有挑战性的课题。

综上所述，基于分层次面向对象多尺度分割的高分遥感影像地物信息分类研究具有重要的理论和实际意义。通过深入分析和研究相关文献，了解当前研究的发展现状和争论焦点，可以为本研究提供有益的参考和借鉴，推动该领域的研究不断向前发展。

2．主体

随着遥感技术的不断进步，高分辨率遥感影像（HRRS，HighResolutionRemoteSensingImages）的获取变得日益容易，其在地表覆盖监测、城市规划、资源勘探、环境保护等领域的应用价值也愈发凸显。然而，高分影像中的地物信息复杂多变，包括自然地貌、人工建筑、植被覆盖等多种类型，且这些地物在影像上往往呈现出不同的尺度特征。如何有效、准确地从高分影像中提取和分类这些地物信息，成为了遥感科学研究中的一个重要课题。

传统的基于像素的分类方法，虽然能够处理简单的影像分类任务，但在面对高分影像中的复杂地物信息时，往往显得力不从心。这是因为高分影像中的地物信息不仅与像素的光谱值有关，还与其空间结构、纹理特征、上下文关系等密切相关。因此，需要一种能够充分考虑影像空间结构和纹理特征，同时又能够适应不同尺度地物信息的分类方法。基于分层次面向对象多尺度分割的方法应运而生，为解决这一问题提供了新的思路。

高分辨率：高分影像提供了丰富的地表细节信息，但同时也带来了数据量的急剧增加，对处理算法的计算效率和存储能力提出了更高要求。

地物复杂性：高分遥感影像虽能提供丰富细节，但地物类型复杂多样，不同地物在光谱、纹理、形状等特征上存在重叠。如建设用地中存在多种建筑材质和风格，其光谱特征与部分工业用地相似；植被类型繁多，不同种类植被在特定季节的光谱特征也可能相近，这给准确分类带来极大困难。丁蕾在研究设施农用地识别时就面临此类问题，设施农用地与周边其他农用地及小型建筑用地特征易混淆。尺度多样性：不同地物在影像上表现出的尺度