（森林经理学专业论文）中高分辨率遥感影像分割与信息提取研究.pdf

硕士学位论文中高分辨率遥感影像分割与信息提取研究 摘要 近年来，遥感技术取得了巨大进展，高空间分辨率遥感数据便是其中之一高分 辨率遥感数据广泛应用于测绘、农业、林业、城市规划、国土资源管理、地质矿产勘 察和军事等领域，它们的出现给遥感应用带来了前所未有的活力。遥感数据在空间分 辨率提高的同时，数据量也成几何级数增加，传统的目视解译提取专题信息的方法已 经远不能满足用户的需求。因此，计算机智能解译就成了解决这一问题的唯一有效途 径 现有遥感影像解译算法很多，大体上可以归为基于像元分类方法和面向对象的影 像分析方法两种。前者适用于中、低空间分辨率影像信息提取，后者适宜处理中、高 空间分辨率影像数据。面向对象的影像分析方法已经在诸多应用领域表现出了明显的 优势。目前，国内还没有针对中高分辨率遥感影像面向对象的影像分析系统，严重制 约了中高分辨率遥感影像在各行各业中的应用因此，系统地研究中高空间分辨率遥 感影像信息提取技术，开发遥感影像智能解译系统显得尤其重要和迫切本文在此基 础上进行了深入研究，主要研究成果如下： ( 1 ) 本文提出了一种新的面向对象的遥感影像智能解译框架体系v h r i i i ( v c w h i g hr e s o l u t i o ni m a g ei n t e u i g e n ti n t e r p r e t a t i o n ) ，综合应用图像处理系统对像元操作的 优势与地理信息系统平台对矢量对象操作的优点，结合数据挖掘关键技术中的智能计 算方法，实现遥感影像从像元到分割单元再到专题信息的过程。通过影像分割实现栅 格影像数据对象化；通过矢量化与特征提取实现栅格对象到空间数据库质的跨越；通 过基于矢量对象的训练与分类最终实现影像到专题信息化的过程。值得提出的是该方 法也适合于中分辨率遥感影像信息提取。 ( 2 ) 总结了中、高分辨率遥感影像分割的八项基本要求，重点研究了影像分割 方法引入一种非参数密度估计均值漂移算法实现遥感影像的多尺度分割，并开 发了中高分辨率遥感影像分割与信息提取系统分割过程由三个具有一定物理意义的 参数控制( 吃、绋、m 分别表示空间尺度、色彩尺度、最小区域面积尺度) ，通过参数 控制从下至上的逐步融合从而实现对影像的多尺度分割 ( 3 ) 通过大量参数选择与分割试验证明了本文提出的分割算法是一种快速、稳 健方法，能够实现与视觉分割一致的结果，并且尺度参数选择对分割精度相对不敏感， 颈士学位论文中高分辨率遥感影像分割与信息提取研究 易于控制 ( 4 ) 提出以地理信息系统为v h r i i i 解译主体，实现了以栅格影像为参考层，矢 量多边形面为实际操作对象的可视化、人机交互式解译过程。从试验研究中还表现出 在样本选择和训练中方便、快捷的优势 ：( 5 ) 根据现有地理信息系统平台在分类算法上的不足，提出引入数据挖掘的关 键技术实现基于属性数据库与空间数据库的同步挖掘，增强系统的智能化水平 ( 6 ) 以高分辨率遥感影像q u i c k b i r d 为数据源对株洲市郊区土地覆盖信息进行 提取应用研究系统比较了三种不同影像解译方法，得出的结论是v h r i i i 较基于像 元的传统方法最明显地去除了“椒盐”效应，分类精度高，分类速度快，而且可操作 性较强。， 总之，论文在分析现有遥感影像解译系统现状的基础上，提出了一种新的中高分 辨率遥感影像智能解译系统框架并就其中关键问题进行了较深入的研究，并开发了 部分软件系统初步应用研究显示v h r i i i 在中高分辨率遥感影像信息智能化提取中 具有较大的潜力，有一定的应用价值 关键词：中高空间分辨率；遥感；均值漂移；多尺度分割；面向对象；智能解译 n 硕士学位论文中高分辨率遥感影像分剖与信息提取研究 a b s t r a c t r e m o t es e n s i n gt e c h n o l o g yh a so b t a i n e dg r e a ta c h i e v e m e n t si nr e s e n ty e a r s ；o b eo f t h em o s to u t s t a n d i n ge x a m p l e si st h ee m e r g e n c eo fh i g hs p a t i a lr e s o l u t i o nr e m o t es e n s i n g h i 曲r e s o l u t i o nr e m o t es e n s i n gi m a g eh a sw i d e l yu s e di nm a n yf i e l d ss u c ha sm a p p i n g , a g r i c u l t u r e ，f o r e s t r y , u r b a np l a n n i n g ，t e r r i t o r i a lr e s o u c e sn l a n a g e m e n t , g e o l o g i c a ls u r v e y , m i n e r a le x p l o r a t i o n , m i l i t a r ya f f a i r se t c i tp u m p e dn e wl i f ei n t ot h er e m o t es e n s i n g a p p l i c a t i o na n dr e s e a r c h t h et o t a lq u a n t i t yo fd a t aw i l li n c r e a s ee x p o n e n t i a l l yw i t ht h e i n c r e a s eo ft h es p a t i a lr e s o l u t i o no fr e m o t es e n s i n gi m a g e ；t h et r a d i t i o n a lv i s u a l i n t e r p r e t a t i o nm e t h o dd o e sn o ts a t i s f yt h em 塔幻咀i 既s oi n t e l l i g e n ti n t e r p r e t a t i o nb a s e do n c o m p u t e ri st h eo n l yw a y t os o l v et h ep r o b l e m i nr e c e n ty e a r s ，n u m e r o u sc l a s s i f i c a t i o nm e t h o d sw e r ed e s c r i b e di nt h el i t e r a t u r ea n d t h e yc a l lb ec l a s s i f i e di n t ot w ol a r g ec l a s s e s ：i x a d i t i o n a lp i x e l - b a s e dc l a s s i f i c a t i o na n d o b j e c t - o r i e n t e di m a g ea n a l y s i sm e t h o d t r a d i t i o n a lp i x e l - b a s e dc l a s s i f i c a t i o nt e c h n i q u e si s a p p l i c a b l et om e d i u ma n dl o ws p a t i a lr e s o l u t i o nr e m o t es e n s i n gi m a g ei n t e r p r e t a t i o na n d o b j e c t - o r i e n t e di m a g ea n a l y s i sm e t h o di sa p p l i c a b l et o f o rm e d i u ma n dh i g hs p a t i a l r e s o l u t i o n o b j e c to r i e n t e di m a g ea n a l y s i sh a sb e e nu t i l i z e dm a n yf i e l d ss u c c e s s f u l l ys u c h a sf o r e s t r yr e s o b i c em a n a g e m e n t , a g r i c u l t u r em a n a g e m e n t , l a n de o v e r , l a n du s e m a p p i n g e t c t h e r e sn oo b j e c to r i e n t e di m a g ea n a l y s i ss y s t e mf o rm e d i u ma n dh i 曲s p a t i a l r e s o l u t i o nr e m o t es e n s i n gi m a g ea tp r e s e n ti nc h i n a , i tr e s t r i c t sp o p u l a r i z a t i o na n d a p p l i c a t i o no fr e m o t es e n s i n gr l l a g e t h u si ti si m p o r t a n ta n du r g e n tt os t u d ya n dd e v e l o p n e wm e t h o d st oe x t r a c tt h e m a t i ci n f o r m a t i o nf r o mh i g l lr e s o l u t i o nr e m o t es e n s i n gi n l a g c s i nt h i sp a p e r , w ee x p l o r e dt h ei n t e l l i g e n ti n t e r p r e t a t i o nm e t h o do fh i g hr e s o l u t i o nr e m o t e s e n s i n gi m a g e s ，a n dt h em a i nr e s u l t sa r ef o l l o w i n g ： ( 1 ) i nt h i sp a p e r , w ep r e s e n tan o wf r a m eo fo b j e c to r i e n t e dr e m o t es e n s i n gi m a g e i n t e l l i g e n ti n t e r p r e t a t i o n ( v e r yh i g hr e s o l u t i o ni m a g ei n t e l l i g e n ti n t e r p r e t a t i o n , v t m t u ) i t s y n t h e s i z e si m a g e 。p r o c e s s i n gs y s t e m ( p i x e l b a s e d ) ，g e o g r a p h i c a li n f o r m a t i o ns y s t e m ( v e c t o r - b a s e d ) a n dd a t am i n i n g ( i n t e l l i g e n tc o m p u t i n g ) t e c h n o l o g y ss t r o n gp o i n t st o i n t e r p r e ti l n a g ef r o mp i x e l st os e g m e n t sa n dt ot h e m a t i ci n f o r m a t i o n ( 2 ) t os u m m a r i z ee i g h tb a s i cr e q u i r e m e n t so fm e d i u ma n dh i 曲r e s o l u t i o nr e m o t e i 硕士学位论文中两分辨率遥感影像分割与信息提取研究 s e n s i n gi m a g es e g m e n t a t i o n , a n d i n t r o d u c e san o n p a r a m e t r i cd e n s i t ye s t i m a t e m e t l l o d 由1 c a ns h i f ta l g o r i t h mf o rm u l t i - s e a l es e g m e n t a t i o n as o f t w a r es y s t e mo f m e d i 啪a n dh i g hr e s o l u t i o nr e m o t es e n s i n gi m a g es e g m e n t a t i o na n di n f o r m a t i o n e x t r a c t i o nw a sd e v e l o p e d t h ep r e c i s i o no fs e g m e n t a t i o ni sc o n t r o lb yt h r e ep h y s i c a ls c a l e p a r a m e t e r s ( 吃鄙l a t i a is c a l e 、以c o l o rs c a l e 、m - - - m i n i m u ma r e as c a l e ) ，w i t ht h es c a l e p a r a m e t e r ss e l e c t i o nf r o m b o t t o mt ou p t h er e g i o n s a r ef u s e di n t ob i g g e ro n e s ( 3 ) w i t ham a s s i v es c a l ep a r a m e t e r ss e l e c t i o na n di m a g es e g m e n t a t i o nt e s t i n g , i t i n d i c a t e st h a ts e g m e n t a t i o nb a s e do nm e f l ns h i f ti saf a s ta n dr o b u s ta l g o r i t h m ；t h er e s u l t s a mc o n s i s t e n tw i t ht h ev i s u a ls e g m e n t a t i o no n ea n dt h eq u a l i t yo fs e g m e n t a t i o nw i l lb e c o n t l o l l e x ib e m 曩u s eo f t h ei n s e n s i t i v i t yt os c a l e ( 4 ) t h er a s t e ri l n a g ei sar e f e r e n c el a y e r , a n dt h ev e c t o rp o l y g o n sa r et h eo p e r a t e d o b j e c t s a sa v h r i i im a i nb o d y g e o g r a p h i c a li n f o r m a t i o ns y s t e mm a k er e m o t es e n s i n g i m a g ei n t e r p r e t a t i o np r o c e s si nv i s u a la n dm a n - m a c h i n ei n t e r a c t i o ne n v i r o n m e n t , a n d s a m p l es e l e c t i o na n dt r a i n i n gp r o c e s s i n gp r o c e s si sc o n v e n i e n ta n ds w i f t ( 5 ) d a t am i n i n gt e c h n o l o g yi si n t r e d u c e di n t ov h r i i ib e c a u s eo ft h es h o r t a g eo f c l u s t e r i n ga n dc l a s s i f i c a t i o na l g o r i t h mi ng e o g r a p h i c a li n f o r m a t i o ns y s t e m a t t r i b u t e d a t a b a s ea n d s p a t i a ld a t a b a s ea r co p e r a t e ds y n c h r o n o u s l y ；t h i sw o r kw i l lr e d o u n dt os y s t e m i n t e l l i g e n c e ( 6 ) i no r d e rt ov e r i f yt h ef e a s i b i l i t ya n de f f e c t i v e n e s so fv h r i i i 。as t u d ya r e aw a s s e l e c t e da tl o wh i l ls u b u r bo fz h u z h o uc i t y , h u n a n , c h i n a w ec o m p a r e dt h r e ed i f f e r e n t i m a g ei n t e r p r e t a t i o n sf o rq u i c k b i r di m a g e ，t h ev h r i l lw i p eo f f “s a l ta n dp e p p e e w i t h l l i g hc l a s g i f i c a t i o na c c u r a c ya n ds p e e d g o o dm a n e u v e r a b i l i t y b r i e f l y , i nt h i sp a p e r , w ea n a l y s i se x i s t i n gr e m o t es e n s i n gi m a g ei n t e r p r e t a t i o ns y s t e m a n dp r e s e n tan e wf r a m eo fm e d i u ma n dh i g hs p a t i a lr e s o l u t i o nr e m o t es e n s i n gi m a g o i n t e r p r e t a t i o n w em a k ead e e pm u d yo ft h ek e yi s s u e s , a n dd e v e l o ps o f t w a r ep a c k a g e p r e p a r a t i o na n da p p l i c a t i o no fv h r i i ih a sg r e a tp o t e n t i a li nm e d i u ma n dh i g hs p a t i a l r e s o l u t i o nr e m o t es e n s i n gi n f o r m a t i o ni n t e l l i g e n te x t r a c t i o n , a n di tw i l lb ea p p l i e di na l l e n o r m o u sf i e l d k e y w o r d s ：m e d i u mh i g hs p a t i a lr e s o l u t i o n ；r e m o t e s e n s i n g ；m e a ns l f i f t ； m u l t i - s c a l es e g m e n t a t i o n ；o b j e c t o r i e n t e d ；i n t e l l i g e n ti n t e r p r e t a t i o n 幸禽嵛蒜耐然乞荡 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究 所取得的研究成果。除了文中特j ! l , l i j n 以标注引用的内容外，本论文不包 含任何其他个人或集体已经发表或撰写的成果作品，也不包含为获得中 南林学院或其他教育机构的学位或证书所使用过的材料。对本文的研究 作出重要贡献的个人和集体，均已在文中以明确方式表明。本人完全意 识到本声明的法律后果由本人承担。 7 作者签名虞芗钐 7 一易年；旯e e l 彰舟委耐戢乞弦 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的 规定，同意学校保留并向国家有关部门或机构送交论文的复印 件或电子版，允许论文被查阅或借阅。本人授权中南林学院可 以将本学位论文的全部或部分内容编入有关数据库进行检索， 可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本学位论文属于： l 、 保密口，在年解密后适用本授权书。 2 、不保密口。 ( 请您在以上相应方框打“4 ”) 作者签名：美擎秀导师签名：毒参样 ，“厂， ， i 沙口毋年庐月pe l垆。6 年f 月r , , e 1 硕士学位论文中高分辨率遥感影像分割与信息提取研究 l 引言 1 1 本课题研究的目的与意义 近4 0 年来。遥感技术得到了突飞猛进的发展，无论是空间分辨率、光谱分辨率、 时间分辨率等方面都有了极大的提高，基本实现高光谱、高空间分辨率、全天时、全 天候持续对地观测能力遥感的最终目标是反映、描绘、量化和刻画地球表面的格局， 从而有助于理解和把握地球表面各种现象和过程n 】随着卫星影像分辨率的不断提 高、影像信息的极大丰富使得遥感数据应用领域越来越广与此同时，如何快速、高 精度地提取专题信息就成了关键的研究课题。 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，它们将集群在不 同的特征空间区域。 遥感影像信息提取一直是遥感技术的一个最重要研究领域。从早期的影像目视解 译技术到后期的计算机辅助分类，乃至当今的自动化判读技术，遥感影像信息提取逐 步从单纯的像元物理特性识别向影像理解演变。事实上，遥感影像中蕴含着丰富的色 彩信息、空间信息、纹理信息，而传统的分类方法一般只利用了像元的色彩信息。无 论是监督法还是非监督法均是基于像元级的处理，像元间的天然的内在联系被舍弃 了即使采用纹理等影像特征辅助分类，其目的也仅是为了提高像元级的识别精度与 可靠性，而未顾及到遥感影像中丰富的空闻信息的提取 因此基于传统分类方法的高分辨率遥感影像信息提取存在如下问题： 1 ) 没有充分利用高分辨率遥感影像所能表达的空间、纹理等信息，对同谱异物 的地物无法区分开； 2 ) 高分辨率遥感影像的信息量大，以全色波段为o 6 m 的q u i c k b i r d 和全色波段 为1 5 m 的e t m 为例，像元个数增加了大约6 2 5 倍，因此传统的基于像元的分类方法 将更加耗时； 3 ) 由于受影像光谱内在的异变性，分类后的数据经常出现所谓“椒盐”现象 2 - s l ： 4 ) 人机交互和可视化性能差，整个分类过程基本上将分类器当作一个黑箱； 5 ) 非监督分类中对类别数的调整，监督分类中对训练样本的调整等都基本上不 硕士学位论文中高分辨率遥感影像分割与信息提取研究 能一次完成，就更加大了耗时量 经典的模式识别过程( 见图1 - 1 ) ，包括了8 个基本操作过程，而传统的遥感影像解 译方法( 见图1 - 2 ) 包含5 个基本操作过程。明显可以看出，前者比后者多了影像分 割、特征提取、特征选择三个部分 图卜1 传统模式识别方法 f i g 1 - 1t r a d i t i o n a lp a r e mr e c o g n i t i o nm e t h o d 传统的影像分类方法是针对中、低分辨率遥感影像而设计的，因为低空间分辨率 遥感影像本身单一像元代表的是混合地物，研究方向是由像元( p i x e l ) 到亚像元 ( s u b - p i x e l ) 的解译过程。低空间分辨率遥感影像的光谱分辨率一般较高，而高空间 分辨率遥感影像的光谱分辨率则相对较低，处理上应该采用从下至上的综合方法一 影像分割。高空间分辨率遥感影像可以通过建模从分割对象中获得除光谱信息之外的 空间特征，纹理特征及层次特征等信息。高空间分辨率遥感影像分割及特征提取、选 择的过程是从另一个角度增加信息维并降低单维影像信息的冗余度，有助于提高遥感 解译的精度。 图i - 2 传统的遥感影像解译方法 f i g 1 - 2 t r a d i t i o n a lr e m o t es e n s i n gi n t e r p r t t a t i o nm e t h o d 影像分割是基于像元分类的传统方法与面向对象的影像分析方法根本区别和桥 梁。实现大数据量、空间特征复杂的高分辨率遥感影像分割是实现面向对象的影像分 析的关键影像分割一方面实现了像元向区域对象的跨跃；一方面能够从区域对象中 提取更多的特征信息如光谱特征、形状特征、纹理特征、相邻关系特征，有利于提高 后期分类精度；一方面减少了数据量，为后期分类节省大量计算机时；易于实现可视 化的人机交互操作 高空间分辨率遥感影像分割的基本要求如下： 1 ) 分割过程充分利用空间、色彩、纹理等信息； 2 ) 分割结果必须在一定尺度上代表影像区域性质，并且与视觉分割结果一致； 硕士学位论文 中高分辨宰遥感影像分割与信息提取研究 3 ) 分割过程具有可操作性，因为遥感影像分辨率和应用目的不同，因此选择的 尺度也会因有所不同； 4 ) 尺度参数应具有直观性，便于理解和操作，并且分割结果对参数不敏感如 参数可以选择空间尺度、颜色尺度和最小面积尺度； 5 ) 分割的稳定性高，同一分割尺度下分割结果可以重复； 6 ) 分割算法应该具有通用性，能够应用于各种不用的数据类型和不同的应用目 的； 7 ) 分割处理过程要快，因为地球观测系统常产生海量的影像数据： 8 ) 通过区域融合实现多尺度分割，因为影像本身不具有层次性，但根据不同专 题信息提取的需要，需要构建多层次结构 因此，本课题将以中、高分辨率遥感影像资料为基础，重新设计中、高分辨率遥 感影像信息提取的框架结构。重点研究稳健的影像多尺度分割算法，尺度控制、特征 描述及人机交互式影像解译过程。并在此基础上开发相应的软件系统和分析插件，实 - 现遥感影像解译过程的可视化与智能化。 1 2 国内、外研究现状及趋势 遥感影像智能解译理论与方法研究一直是遥感研究领域的一个重要课题，国内外 也加大了遥感影像信息提取研究的力度特别是随着高空分辨率遥感影像的出现，如 i k o n o s ，q u i e k b i r d 等米级甚至亚米级的影像为我们提供了更加清晰的影像数据，在高 分辨率遥感影像上，不仅地物的光谱特征更明显，而且所表现景观的结构，形状，纹 理等信息也非常突出，因此大大扩展了遥感影像的应用范围。( 何智勇，章孝灿等2 0 0 4 ； 刘琳2 0 0 4 ；苏俊荚，曹辉等2 0 0 4 ；万幼川，宋杨2 0 0 5 ) 分别将高分辨率遥感影像应 用于水体、森林类型、居民地提取和地图更新 6 - 9 1 。然而，随着空间分辨率的提高使 得影像的尺寸或相同地面面积的像元数也随之增加，同时同一地类的光谱、空间异质 性大大增加0 0 。这些因素都对影像智能解译提出了新的要求目前，比较流行的影 像解译方法有目视解译、基于像元的分类方法、面向对象的影像分析方法 1 2 1 目视解译 遥感影像目视解译方法( v i s u a li n t e r p r e t a t i o nm e t h o do bi m a g e ) 是指解译者依据 地物目标在遥感影像上光谱特征、时相特征、空间特征等成像机理以及所掌握的各种 景观结构规律和发展规律，通过分析地物在影像上的特征来获得对地物目标的识别和 特征信息的提取。耳视解译通常汇集了专家长期以来所积累的经验和知识通过比较 3 硕士学位论文 中高分辨事遥感影像分割与信息提取研究 灵活的辅助工具，能够比较准确地提取地面信息长期以来，目视解译是获取专题信 息的主要手段 常用遥感影像目视解译方法有以下几种： 1 ) 直接判读法：根据遥感影像目视判读标志，直接确定目标地物属性与范围的一 种方法。 2 ) 对比分析法：包括同类地物对比分析法、空问对比分析法和时相动态对比法 3 ) 信息覆合法：利用透明专题图或者透明地形图与遥感重合，根据专题图或地形 图提供的多种辅助信息，识别遥感上目标地物的方法。 4 ) 综合推理法：综合考虑遥感图像多种解译特征，结合常识，分析、推断某种目 标地物的方法 5 ) 地理相关分析法：根据地理环境中地理要素之间的制约关系，借助专业，分析 推断某种地理要素性质、类型与分布的方法 目视解译一般能获得较高的解译精度，但是其工作流程复杂、智能化程度不高、 效率较低，客观性差，成本高，并且难以与现有软件系统集成。 随着海量多种分辨率遥感影像数据的涌现及遥感数字影像处理技术的发展，基于 计算机的遥感影像智能解译与定量分析就成了必然的发展方向经过二、三十年的发 展，已经出现了大量的方法，大致上可以分为基于像元( p i x e l - b a s e d ) 分类传统方法和 面向对象的影像分析方法两类。 。 。l 1 2 2 基于像元的分类方法 基于像元分类法是传统的分类方法，在技术和应用上都已经很成熟，主要包括非 监督分类和监督分类【l l 】。非监督分类是一种自底向上的数据驱动方法，而监督分类是 自顶向下的知识驱动法，先进行训练学习再进行分类1 纠6 】比较常用的非监督分类法 有：i s o d a t a 法和k m e a l 塔法1 1 7 1 ；监督分类法有：平行六面体法、最小距离法、马氏距 离法、最大似然法，波谱角度制图( s a m ) n 。，1 9 】等( 见表1 1 ) 从分类效果上看，这 类方法适合中、低空间分辨率的遥感影像解译，对高空间分辨的遥感影像解译效果不 理想，甚至会得到更低的分类精度 4 硪士学位论文 中高分辨率遥感影像分智l 与信息提取研究 表1 - 1 传统的基于像元的分类方法 t a b 1 1t r a d i t i o n a lc l a s s i f i c a t i o nm e t h o d sb a s e do np i x e l 区爿 身法 曩 麓虚荣骨 特点效曩 蔫睫性 尊藏督分英统计方接，辟分菸区情甩作分英辅助，可 快建镌稽当地黄阳光 ( t - m l 。i 目o d a t a )小噩 性况不了解以瘴用予分类君鹿带不瞎蒜 差再小时丹 足生产薹 樊精度氍 量枣照囊袭中。晃囊薹很蹦帕鼍精度取璇干耐e篡算方爱，苜 对予炎曩重叠 ( i l i | l i m m 毗n m 量小一个类都奢细地物冀望崎丁 对曩元囊牟翦慵况分舞 一十代囊向解和诅练筑许的 担描分赛麓精度爱捌弧憾 量精度 曩好 费戢尔( r i t z )娄婀奄曩量基于正蠢分恕麓炎旧差与赉 当疆栋桴奉无姥纂捷共疆 炷性爿翮分囊太蔚雯内膏布曩进冉差的糠对位建 多对。可取得l 叠盼同曩 敛性量小捌量走更好教曩 覃丈戗然仕( n h m l m m妇属曩搴曩适用1 宝广，毫立一十一霸置分类罐翟夺量舅，氟苗诗 u k e l i 蝌丈 肆蕾囊摹美 羲曩两精度高帕鬣期 刺不运用 城靖舟瘫嘏噩s 姐诗算被髓阐 适应于矗先 用- 堆角度祷锋薹分兴的藏用于授准反甜 的角度青曩密敲据元与飘敖膏莲晨与散曩考黎撂对，对熙 均分共鲑髂孽声的程啊和置曩辜蝻 度眷关葺 影墒相肘不舞 ：蕞攥毋奂t h像元的毫曩囊古像元的在单十像冠申摄可或警身奂镶鞭并车磊毫 c l u s i f i o a t m 1 )裹荫教詹蠢与不确取十毳避物售精度量十分豳毫的 定性甸矗 神圣一垮( u r l l - l n无参缸分凳可用于可且 鲁一藏幸兢性薹分共精度着叠摄赢硼镰 c l d s i f l 4 a t i o s )：， 光红扑和蘑力攀系统舶垒挽于最大慑精度t 鬟参 埏饵像翦静特赢。 青毫壤彝进旋盎代雨羹时 分竞 链皇组织性、曩 鞭性、瓦案性 1 2 3 面向对象的影像分析方法 基于像元的遥感影像分析和处理所能够得到的信息极其有限。由于遥感影像中异 物同谱和同物异谱现象较为普遍，仅靠光谱特征不足以表达目标或类别，因而其分析 硕士学位论文中高分辨率遥感影像分割与信息提取研究 结果的可靠性常不尽人意f l o 2 ，川。虽然近年来基于像元的遥感影像分析引入了大量先 进的方法，如模糊集( f u z z ys e t ) ，神经网络( n e u r a ln e t w o r k ) ，分层聚类( h i e r a r c h i c a l c l u s t e r i n g ) 等，在影像分类精度等方面有了很大的改进，但是由于这些方法从本质上 还是基于像元的光谱特征分类，无法从根本上摆脱方法上的局限性。遥感影像分类或 专题信息提取中，基于单个像元的处理没有加入“对象”概念，不能利用对象的不同 空间特征如大小，形状、位鼍、空间关系等。 从影像工程的角度来看，传统的基于像元的影像分析不是真正意义上是影像分 析，它属于图像处理范畴，处于影像工程的低层。因而，从遥感影像处理上升到遥感 影像分析乃至影像解译，已是遥感学科进一步发展的迫切要求。国外的一些学者已经 在遥感影像分析层作了一些探索性的研究，并且有了一些进展。影像分析意味着对图 像语义的分析与处理。在很多情形下、理解影像的重要语义信息应当是有意义的图像 对象和它们的相互关系来表达1 2 5 1 ，而非单个像元，并且很多类型的影像或多或少是具 有纹理特征的，只有当这些具有纹理特征的数据( 影像) 被分割成有意义的“同质” 对象的时候，对这些影像的成功分析才能成为现实从影像分析的角度，采用面向分 割对象的分类方法进行遥感影像解译在高空间分辨率遥感影像的分类方面精度有了 大的提高 面向对象的影像分析方法是在上述基础上发展起来的一种新的分类思想首先将 影像按照某种相似性准则分割为一个个同质的，在空间上连续，并且具有特定专题意 义的对象，然后再针对各对象进行描述，进而分类标注这种分析方法的优势在于： 一是它是以同质“对象”作为分析单元，因而可以减少像元间光谱异质性，同时也可 以融合多种空间信息和上下文信息；二是它针对分割对象进行分类，因此分类过程更 容易实现，速度大幅提高；三是它的分类结果常比基于像元或基于移动窗的分类结果 更容易解释。其中基于像元的分类方法即便对分类结果进行光滑处理后仍然会出现较 多的小斑块，即出现所谓的“椒盐现象”而利用移动窗口的分析方法尽管也考虑了 相邻像元间的相互关系，但是它本身又表现以下三个方面的局限性：一是它容易把不 同类别间离散的边界模糊化；二是移动窗口的大小事先难以确定；三是规则的窗口只 是理论上代表一块人为的区域，很难与实现的目标类别对应起来 面向对象的影像分析方法为多种特征的定量化表达提供了条件，除了表达传统意 义上的光谱、纹理特征外，还使许多空问形态特征包括多种多样的形状特征和空间关 系的定量化分析成为可能。 首先对遥感影像数据进行影像分割，从二维化了的影像信息阵列中恢复出影像所 6 颈士学位论文中高分辨率遥感影像分割与信息提取研究 反映的景观场景中的目标地物的空间形状及组合方式影像的最小单元不再是单个的 像元，而是一个个对象，后续的影像分析和处理也都基于对象进行定义对象的光谱： 特征、形状特征、纹理特征和相邻关系特征其中，光谱特征包括均值、方差、灰度 比值；形状特征包括面积，长度、宽度、边界长度、长宽比、形状因子、密度、主方 向、对称性，位置；对于线状地物包括线长、线宽，线长宽比、曲率、曲率与长度之 比等，对于面状地物包括面积、周长。紧凑度、多边形边数、各边长度的方差、各边 的平均长度、最长边的长度；纹理特征包括对象方差、面积、密度、对称性、主方向 的均值和方差等通过定义多种特征并指定不同权重，建立分类标准，然后对影像分 类分类时先在大尺度上分出“父类”，再根据实际需要对感兴趣的地物在小尺度上 定义特征，分出“子类”在面向像元的分类中，每个像元只含有光谱信息，而面向 对象的分类中，每个对象则可以含有颜色、形状、大小、纹理等，信息丰富，因此， 分类的依据就可以更多，分类更加灵活，精度也明显更高然而这类方法大多是基于 德国慕尼黑的d e l p h i 2 c r e a t i v et e c h n o l o g i e s 公司所推出的e c o g n i t i o n 软件提出的【l o ， 2 锄】，并且有许多成功的案例【i o 2 ”6 1 ，其中最重要的多尺度分割算法受到专利保护 国内、外学者也尝试开发有效的面向对象的影像分析算法目前，还没有的国产面向 对象的遥感影像解译系统，大大限制了我国的遥弛影像数据应用推广本文也尝试从 另一个方向实现面向对象的遥感影像智能解译系统，其中也借鉴了面向对象影像分析 的基本思想。 ， 1 3 本文的研究思路与内容安排 本文认为，中，高分辨率( 如果没有特别说明指中、高空间分辨率) 遥感影像专 题信息提取过程不能沿用传统的针对中、低分辨率遥感影像的方法本文采用以高速、 稳健的遥感影像分割方法实现像元( p i x e l s ) 到对象( o b j e c t s ) 的转变，然后利用各 种数学模型获取各分割单元对象的纹理、形状、光谱等特征信息在地理信息系统软 件平台可视化技术支持下以影像本身作为参考层，分割对象属性数据作为特征向量， 利用空间数据挖掘理论方法实现专题信息面向对象的人机交互与可视化提取 其中要解决如下三个问题： 1 ) 快速、稳健的影像多尺度分割。因为初始分割的结果是再分割与再分类的基 础，分割的精度直接影像最终专题信息提取的精度 2 ) 特征提取与选择分割完成后，需要提取分割对象的空间、光谱、形状、纹 理等信息作为分类器的输入特征矢量，合理利用这些信息可以明显地提高分类精度 7 硕士学位论文中高分辨率遥感影像分割与信息提取研究 3 ) 分类器选择与设计不同分类器的分类器有各自的优缺点，因此合理选择与 再设计对样本的训练、测试及分类精度与耗时量有直接的影响 影像同一区域或同类区域内的特征向量相同或相近，它们在特征空间会形成一个 或数个局部的高密度区，这些高密度区与影像区域一一对应，通过特征空间分析方法 可以找到高密度中心，并通过尺度控制获取密度区的范围，也就是获取了影像中各异 质区间的边界从而得到分割结果 - 本文在内容上是这样安排的：第二章对图像分割的方法做一个综述，重点对高维 特征空间参数聚类方法进行介绍；第三章重点介绍种快速、稳健的非参数密度估计 方法均值漂移算法及基于它的影像分割算法：第四章从理论上分析遥感影像多尺 度分割的必要性与可行性，并进一步通过均值漂移滤波及基于尺度控制的区域合并， 实现多尺度影像分割，对尺度参数进行试验，用以说明尺度选择的原则及对是否存在 最优尺度进行讨论；第五章介绍遥感影像智能解译系统集成；第六章给出基于本研究 方法对株洲市郊区土地覆盖信息提取实验及精度评价第七章为结论与讨论最后给 出附录，简要介绍本文开发的软件和部分算法 本课题来源于林辉教授的科研项目；国家自然科学基金项目( 3 0 4 7 1 3 9 1 ) ；株洲 市国土资源遥感综合调查( 国土资源部8 6 3 项目“重大行业3 s 应用示范 ( 2 0 0 2 a a l 3 4 0 7 0 ) 子课题) ：森林资源遥感自动识别系统的研建( 湖南省科技厅杰出 中青年专家科研资助项目( 0 2 j j b y 0 0 5 ) ) 硕士学位论文中高分辨率遥感影像分割与信息提取研究 2 影像分割方法综述及几种基于聚类的方法介绍 五1 影像分割方法综述 2 1 1 影像分割的定义 影像分割是影像分析和模式识别的首要问题，也是影像处理的经典难题之一【3 7 3 引，它是影像分析和模式识别系统的重要组成部分，并决定影像的最终分析质量和模 式识别的判别结果所谓影像分割是指将影像中具有特殊意义的不同区域分开来，并 使这些区域相互不相交，且每个区域应满足特定区域的一致性条件。 d 9 堤义对一幅影像g g ，) ，) ，( o x 算一，o sy ) 进行分割就是将影像划分为 满足以下条件的n 个子区域晶b ，j ，) ，j = 1 , 2 以 1 ) u 蜀g ，力，即由所有子区域组成整幅影像； - l ，2 ) g k y ) 是连通的区域，连通性是指在该区域内存在