面向?qū)ο蟮母叻直媛蔬b感影像全要素分類研究.pdf

1、隨著傳感器技術(shù)的日益發(fā)展和進(jìn)步，遙感影像的空間分辨率也越來(lái)越高。然而如何快速而準(zhǔn)確地對(duì)高分辨率遙感影像提取所需專題信息，成為了當(dāng)前亟待解決的問題。由于高分辨率影像的特點(diǎn)為細(xì)節(jié)豐富、信息量大，傳統(tǒng)基于像素的分類方法顯然不能利用豐富的空間信息，從而造成資源浪費(fèi)和數(shù)據(jù)冗余。因此，面向?qū)ο蠓治龇椒☉?yīng)運(yùn)而生，并且經(jīng)過不斷發(fā)展成為高分辨率遙感影像分類的主要技術(shù)。面向?qū)ο蠓治鍪紫仁菍⒂跋穹指睿@得若干個(gè)多邊形對(duì)象，進(jìn)而基于對(duì)象進(jìn)行特征提取及分類識(shí)別。

2、本文將基于高分辨率遙感影像的特點(diǎn)，重點(diǎn)對(duì)影像分割和特征提取兩方面開展相關(guān)研究，實(shí)現(xiàn)高分辨率遙感影像的全要素分類。具體工作內(nèi)容如下：
　　首先，根據(jù)現(xiàn)有各種分割方法的優(yōu)缺點(diǎn)，研究并實(shí)現(xiàn)了結(jié)合改進(jìn)分水嶺變換和分形網(wǎng)絡(luò)演化多尺度分割的高分影像分割算法。將基于標(biāo)記的分水嶺算法作用于高分影像中，其分割結(jié)果代替像素作為初始單元，進(jìn)而進(jìn)行基于光譜和形狀異質(zhì)性指標(biāo)的多尺度區(qū)域合并。這樣不僅能彌補(bǔ)分水嶺變換中過分割現(xiàn)象帶來(lái)的不足，同時(shí)提高了多尺度分

3、割算法的運(yùn)算效率，增強(qiáng)了算法的可操作性。
　　其次，鑒于上述分割算法中的尺度參數(shù)變化對(duì)分割結(jié)果中同一對(duì)象內(nèi)部相似性和不同對(duì)象間可分性的影響，對(duì)高分辨率遙感影像中的最優(yōu)分割尺度涵義進(jìn)行系統(tǒng)性分析。論文采取目標(biāo)函數(shù)法和尺度參數(shù)估計(jì)模型來(lái)計(jì)算整幅影像的最優(yōu)尺度參數(shù)，使得分割結(jié)果中對(duì)象內(nèi)部的同質(zhì)性和不同對(duì)象間的異質(zhì)性都達(dá)到最大，從一定程度上保證了分割結(jié)果的相對(duì)最優(yōu)性；并通過與非最優(yōu)尺度的分類實(shí)驗(yàn)相比較，驗(yàn)證了對(duì)于高分影像而言，提取最優(yōu)分割

4、尺度的必要性。
　　最后，針對(duì)高分辨率遙感影像中低層特征與高層語(yǔ)義特征之間存在的“語(yǔ)義鴻溝”問題，結(jié)合中層特征表達(dá)理論，研究了基于視覺詞包模型的高分影像對(duì)象的特征表示。為了彌補(bǔ)其忽略的高分辨率遙感影像中重要的空間信息和尺度特征，引入了金字塔詞包模型和多尺度詞包模型，更好地表達(dá)了影像對(duì)象的內(nèi)容及其語(yǔ)義信息。通過對(duì)高分辨率遙感影像分別提取對(duì)象的低層特征和中層特征進(jìn)行全要素分類實(shí)驗(yàn)，結(jié)果對(duì)比表明中層特征的表達(dá)能力優(yōu)于低層特征，并且在相同