面向对象的遥感影像信息提取

面向对象的遥感影像信息提取

摘要：随着遥感技术的不断发展，遥感影像的分辨率不断的提高，如何对遥

感影像中的地物信息进行高效、快速的提取，是当前研究的热点问题。面向对象

的方法先对影像进行多尺度分割得到同质区域对象，充分利用遥感影像中丰富的

光谱、形状、纹理等特征对分割后的对象进行分类。面向对象的遥感信息提取的

方法克服了传统的基于像元的分类方法只依靠光谱信息的缺点，更高效的获取地

物信息，得到更高精度的分类结果。

关键词：多尺度分割、分类、遥感影像、面向对象

Abstract：With the continuous development of remote sensing technology, the resolution of remote sensing image is constantly improving. How to efficiently and quickly extract the ground object information in remote sensing image is a hot issue in current research. The object oriented method firstly segmented the image to obtain the homogeneous region object, and made full use of the rich spectral, shape, texture and other features of remote sensing image to classify the segmented object. The object-oriented remote sensing information extraction method overcomes the shortcoming of the traditional classification method based on pixel which only relies on spectral information, and obtains the ground object information more

efficiently and gets the classification result with higher precision.

Key word：Multi-scale segmentation、classification、remote sensing image、object oriented.

1引言

利用面向对象的信息提取技术，可以更好掌握实际生产生活中地物变化情况，以及土地利用等情况，能够为国土空间规划、土地利用调查、资源普查、交通规划、生态旅游发展等工作提供有力的数据支撑。鉴于基于像元的传统分类方法不

能区分“同谱异物”和“同物异谱”的现象，面向对象的信息提取技术应运而生，该技术可以更快速、更高效地从遥感影像上获得精度更高的结果。

本文以实际项目为例，采用面向对象和多尺度分割技术，利用eCognition

软件对遥感影像进行自动提取，并对分类结果精度进行评价。

2 实验数据及影像的预处理

2.1 实验数据

本文选取云南省临沧市镇康县肖家寨为研究区域。研究区内主要以山地为主，道路崎岖蜿蜒，植被覆盖率较高。实验中使用的遥感影像是航拍影像，包括红、绿、蓝三个波段。

2.2 影像的预处理

2.2.1 影像的几何校正

在对遥感影像进行提取信息前，为保证结果的精度更高，需对遥感影像进行

预处理。本文主要进行了几何精校正和薄云处理。

本文用ENVI软件进行图像对图像的校正处理。选用已有准确地理坐标和投

影信息的遥感影像作为基准，在研究区影像上选取容易区分的精细控制点。在影

像的边缘处选取控制点来避免外推；道路、河流等的交叉点处也选取控制点，使

控制点均匀地分布在影像上，最后通过双线性插值法进行重采样来完成校正。

本文所使用的遥感影像为航拍影像，容易受到大气状况的影响，需进行薄云

处理。薄云处理的方法主要有：基于单波段影像的云去除方法和基于影像融合的

云去除方法。由于上述方法需要不同的外部辅助条件，本文选用一种更常用的方

法——同态滤波，其中最重要的是选择适当的滤波，该方法克服了其他方法的不足，具有较好的可行性和实用性。

经过对遥感影像的预处理，并通过直方拉伸改善影像亮度集中区域，最终获

得了清晰度更好，光谱信息更良好的遥感影像。

3 面向对象的遥感影像信息提取方法与技术

3.1基本思路

面向对象的分类技术，集合邻近像元为对象用来识别感兴趣的光谱要素，充

分利用高分辨利用全色和多光谱数据的空间、纹理和光谱信息来分割和分类的特点，以高精度的分类结果或者矢量输出。该技术主要分为两部分：影像对象的构

建和对象的分类。

3.2多尺度分割

影像对象的构建是面向对象的信息提取技术中的关键。该过程将整个影像分

割成许多不交叉、不重叠的非空区域，所有这些区域都在内部连接，并且每个区

域中都有着相同的或相似的特征。

本文用eCognition软件进行多尺度分割，逐个将地类特征相同的像元合并

为小对象，然后将小对象依据特性再合并成较大的对象，这些较大的对象一般是

多边形，并且是不规则的。在分割过程中，对象的异质性逐步变小，在设定的最

优分割尺度下，影像对象与整个影像同质性达到最大化。分割结果是不同大小和

多个像元集合形成的很多个对象。这些同质对象不仅具有光谱特性，还具有形状、背景和纹理等特征。

3.2.1 多尺度分割参数选取

多尺度分割参数主要有分割尺度、波段权重、形状因子（紧致度、平滑度）等。

（1）波段权重值的选取。波段权重值设置的越大，分割过程中在相应层中

的信息被使用的程度就越高。本文选取的值为默认值1。