面向对象的遥感影像分类方法

面向对象的分类是指根据影像的光谱信息 及形状信息，设置一定的均质标准参数，将遥感 影像进行分割以形成影像对象，每一个影像对象 都是具有相似光谱特征的像素的集合，相比于单 个像素具有多元特征：颜色、大小、形状、关联 特征等。
面向对象的方法不是以单个像素为分析目 标，而是以影像中的像素集合为分析单元，充分 考虑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。
面向对象的遥感影像分类方法
专业：测绘工程 班级：地学院7班 学生：翟珊珊 学号：Z11010007
LOGO
一、面向对象方法产生的背景背景
近30 年来卫星遥感影像分辨率的不断提高是当前遥感发 展的主要趋势之一,如IKONOS 数据(1m) 、QUICKBIRD 数据(0. 61m) 等,这些高分辨率卫星遥感影像的出现使得在 较小的空间尺度上观察地表的细节变化、进行大比例尺遥感制 图以及监测人为活动对环境的影响成为可能,具有广阔的应用前 景,目前正广泛地应用于各个领域。
结构中的嵌入位置信息。 （2）类间相关特征：参考了位于影像对象层次结构中
其他影像对象的分类结果； （3）全局特征：涉及整个工程的参数，由于他们不能
来区分分类对象，实际上它们只能用来组合自定义特 征。
来自百度文库 图2 面向对象的影像分析过程
易康软件分类器 最邻近对象分类 模糊逻辑成员函数
四、利用易康软件进行居民地信息提取实例
多尺度分割时，在满足必要的形状标准的前提下 ，应尽可能采用光谱标准，因为影像数据中最重要的 是光谱信息，形状标准的权重过高会降低分割结果的 质量 。
2、易康软件特点
（1）德国易康eCognition软件面向对象的遥感影像 解译思想朝更接近人类思维模式的方向又迈进了一 步； （2）虽然其影像分割与人类视觉的理想模式还相去 甚远，但是相对于以往遥感影像解译软件的解译质 量已有突破性改善，操作的灵活性和效率亦有重大 改进，特别是用于对大比例尺影像的解译，可以在 一定程度上解决当前急需的遥感影像解译问题，对 于遥感影像在城市规划及农业、林业等领域的应用 将有很大的促进作用。 （3）分类后的结果，可以以多种方式输出，可以输 出分类对象的各种属性（如面积、周长等）进行各 种分析。还可以以矢量的格式输出分类的结果；
与传统的中、低空间分辨率的遥感影像相比,高分辨率影像 空间信息更加丰富,地物目标的细节信息表达的更加清楚。从分 类技术角度来看,由于受空间分辨率的制约,传统的遥感影像信 息提取只能依靠影像的光谱信息,且是在像素层次上的分类;而 高分辨率影像虽然结构、纹理等信息非常突出,但光谱分辨率并 不高(波段较少) ,所以仅仅依靠像素的光谱信息进行分类,着眼 于局部像素而忽略邻近整片图斑的纹理、结构等信息,必然会造 成分类精度的降低,进而影响后续的应用研究。因此,传统的单 纯依靠光谱特征的像素层次上的分类方法已经不再适合高分辨 率影像的信息提取，基于面向对象影像分割的方法应运而生。
三、易康软件介绍
1、多尺度分割 多尺度分割是指从一个像素的对象开始进行
一个自下而上的区域合并技术，小的影像对象可以 合并到稍大的对象中。在这个聚集过程中，最优化 技术可最小化异质的权重。在每一个步骤中相邻的 影像对象对，只要符合设置的异质最小生长的标准 就合并，如果这个最小的扩张超出尺度参数定义的 阈值范围，合并过程结束。
在多尺度影像分割过程中要达到满意的分割 结果，分割参数的选定很重要，主要的参数为分割 尺度、波段权重、均质性因子。
A 、分割尺度的设定 决定影像对象的最小尺寸。
B、 均质标准的设定
均质标准包含两个部分：光谱和形状。
光谱标准是光谱异质性的变化，通过影像层的权重 及影像层的光谱值确定。 形状标准是一个描述值，是 利用两个不同的理想描述形状的模型来改善形状。
如图1所示，是面向对象影像分类方法的一般处理 流程。
图1 面向对象影像分类方法的一般处理流程
目前，全球唯一商业化面向对象影像分析平台是 德国Definiens公司开发的易康(eCognition) 面向对象影像分析软件。
易康模拟人类大脑的认知过程。首先，将同质像 素组成有意义的影像对象，通过多尺度分割技术 实现不同的尺度同时把握认知对象，是计算机高 速处理和人类认知原理的完美结合，兼顾了速度 和精度。
（4）分类的精度较传统的分类软件提供的分类方 法有了很大的提高，并且分类的结果可以消除由 于光谱细小的差异或混合像元造成的细小的碎斑 ； （ 5）方便的手动分类，针对部分在影像上目视解 疑区分不出来的地物信息，可以通过外业进行调 查，然后在软件上用手动的方法，把难区分的地 物归并到确定的地类。 （6）软件提供了处理规则集记录的功能，对于大 区域的，同时相的数据，选择训练区域，调整好 各种处理参数、保存，然后对整个区域的数据， 利用保存的规则集合，进行统一的处理； （7）可以充分利用对象之间的相关信息，对地物 特征进行更详细的划分。例如：利用对象之间的 距离特征，区分出水体和房屋的阴影。
影像数据: SPOT卫星拍摄的铜川地区孙塬镇附近的10米
多光谱影像（包括红、绿、蓝三波段）和2.5米全 色影像，将两幅影像进行图像融合形成光谱信息丰 富、空间分辨率较高的影像。 提取方法：
对融合后的影响影像进行多尺度分割，然后基 于知识的决策树进行分类，最终提取的居民地信息 如图所示，可以清楚地看到利用面向对象的分类方 法消除了传统的基于像素的分类方法产生的噪声。
面向对象的知识决策分类方法以对象作为分类的 基本单元，在分类过程中，对对象进行分析，提取纹 理、光谱、形状等信息，再将这些信息作为知识加入 到分类器中。这样可以极大地提高分类精度，知识的 加入通过决策树来实现。充分利用了高分辨率遥感影 像的特点，使分类结果更接近于目视判读的效果，有 效地提高了分类精度。分类后还可以通过建立对象间 的拓扑关系来反映地理实体之间的关系，利用GIS的 空间分析方法对遥感数据进行更深层次的挖掘。
3、易康面向对象知识获取
分为三类：对象特征、类间特征和全局特征。 （1）对象特征：对影像对象本身和其在影像对象层次
结构中的位置进行评价，获取对象特征。 a灰度特征：影像对象的波段像素值； b纹理特征：基于灰度共生矩阵或灰度差异矢量； c形状特征：描述对象本身或其子对象的形状； d层次特征：提供一个影像对象在整个影像对象层次
二、面向对象的分类方法
基本原理：
传统的遥感变化监测和信息提取主要是基于中低 分辨率的遥感卫星数据或航片，通过目视判读或是基 于像素的计算机分类方法，信息提取的精度和效率不 能兼顾。
高分辨率影像空间信息更加丰富，地物目标细节 信息表达的更加清楚。
从分类技术角度来看，由于受空间分辨率的制约 ，传统的遥感影像信息提取只能依靠影像的光谱信息 ，且是在像素层次上的分类；而高分辨率影像虽然结 构、纹理等信息非常突出，但光谱信息不足(波段较少 )。所以仅仅依靠像素的光谱信息进行分类，着眼于局 部像素而忽略邻近整片图斑的纹理、结构等信息，必 然会造成分类精度的降低。
图3 SPOT10米多光谱影像
图4 SPOT2.5米全色影像
图5 居民地信息示意图
谢谢！
翟珊珊 2011年9月
放映结束 感谢各位的批评指导！
谢 谢！
让我们共同进步
知识回顾 Knowledge Review