基于邊緣信息增強(qiáng)的面向?qū)ο蟾叻钟跋裥畔⑻崛⊙芯?pdf

1、隨著信息技術(shù)的發(fā)展，地理信息獲取也變的越來(lái)越重要。地理國(guó)情普查作為我國(guó)一項(xiàng)重要的地理信息統(tǒng)計(jì)工作，要求必須掌握我國(guó)自然地理要素的基本情況。遙感技術(shù)是目前獲取地理信息的一種最重要技術(shù)手段之一，在測(cè)繪、城市規(guī)劃、國(guó)土資源、地質(zhì)礦產(chǎn)勘查、農(nóng)林業(yè)、軍事等行業(yè)和領(lǐng)域中都有廣泛的應(yīng)用。隨著遙感平臺(tái)的不斷更新，高分辨率可用衛(wèi)星WorldView、QuickBird、IKONOS、GeoEye以及國(guó)產(chǎn)的高分系列衛(wèi)星最高空間分辨率可達(dá)到亞米級(jí)，高分影像的

2、出現(xiàn)使得遙感影像能夠展現(xiàn)出更加豐富的地理信息。
　　較常用的遙感影像分類(lèi)方法主要包括監(jiān)督分類(lèi)、非監(jiān)督分類(lèi)以及決策樹(shù)分類(lèi)等。它們依據(jù)地物的光譜特征進(jìn)行分類(lèi)，比較適合中低分辨率的遙感影像。但是對(duì)于高分影像，常用的基于像元的分類(lèi)方法不僅不能有效地利用其豐富的空間結(jié)構(gòu)，還會(huì)由于其地物光譜異質(zhì)性小而引起較多“椒鹽”噪聲，最終導(dǎo)致分類(lèi)結(jié)果精度降低。因此，對(duì)于高分辨率遙感影像傳統(tǒng)的分類(lèi)方法已經(jīng)越來(lái)越難于滿(mǎn)足其信息提取的要求。為了更好的提取高分影

3、像信息，研究人員提出了能夠充分利用高分影像紋理、空間等信息的面向?qū)ο笥跋裥畔⑻崛〖夹g(shù)。
　　目前面向?qū)ο蟮男畔⑻崛》椒ㄖ饕?基于最大面積和目標(biāo)函數(shù)的最優(yōu)分割尺度選擇;基于Gram-Schmidt等不同融合方法的面向?qū)ο蟮倪b感影像分類(lèi);基于總體精度或Kappa系數(shù)的面向?qū)ο蠓指罘诸?lèi)評(píng)價(jià)指標(biāo)等。
　　本文在eCognition軟件的基礎(chǔ)上以淮南地區(qū)的WorldView-Ⅲ影像為例，對(duì)其進(jìn)行了預(yù)處理，多尺度分割，邊緣信息增強(qiáng)以

4、及邊緣信息增強(qiáng)后的影像信息提取，最后對(duì)于不同分類(lèi)方法做出了精度評(píng)價(jià)，具體研究如下:
　　(1)以淮南地區(qū)高分辨率遙感影像為例，將原始影像進(jìn)行Pansharping融合，并對(duì)其分別做監(jiān)督分類(lèi)、非監(jiān)督分類(lèi)，生成不同方法下遙感影像分類(lèi)圖。
　　(2)重點(diǎn)研究了基于eCognition軟件的面向?qū)ο蠓诸?lèi)方法。首先借助ESP(EstimationofScaleParameter)尺度評(píng)價(jià)工具，通過(guò)不同實(shí)驗(yàn)，結(jié)合目視判別效果確定了最優(yōu)分

5、割參數(shù):其中尺度因子為110，形狀因子為0.5，緊湊度因子為0.5。影像分割完成后對(duì)其進(jìn)行最鄰近分類(lèi)，多次循環(huán)選取最優(yōu)分類(lèi)樣本及樣本特征(NDVI、Shap-index、Lengt/idth、mean-Brightness、mean-max.diff等)，最終生成基于面向?qū)ο蟮挠跋穹诸?lèi)圖。
　　(3)對(duì)高分影像進(jìn)行基于Canny算法的邊緣檢測(cè)，將檢測(cè)后的影像層參與地物多尺度分割，并設(shè)置其分割權(quán)重，得到基于邊緣檢測(cè)的多尺度分割影像圖

6、。對(duì)高分影像做基于Getis-Ord的局部空間自相關(guān)性統(tǒng)計(jì)分析，在此基礎(chǔ)上再將其進(jìn)行基于Canny算法的邊緣檢測(cè)，將檢測(cè)后的影像層參與地物多尺度分割，并設(shè)置其分割權(quán)重，得到基于信息增強(qiáng)組合變換的多尺度分割影像圖。
　　(4)對(duì)不同影像信息提取方法分類(lèi)精度進(jìn)行對(duì)比分析，發(fā)現(xiàn)基于像元的分類(lèi)方法中最大似然分類(lèi)器在本次實(shí)驗(yàn)中精度最高，其中總體分類(lèi)精度為84.9382％，Kappa系數(shù)為0.8152，而面向?qū)ο蠓诸?lèi)的總體分類(lèi)精度達(dá)到了92.