面向?qū)ο蟮母叻直媛蔬b感影像農(nóng)村公路專題信息提取.pdf

1、隨著遙感影像分辨率的不斷提高,其中包含的信息量也在不斷的增大。但是信息的提取速度遠遠跟不上影像獲取的速度,為了獲取準確的信息,大多數(shù)還是采用人工解譯的方法進行提取。這種方法費時費力,并且受解譯人員的專業(yè)知識影響較大。因此如何提高信息的提取速度和效率是遙感信息提取與分析領(lǐng)域最重要的研究方向之一。
　　 道路提取是遙感影像信息提取中很重要的一部分,根據(jù)提取道路的自動化程度,一般分為全自動和半自動兩種方式。按照分析處理目標的不同,又分

2、為面向像元的方法和面向?qū)ο蟮姆椒āＣ嫦驅(qū)ο蠓ㄅc傳統(tǒng)的面向像元的分析處理方法不同,它認為影像并非由單個像元來代表,而是由包含重要語義信息在內(nèi)的影像對象以及他們之間的相互關(guān)系構(gòu)成。影像對象是指影像分割后的“同質(zhì)”的,連續(xù)的像元的集合。由于對象比像元具有更豐富的意義,我們可以利用對象的光譜特征,空間紋理特征,形狀大小特征等,對道路進行提取。
　　 本文在閱讀了大量文獻的基礎(chǔ)上,分別論述了道路提取的現(xiàn)狀以及采用面向像元法和面向?qū)ο蠓ㄌ崛?/p>

3、道路的原理,選取重慶市長壽區(qū)東北部區(qū)域為實驗區(qū),采用2009年9月獲取的CBERS02B HR影像進行研究,影像空間分辨率為2.4米。
　　 采用面向像元的方法進行道路提取,首先對影像進行了降噪處理和卷積處理,然后用非監(jiān)督分類對道路進行提取,并對提取結(jié)果進行了聚類統(tǒng)計和去除分析,最后對提取結(jié)果進行了評價。
　　 采用面向?qū)ο蠓ㄟM行道路提取,在對影像進行多尺度分割后,比較了不同分割尺度,形狀指數(shù)和緊湊度指數(shù)下的分割結(jié)果。利

4、用eCognition的分類特征建立了道路提取的知識庫,在提取道路后,利用生長法對道路提取結(jié)果進行了完善,最后對提取結(jié)果進行了評價。
　　 通過比對面向像元法和面向?qū)ο蠓ㄌ崛〉缆返倪^程和結(jié)果,我們發(fā)現(xiàn)面向?qū)ο蠓ㄔ谔崛∵^程中具有更好的可操作性,我們可以充分利用對象之間的關(guān)系,層與層之間的關(guān)系來構(gòu)建知識庫,并將知識庫轉(zhuǎn)化為提取規(guī)則。而面向像元的提取過程只能針對整幅影像來完成。最后通過對兩種方法提取結(jié)果的比較,我們可以看出,面向?qū)ο蠓?/p>