高分辨率遙感影像多尺度分類方法研究.pdf

1、近年來，高分辨率遙感數(shù)據(jù)在各行業(yè)得到廣泛的應(yīng)用，不僅包括傳統(tǒng)的國土資源、地質(zhì)調(diào)查和測繪等部門，還涉及到城市規(guī)劃、交通旅游和生態(tài)環(huán)境等領(lǐng)域。然而，面對海量的高分辨率遙感數(shù)據(jù)，如何能夠準(zhǔn)確、快速并智能地提取所需專題信息，并對其進(jìn)行有效利用是當(dāng)前面臨的重要問題之一。由于高分辨率遙感影像自身的復(fù)雜性和多尺度特性，使得傳統(tǒng)的基于像元的影像分類方法力不從心，而基于面向?qū)ο笏枷氲挠跋穹治龇椒◤浹a(bǔ)了其不足，并逐漸成為高分辨率遙感影像分類的主流方法。

2、r>　　在面向?qū)ο蟮挠跋穹诸惙椒ㄖ?，首先需要將遙感影像分割成有意義的影像對象集合，進(jìn)而在影像對象的基礎(chǔ)上進(jìn)行特征提取和分類。本文針對面向?qū)ο笥跋穹诸愃枷氲年P(guān)鍵環(huán)節(jié)展開討論和研究，主要做了以下方面的工作：
　　(1)采用基于改進(jìn)分水嶺變換的多尺度分割算法對高分辨率遙感影像進(jìn)行初始分割。首先進(jìn)行各向異性擴(kuò)散濾波的預(yù)處理，然后提取多尺度形態(tài)學(xué)梯度特征，進(jìn)而利用基于標(biāo)記的分水嶺算法進(jìn)行分割，最后基于影像對象的光譜和形狀異質(zhì)性指標(biāo)進(jìn)行多尺度

3、區(qū)域合并。該方法綜合考慮了高分辨率遙感影像的復(fù)雜性以及多光譜、多尺度特性，使分割效果得到一定的改善。
　　(2)引入文本分析中的詞包模型進(jìn)行遙感影像對象的特征表達(dá)，該方法通過將低層視覺特征表達(dá)成高層語義特征，實(shí)現(xiàn)對“語義鴻溝”的跨越。為了充分考慮遙感影像的尺度特性，在進(jìn)行詞包表示時(shí)，構(gòu)建了基于高斯尺度金字塔的多尺度視覺單詞，并且通過實(shí)驗(yàn)證明其表達(dá)能力優(yōu)于經(jīng)典的詞包表示。
　　(3)最后，在詞包表示的基礎(chǔ)上，利用概率潛在語義分

4、析方法對同義詞和多義詞較強(qiáng)的鑒別能力對影像對象進(jìn)行分析，找出其最可能屬于的主題或類別，進(jìn)而完成影像的分類。該方法無需選擇訓(xùn)練樣本，屬于非監(jiān)督的分類方法。為了驗(yàn)證本文方法的有效性，分別選取高分辨率航空遙感影像、Quickbird影像和IKONOS影像進(jìn)行分類實(shí)驗(yàn)。實(shí)驗(yàn)表明，本文方法的分類效果明顯優(yōu)于其它非監(jiān)督分類方法，略好于有監(jiān)督的基于對象的分類方法（以航空遙感影像為例，本文方法的總體分類精度為90.57％，基于像元的 ISODATA聚類