面向对象影像分析中的多尺度方法研究

发布时间：2019-02-16 21:21

【摘要】：面向对象影像分析(Object Based Image Analysis,OBIA)作为连接遥感与地理信息系统的桥梁,是高分辨率遥感影像分析的新范式,具有传统的基于像素影像分析方法难以比拟的优势,可以为自动遥感影像分析与理解提供强大技术支持,是地理信息科学的重要分支和研究热点。而客观世界具有层次结构和多尺度特性,物体和现象只有在特定尺度下才能成为有意义的实体,并在不同尺度上表现出不同的景观模式,作为现实世界直接反应的遥感影像也呈现出明显的层次结构和多尺度特性。因此,同基于像素的影像分析方法一样,面向对象的影像分析方法也应该是多尺度的。本文立足于面向对象影像分析技术,分析高分辨率遥感影像中的多尺度现象与问题,研究面向对象的多尺度解决方法。第一章阐述了本课题的研究背景和意义,介绍了面向对象影像分析的基本概念,回顾了OBIA产生与发展的历程,分析了OBIA的研究现状,包括发展子方向、应用领域、优势与发展趋势,指出了当前OBIA研究存在的问题,最后介绍了论文的主要工作及章节安排。第二章研究了多尺度对象的构建方法。分析了高分辨率遥感影像的特点,介绍了影像分割的基本理论和常用方法,总结了高分遥感影像分割的特点与要求,并根据遥感影像的成像机理提出了遥感影像的产生模型,进而提出一种可综合利用多光谱信息的、高效的多尺度分割方法——基于动态统计区域合并的多尺度分割算法(Dynamic Statistical Region Merging,DSRM)。统计区域是基于影像产生过程构建起来的统计模型,而动态统计区域合并的基本思想是每次都让最相似的统计区域先合并,并动态更新区域间的相似度和合并检验顺序,以减少误差传递,降低由于模糊边界和过渡带造成的误分割。实验证明,与传统的静态统计区域合并方法(Static Statistical Region Merging,SSRM)相比,DSRM具有更高的分割精度;尽管DSRM比SSRM有更复杂的生长合并过程,但由于改进了排序方法,算法时间复杂度依然是近似线性的,可以满足大数据遥感影像分割的需要;在同等分割粒度下,与行业领先的商业软件e Cognition相比,DSRM也具有更好的分割精度。第三章研究了分割尺度选择的问题。介绍了最优分割尺度的概念和内涵,阐述了最优尺度在影像分割中的意义和价值,总结了最优尺度的基本特性;分析了现有的最优尺度选择方法,并将其分为经验选择法、模型计算法和鉴别指标法;分析了影像场景复杂度与分割尺度之间的关系,提出了一种根据Waston人眼视觉模型计算场景复杂度的方法,进而将场景复杂度用于多尺度分割的尺度参数选择。实验结果表明,对于第二章提出的DSRM算法而言,自适应选择尺度获得的分割结果比选择任何固定尺度的分割结果都好,因根据以场景复杂度选择最优分割尺度是有效的。第四章研究了多尺度对象的描述方法——多尺度对象树。阐述了构建对象的多尺度描述的目的和意义:鲁棒的遥感影像解译系统应该将分割结果保留在尺度未定的状态,而输出影像对象的多尺度描述,以便综合利用各个尺度的对象以及对象之间的关系;分析了对象的多尺度描述与影像的多尺度描述之间的区别,指出对象的多尺度描述不改变影像,直接组织管理不同尺度的对象;介绍了几种常用的影像多尺度描述理论与方法,提出一种对象多尺度描述的数据结构——多尺度对象树;进而基于图的相关理论提出了一种快速构建多尺度对象树的方法,并为对象树提供各种操作方法。第五章以建筑物提取为例阐述了多尺度对象树的应用方法。分析高分遥感影像中的建筑物特征,提出一种结合光谱、纹理、形状、上下文和拓扑信息的建筑物模型;基于多尺度对象树提出了一种建筑物提取方法,利用阴影做上下文信息引导建筑物提取。用大数据影像进行实验,并定量地评价提取性能,结果表明本文方法有不错的整体提取效果,具备一定的实用价值。第六章以道路为例阐述了基于骨架的对象形状分析方法。合理有效的形状分析在很大程度上可以提高最终的目标识别和信息提取的精度,是面向对象的影像分析中的重要内容。分析了道路的形状特征,介绍了几种常用的道路形状滤波方法,并提出了一种基于骨架的自适应尺度道路形状滤波方法。以各骨架点处的宽度为骨架线的滤波尺度,通过双向累积平滑,可以获得位置准确、形状平滑的道路中心线;能够有效删除非道路区域,并修复部分遮蔽的道路区域;加入少量的人工干预,可以实现完全遮蔽道路段的跨接。第七章对全文进行总结,并指出下一步可能的研究工作。本课题的研究,具有重要的理论意义和应用价值。一方面,可以推动面向对象影像分析技术的发展,使得多尺度的分析方法融入面向对象影像分析的各个环节;另一方面,亦可拓宽面向对象影像分析技术在高分遥感影像分析中的应用,包括建筑物提取和道路提取。
[Abstract]:......
【学位授予单位】：国防科学技术大学
【学位级别】：博士
【学位授予年份】：2014
【分类号】：TP751

【相似文献】