面向对象的高空间分辨率遥感影像道路信息的提取

  本文关键词：面向对象的高空间分辨率遥感影像道路信息的提取，，由笔耕文化传播整理发布。

258

地球信息科学 2008年

的相似性,而且具有一定的长度、宽度特征。通过对象分割能很好地解决噪声斑点问题,同时可以充分利用道路的形状特征(长、宽),分割后借助道路对象的光谱特征、空间纹理特征、形状特征构建道路特征知识库,使对象间通过规则建立连接,从而引导道路提取。

像对象的特征f的特征值, f为特征f的标准差。距离样本对象越近,可能性越大,即d越小,提取的对象越准确。

3 面向对象的道路信息提取实验

实验中,我们选取江苏省连云港市城郊为研究区,采用2005年9月19日7 35分的QuickBird高空间分辨率影像,该影像包括四个多光谱波段:蓝(450~520nm)、绿(520~660nm)、红(630~690nm)、近红外(760~900nm),分辨率均为2 44m;一个全色波段,分辨率为0 61m。以已校正好的相同研究区QuickBird影像为参考,对该影像进行几何校正和像元重采样后,截取1000 1000像元作为研究区,采用面向对象的道路信息提取流程如图1:

2 1 影像分割

对于高空间分辨率遥感影像来说,道路的分

割尺度相对较大。大尺度下是对遥感影像的粗分,小尺度下对遥感影像的细分。多尺度分割时遵循了两个原则

[11]

:一设置可能较大的光谱权值;二

对于边界不很光滑,但聚集度较高的影像使用必要的形状因子。研究中首先采用常规分割模式,可以充分利用光谱因子和形状因子。由于大部分情况下只考虑光谱差异就能获得均值区域,所以常规分割后使用光谱差异分割。通过若干次的参数选取实验,得到合适的分割尺度。2 2 道路知识库构建

有关道路特征的描述Vosselman

[6]

总结了以下

几点: 几何特征: 辐射特征; 拓扑特性: 功能特征。知识库是多种特征的集合,选择合适的特征表达式能较好地模拟道路的知识,将专家知识引入提取系统中,可以得到较好的结果。分割后道路对象内部灰度比较均匀,与其相邻区域灰度反差较大,呈现长条状(一定的长度,大的长宽比),并且纹理特征均匀,因此研究主要采用光谱特征、几何形状特征(长宽比)和纹理特征(局部一致性指数)构建知识库。2 3 道路信息提取算法

面向对象的道路信息提取,结合多种特征对道路进行描述,利用最邻近分类原则实现提取。它评价了对象特征之间的关联性,便于处理多维特征空间的重叠,简化信息量同时保留有意义的信息。实验中首先给道路对象定义特征空间并选择样本对象,对于每一个图像对象在特征空间中按照公式(1)寻找最近的样本对象,

-yf

d=(1)ff

其中d为样本对象m与图像对象n之间的距离yf

(m)

图1 面向对象的道路提取流程

Fig 1 Theflowofmulti-featurebasedroadextraction

3 1 波段组合与融合处理

多光谱影像各波段之间信息存在一定的重叠,选取冗余量小、信息量大的波段进行组合,可以实现数据降维处理。本实验采用计算波段相关系数确定最佳波段组合,相关系数由公式(2)求得。波段间相关系数越小,组合后的波段信息量越丰富。

2

Rij=Sij/Si*Sj(2)其中波段i和波段j的标准差为和,是第i波段与第j波段的协方差,公式为(3):

n

21

(xik-x i)(yjk-y j)(3)Sij=cov(i,j)=

n k=1

其中,i,j为波段数,xik为第i波段第k个像元灰度值;xi为第i波段的光谱灰度均值,n为实验区像元数。统计4个多光谱波段相关性,得到各波段间的相关系数如下表1:

-

yf

;(n)

Word文档免费下载：面向对象的高空间分辨率遥感影像道路信息的提取 （下载1-6页，共6页）

  本文关键词：面向对象的高空间分辨率遥感影像道路信息的提取，由笔耕文化传播整理发布。