基于面向对象多尺度分割的目标信息提取研究

发布时间：2018-12-15 14:36

【摘要】：随着卫星遥感技术的快速发展,面对海量的遥感影像数据,如何能够准确、快速、自动地提取所需信息,并对其进行有效利用是当前面临的重大问题之一。面向对象的影像处理和分析技术是近年来业界重点研究、应用的遥感影像信息提取的新方法、新技术。该方法不但能够有效提高高分遥感影像信息识别、提取的精度,还对中分辨率遥感影像的信息提取有一定的借鉴。由于遥感影像中不同类型的地物具有层次性、差异性和多尺度等特点。在影像分割过程中,若用单一尺度对同一景影像中所有的地物进行分割,则会使的一些地物出现“过分割”和“欠分割”现象,难以达到分割精度要求。因此,为了克服单一分割尺度的局限性,用不同的分割尺度分割不同的地物,即多尺度分割技术。多尺度分割是面向对象影像分析(Object Oriented Image Analysis,OBIA)技术中的一项关键技术,后续目标物的分析、识别及提取精度与分割尺度密切相关,因此,多尺度分割技术已成为学者们关注、研究的热点问题。该问题的解决将有效拓展、完善遥感影像目标地物提取方法,提高目标地物的解译精度和效率,具有十分重要的科学研究和社会应用价值。现有关于面向对象多尺度分割的目标识别与提取研究大多依赖商业软件进行,基本还处于应用上的创新阶段,随着众多遥感影像的出现,需要提出新的方法以拓展面向对象目标识别与提取的应用范围,进而作为现有方法的有力补充。而已有最优分割尺度的选择模型存在计算量大、与直观感觉不相符、针对性不强等方面的问题,研究针对具体数据和应用、直观高效的最优分割尺度选择方法一直以来成为多尺度分割技术中的一大难题。基于此,本文在深入分析面向对象多尺度分割技术的基础上,从最优分割尺度的选择方法以及多尺度分割信息提取两方面进行了初步尝试,主要研究内容和创新之处为:(1)最优分割尺度选择方法的改进。为保证影像分割后目标物对象内部标准差v值最小和对象之间的Moran指数(I)最大,即影像对象的可分性最好。本文在前人研究基础上,改进最优分割尺度选择方法。首先将v值和I值分别进行归一化处理,并计算各分割尺度下的两因子值,然后构建分割质量评价函数F(v,I),分别计算在各分割尺度下满足ρ取值范围在[0,1]区间的F(v,I)函数最大值和ρ=0.5时的F(v,I)函数值,最后绘制函数值随分割尺度变化的曲线,当曲线上某一尺度下两个函数值相差最小时,此时对应的尺度值即为最优分割尺度。(2)基于中分辨率遥感影像的积雪信息提取研究。本文采用面向对象多尺度分割技术,提出了一种先对影像特征合并后进行多尺度分割的积雪提取模型,以克服传统基于像元方法提取精度较低等缺点。论文提出的积雪提取模型的主要思路为:首先选择预处理后的影像波段IRS2、PC1及CCD2进行波段组合,然后将组合后的多波段影像进行多尺度分割,在最优分割尺度下建立积雪提取的规则集,从而提取出积雪信息。通过对比分析NDSI方法和本文方法提取积雪的结果,并利用目视解译积雪提取结果定量地进行了精度评价。结果表明:采用面向对象多尺度分割方法提取积雪具有较高的可靠性和准确性。(3)基于高分影像的滑坡信息提取研究。针对中分辨率影像的滑坡提取方法不能有效利用滑坡的地质特性,无法识别面积较小的滑坡体及滑坡提取结果图斑破碎化严重等问题,本文通过研究滑坡的地学特征和影像特征,提出了一种先对预处理后的高分影像进行多尺度分割,然后在改进的分割质量评价函数基础上选择滑坡最优分割尺度,最后在最优分割尺度上构建滑坡提取规则集并进行滑坡信息提取的模型。通过对提取的滑坡信息进行精度验证与分析。结果表明:滑坡体的正确提取率大于75%,表明本文模型具有一定的可靠性和准确性,可为基于高分辨率遥感影像滑坡的提取研究提供方法和技术借鉴。
[Abstract]:With the rapid development of the satellite remote sensing technology, how to accurately, quickly and automatically extract the required information and make effective use of the remote sensing image data is one of the major problems. The object-oriented image processing and analysis technology is a new method and new technology for the research and application of remote sensing image information in the industry in recent years. The method not only can effectively improve the high-resolution remote sensing image information identification and the extraction precision, but also has a certain reference for the information extraction of the medium-resolution remote sensing image. Because of the hierarchical, differential and multi-scale features of different types of ground objects in the remote sensing image. In the process of image segmentation, if all the figures in the same view image are divided by a single scale, the 鈥渙ver-division鈥，

本文编号：2380825