基于WorldView-3的城市下垫面信息提取
发布时间：2021-10-22 08:48
采用长春市WorldView-3高分辨率遥感影像数据,利用面向对象方法建立多尺度网络层,同时基于不同地物的光谱、几何特征构建了eCognition中的分类规则集,提取了城市下垫面用地信息。最后通过混淆矩阵对分类结果进行精度评价,得到较好的分类效果。本次研究初步解决了阴影归类和建筑与硬质地面区分等问题,提高了城市下垫面信息提取精度。
【文章来源】：地理空间信息. 2020,18(04)
【文章页数】：6 页
【部分图文】：
下垫面提取技术路线
本次工作范围为长春市中心城区610 km2，经纬度范围为43°42′56″N～44°0′14″N、125°7′6″E～125°31′33″E，以长春地标性场所文化广场附近的典型中心城区3 km2为例，详细阐述了不同地物的提取过程，实验区影像如图2所示。2.2 分类过程
面向对象法的分类解译工作首先需要提取地物的信息类别建立不同层级的多尺度网络层[15-16]，分割方法整体采用异质性最小的合并算法原则。尺度参数是一个抽象概念，没有单位，其大小反映的是每个影像对象内允许的异质性大小。尺度参数越大，影像对象内的异质性越大，分割颗粒度越大；尺度参数越小，影像对象内的异质性越小，分割颗粒度越小，影像越细碎。分割过程从影像中任意一个像元开始先将其与周围的相似像元进行合并形成较小的影像对象；再将其与周围的小影像对象合并成大的多边形对象；最终合并的大小受分割尺度设置的限制，并且要保证不断增大的多边形对象异质性最小。分割的过程除尺度参数起重要作用外，光谱异质性、形状异质性以及影像各波段权重3个参数也会对分割结果有影响[17]。其中，光谱异质性包括形状因子和颜色因子，其权重和为1。当需要提取的地物有较明显的形状特征时，可适当提高形状因子权重；当所识别的地物有较好的光谱特征时，可适当提高颜色因子的权重。形状异质性包括紧致度因子和平滑度因子，权重和为1。可根据影像中地物边界的棱角分明程度或平滑程度分别适当增大紧致度因子或平滑度因子的权重，而波段权重是指根据特定地物的光谱特性设置影像各波段参加分割的重要程度。这些参数设置得不同会对分割结果产生不同程度的影响。通常情况下要遵循由大尺度到小尺度构建网络层，由易到难确定类别的原则。本次研究采取的网络层及分类识别过程如图3所示。由于城市道路密集，次干道及小支路会由于卫星拍摄角度有倾斜使其在影像上表现出被行树遮挡或被房屋阻断的效果。分辨率过高也使路上较清晰的汽车变成了影响道路提取的噪声，因此单纯地通过光谱或几何等信息进行城市道路提取十分困难。研究选取1∶500地形图中的道路矢量参与影像分割，建立第一层网络，先区分开道路与非道路，如图4所示。
【参考文献】：
期刊论文
[1]基于超像素的高分辨率影像建筑物提取[J]. 莫中夏,张新长,张志强. 地理与地理信息科学. 2017(06)
[2]Extracting mineral alteration information using WorldView-3 data[J]. Yaqin Sun,Shufang Tian,Baogang Di. Geoscience Frontiers. 2017(05)
[3]WorldView3高分影像在地理国情普查时点核准中的生产与应用[J]. 刘东丽,李赵,岳玉梅. 矿山测量. 2016(01)
[4]不透水表面遥感监测及其应用研究进展[J]. 刘珍环,王仰麟,彭建. 地理科学进展. 2010(09)
[5]阴影辅助下的面向对象城市建筑物提取[J]. 周亚男,沈占锋,骆剑承,陈秋晓,胡晓东,沈金祥. 地理与地理信息科学. 2010(03)
[6]面向对象遥感影像分类的最优分割尺度选择研究[J]. 于欢,张树清,孔博,李晓峰. 中国图象图形学报. 2010(02)
[7]基于高分辨率遥感影像的不透水面信息提取方法研究[J]. 李彩丽,都金康,左天惠. 遥感信息. 2009(05)
[8]Optimum segmentation of simple objects in high-resolution remote sensing imagery in coastal areas[J]. CHEN Jianyu1,2, PAN Delu1 & MAO Zhihua1 1. State Key Laboratory of Satellite Ocean Environment Dynamics, Second Institute of Oceanography, State Oceanic Admini- stration, Hangzhou 310012, China; 2. Shanghai Institute of Technical Physics, Chinese Academy of Science, Shanghai 200083, China. Science in China（Series D:Earth Sciences）. 2006(11)
[9]面向对象的地物分类法分析与评价[J]. 杜凤兰,田庆久,夏学齐,惠凤鸣. 遥感技术与应用. 2004(01)
[10]基于马尔可夫随机场的快速图象分割[J]. 刘伟强,陈鸿,夏德深. 中国图象图形学报. 2001(03)
硕士论文
[1]面向对象和规则的高分辨率影像分类和建筑物信息提取研究[D]. 董小姣.湖南科技大学 2014
[2]高分辨率影像面向对象分类特征选择方法研究[D]. 杨宁.西安科技大学 2012
[3]基于WorldView-2影像的面向对象信息提取技术研究[D]. 陆超.浙江大学 2012
本文编号：3450760
【文章来源】：地理空间信息. 2020,18(04)
【文章页数】：6 页
【部分图文】：
下垫面提取技术路线
本次工作范围为长春市中心城区610 km2，经纬度范围为43°42′56″N～44°0′14″N、125°7′6″E～125°31′33″E，以长春地标性场所文化广场附近的典型中心城区3 km2为例，详细阐述了不同地物的提取过程，实验区影像如图2所示。2.2 分类过程
面向对象法的分类解译工作首先需要提取地物的信息类别建立不同层级的多尺度网络层[15-16]，分割方法整体采用异质性最小的合并算法原则。尺度参数是一个抽象概念，没有单位，其大小反映的是每个影像对象内允许的异质性大小。尺度参数越大，影像对象内的异质性越大，分割颗粒度越大；尺度参数越小，影像对象内的异质性越小，分割颗粒度越小，影像越细碎。分割过程从影像中任意一个像元开始先将其与周围的相似像元进行合并形成较小的影像对象；再将其与周围的小影像对象合并成大的多边形对象；最终合并的大小受分割尺度设置的限制，并且要保证不断增大的多边形对象异质性最小。分割的过程除尺度参数起重要作用外，光谱异质性、形状异质性以及影像各波段权重3个参数也会对分割结果有影响[17]。其中，光谱异质性包括形状因子和颜色因子，其权重和为1。当需要提取的地物有较明显的形状特征时，可适当提高形状因子权重；当所识别的地物有较好的光谱特征时，可适当提高颜色因子的权重。形状异质性包括紧致度因子和平滑度因子，权重和为1。可根据影像中地物边界的棱角分明程度或平滑程度分别适当增大紧致度因子或平滑度因子的权重，而波段权重是指根据特定地物的光谱特性设置影像各波段参加分割的重要程度。这些参数设置得不同会对分割结果产生不同程度的影响。通常情况下要遵循由大尺度到小尺度构建网络层，由易到难确定类别的原则。本次研究采取的网络层及分类识别过程如图3所示。由于城市道路密集，次干道及小支路会由于卫星拍摄角度有倾斜使其在影像上表现出被行树遮挡或被房屋阻断的效果。分辨率过高也使路上较清晰的汽车变成了影响道路提取的噪声，因此单纯地通过光谱或几何等信息进行城市道路提取十分困难。研究选取1∶500地形图中的道路矢量参与影像分割，建立第一层网络，先区分开道路与非道路，如图4所示。
【参考文献】：
期刊论文
[1]基于超像素的高分辨率影像建筑物提取[J]. 莫中夏,张新长,张志强. 地理与地理信息科学. 2017(06)
[2]Extracting mineral alteration information using WorldView-3 data[J]. Yaqin Sun,Shufang Tian,Baogang Di. Geoscience Frontiers. 2017(05)
[3]WorldView3高分影像在地理国情普查时点核准中的生产与应用[J]. 刘东丽,李赵,岳玉梅. 矿山测量. 2016(01)
[4]不透水表面遥感监测及其应用研究进展[J]. 刘珍环,王仰麟,彭建. 地理科学进展. 2010(09)
[5]阴影辅助下的面向对象城市建筑物提取[J]. 周亚男,沈占锋,骆剑承,陈秋晓,胡晓东,沈金祥. 地理与地理信息科学. 2010(03)
[6]面向对象遥感影像分类的最优分割尺度选择研究[J]. 于欢,张树清,孔博,李晓峰. 中国图象图形学报. 2010(02)
[7]基于高分辨率遥感影像的不透水面信息提取方法研究[J]. 李彩丽,都金康,左天惠. 遥感信息. 2009(05)
[8]Optimum segmentation of simple objects in high-resolution remote sensing imagery in coastal areas[J]. CHEN Jianyu1,2, PAN Delu1 & MAO Zhihua1 1. State Key Laboratory of Satellite Ocean Environment Dynamics, Second Institute of Oceanography, State Oceanic Admini- stration, Hangzhou 310012, China; 2. Shanghai Institute of Technical Physics, Chinese Academy of Science, Shanghai 200083, China. Science in China（Series D:Earth Sciences）. 2006(11)
[9]面向对象的地物分类法分析与评价[J]. 杜凤兰,田庆久,夏学齐,惠凤鸣. 遥感技术与应用. 2004(01)
[10]基于马尔可夫随机场的快速图象分割[J]. 刘伟强,陈鸿,夏德深. 中国图象图形学报. 2001(03)
硕士论文
[1]面向对象和规则的高分辨率影像分类和建筑物信息提取研究[D]. 董小姣.湖南科技大学 2014
[2]高分辨率影像面向对象分类特征选择方法研究[D]. 杨宁.西安科技大学 2012
[3]基于WorldView-2影像的面向对象信息提取技术研究[D]. 陆超.浙江大学 2012
本文编号：3450760
本文链接：https://www.wllwen.com/kejilunwen/dizhicehuilunwen/3450760.html
