基于面向对象影像分类方法的居民地信息提取研究 开题报告.doc

××大学毕业设计(论文)开题报告表
课题名称
基于面向对象影像分类方法的居民地信息提取研究
课题来源
自选题目
课题类型
专题研究
指导教师
学生姓名
学号
专业
遥感科学与技术
课题意义
高分辨率遥感影像信息提取是指从含有丰富的纹理信息和空间结构信息的高分辨率遥感影像上进行地物信息的分类及判别。
传统的遥感影像分类是基于像素、利用影像中像素的光谱值进行分类。一般分为两种方法:监督分类和非监督分类。其中,监督分类的思想是:首先根据已知的样本类别和类别的先验知识,确定判别函数和相应的判别准则,利用一定数量的已知类别的样本的观测值求解待定参数的过程成为学习或训练,然后将未知类别的样本的观测值带入判别函数,再依据判别准则对该样本的所属类别作出判定(孙家炳,2003)。非监督分类是指不施加任何先验知识,仅凭遥感影像地物的光谱特征的分布规律进行盲目的聚类,其分类结果只是对不同类别达到了区分,但不能确定类别的属性(孙家炳,2003)。但是,由于遥感影像上“同物异谱”、“同谱异物”现象的存在,传统的基于像素、利用像素的光谱值进行分类这种方法,存在椒盐噪声且得出的分类精度受到限制。
随着遥感技术的不断发展,遥感影像中含有的地物信息越来越丰富,传统的只考虑像素光谱值的分类方法不能充分利用遥感影像中所包含的信息。因此,面向对象的分类方法也就出现了而且被广泛用于高分辨率影像的信息提取中。面向对象的高分辨率遥感影像分类指对高分辨率影像进行同质区域的分割以形成小片图斑,然后基于图斑并结合高分辨率影像的特征(光谱特征、高程信息、纹理特征、关联特征、形状特征等)进行地物信息的提取。
面向对象的分类方法是对高分辨率进行信息提取的行之有效的方法,能充分利用高分辨率遥感影像的信息且提取的精度相比传统的方法提取的精度高。
国内外发展状况
目前,遥感朝着“三高”即高空间分辨率、高光谱分辨率、高时相分辨率的趋势发展。遥感影像上记录的地物信息更加丰富,也更能反映出不同地物之间的微小特征。
对遥感图像进行计算机分类传统的方法主要是依据地物光谱数据,以像素作为识别的基本单元,依靠不同光谱数据组合在统计上的差别来进行的。可见,传统的分类方法未能充分利用遥感图像提供的大小、形状、纹理、相邻像素间的关系等形状和空间位置特征。然而,影像上地物的形状和结构信息对于某些地物类型的分类十分重要(王文宇,李博,2006)。然而,高分辨率影像含有丰富的光谱及纹理信息,传统的基于像素的遥感影像分类方法已不能满足高分辨率影像的分类,面向对象的分类方法应运而生。
采用面向对象遥感影像分类方法对高分辨率遥感影像进行信息提取时,提取的地物与真实地物具有较高的形状和属性一致性,分类的精度更高,有效地避免了运用传统的方法进行分类时所产生的“椒盐现象”,分类结果也更易于理解和解释(游丽平,2007)。同时,利用面向对象的方法对高分辨率影像进行分类的精度也大大提高。
一般,对高分辨率遥感影像进行分类处理的三种特殊方法:基于光谱信息及相关监测模型综合分类技术、利用高程信息辅助分类技术和面向对象的特征相关属性分类。其中,使用基于光谱信息及相关监测模型综合分类方法对一幅遥感影像进行分类时更多关注的是影像中地物在不同环境或不同时间条件下的光谱特性而不仅仅是关注影像本身所包含的光谱信息,而且通过这种分