基于多层次分割分类模型及其特征空间优化的高分辨率遥感影像城市建筑物提取研究

摘要

建筑物作为城市地理空间的重要元素，在土地利用规划、数字城市建模、灾害评估应急响应和军事目标侦察等方面有着重要的应用价值。随着多源高分辨率遥感影像的海量获取和实用化，利用遥感技术快速、高精度识别提取建筑物信息的现实意义日渐突出。基于对象影像分析（Object-Based Image Analysis，OBIA）方法突破了传统分类以像素为基本处理单元的局限性，能够综合利用影像对象的光谱、纹理、几何和空间结构特征，实现较高层次的遥感影像专题信息分类提取。以其明显的特点和优势，成为建筑物目标提取不可或缺的重要方向和研究热点。 然而，城市环境中地表情况复杂，不同类型地物都有其适宜的空间尺度，利用统一的尺度层次难以获得精确的影像信息提取成果。同时，地物目标存在高度的光谱变异性，“同物异谱”和“异物同谱”现象较为突出，地物信息提取面临很大的挑战和干扰。对于建筑物而言，屋顶构成材质不同，光谱响应也会有所区别，形成不同颜色屋顶的建筑物，使得在影像上表现为较大的光谱差异，这种建筑物类别的异质性也会对分类结果产生一定程度的影响。另外，影像分类需要综合利用地物光谱、形状和纹理等特征，数量往往较多，其中可能存在不相关或冗余信息，不进行合理的特征选择优化，容易造成“维数灾难”，分类精度不增反降。本文针对地物信息提取过程中存在的遥感数据尺度效应、地物光谱多样性以及影像分类特征优化问题，在基于对象影像分析方法的支持下，结合数据挖掘技术与机器学习分类算法，对上述问题及相关技术方法进行了研究探讨，旨在提高遥感影像城市建筑物信息提取精度。 本文以中卫市WorldView 3遥感影像为数据源，首先对研究区不同类型地物的光谱特征进行统计分析，发现利用多光谱波段数据可有效区分城区水体、植被、阴影和不透水面等地物，但进一步把光谱混淆严重的不透水性地面区分为建筑物、道路和裸地等则存在困难。因而，本文从建筑物的不透水物理属性出发，结合遥感影像多尺度特性，提出了基于不透水面分割分类提取建筑物的策略。为避免地物光谱多样化带来提取误差，提出了将同一类地物依据影像色调差异继续划分子类分析处理的思路，以多元化地利用影像对象不同特征信息。同时考虑到特征选择对影像分类精度的影响，在对Relief F算法和粒子群优化算法（Particle Swarm optimization，PSO）研究的基础上，提出了Relief F-PSO二阶段组合特征选择方法。研究表明，采用多层次分割分类模型及其特征空间优化的方法，能够较完整准确地提取高分辨率遥感影像城市建筑物信息。 此外，为进一步验证说明多层次影像分割分类过程中，影像层次构建的合理性，特征选择方法的有效性和顾及地物光谱差异的必要性。本文针对性地采用三种分类方法进行了对比研究，得出如下结论：（1）采用单一尺度层对影像中不同类型地物目标提取，容易造成地物“过分割”与“欠分割”问题，分类出现严重的错漏分现象，成果准确率下降了 12.45%；（2）根据专家经验知识和影像地物特点，人为分析选择典型特征参与影像分类，会造成建筑物目标提取的完整率和准确率分别下降9.63%和8.26%；（3）不考虑地物光谱多样性特征，将其整体上作为“一个类别”进行分析研究，容易造成光谱相似性地物之间的错分现象，成果完整率下降了 11.74%；（4）本文方法能够利用最少数量的影像特征信息，获得最高精度的建筑物提取成果，完整率和准确率分别为91.77%和80.64%，对高分辨率遥感影像城市地物信息的提取研究具有重要的推广应用价值。

目录

第一个书签之前