面向对象的高分辨率遥感影像分类及泥石流信息提取研究

摘要

泥石流是广泛分布在世界各地的自然灾害之一，每年都会造成重大的生命和财产损失。因此，从遥感图像中提取泥石流区域对于灾区救灾和灾后重建工作具有非常重要的意义。由于早期的目视解译法在高分辨率遥感影像信息提取中应用虽广但费时费力，因而如何利用计算机技术快速、精确的提取泥石流具有实际应用价值。
　　 相对于中、低分辨率影像而言，高分辨率影像具有更加丰富的纹理和空间信息等特征，仅利用光谱信息分类难以达到很高的精度，而且传统的基于像素分类方法也更易使分类结果产生“椒盐现象”，影响分类的效果，为了较好地解决该问题，本文采用基于多种特征的面向对象的影像处理技术。
　　 本文的主要工作包括:
　　 (1)研究了遥感影像预处理与特征提取方法。预处理主要包括辐射校正、几何校正、影像融合和影像增强等。在此基础上，对预处理后的遥感影像进行特征选择与提取，包括旨在增强分类效果的比值指数特征、土壤亮度指数特征、植被指数特征、不同尺度窗口大小下的纹理特征、PCA特征和ICA特征等。
　　 (2)探讨了基于像素分类方法的遥感影像分类及泥石流提取。在光谱特征、纹理特征、指数特征等组合的基础之上，进行了基于像素分类方法的研究，并深入分析了遥感影像在不同尺度窗口大小下提取的纹理特征，对分类结果的影响，确定出最佳的窗口尺度来进行土地分类和泥石流提取。实验表明基于光谱特征、纹理特征和全部指数特征的像素分类法能够有效精确的提取泥石流。
　　 (3)采用面向对象的技术，提出了一种基于光谱特征、纹理特征和全部指数特征的面向对象分类及泥石流提取算法。该方法首先利用以上特征构建高维影像，然后选取最佳分割尺度，分割出不同的子区域，通过“投票机制”的策略来进行子区域类别判断，完成面向对象的遥感影像分类。实验表明，与基于像素的遥感影像分类方法相比，此面向对象的分类方法可以克服基于像素分类方法存在的不足，并具有鲁棒性。

目录

声明

摘要

1 绪论

1．1 研究的背景与意义

1．2 研究现状

1．2．1 基于像素的分类研究现状

1．2．2 面向对象影像分类研究现状

1．2．3 泥石流信息提取技术研究现状

1．3 本文主要研究内容

1．4 论文结构

1．5 本章小节

2 高分辨率遥感数据的预处理及特征提取

2．1 研究区域和研究数据

2．2 遥感影像预处理

2．2．1 辐射校正

2．2．2 几何校正

2．2．3 影像融合

2．2．4 影像增强

2．3 泥石流光谱亮度特征分析

2．4 特征选择和特征提取

2．4．1 泥石流特征分析

2．4．2 分类特征提取方法

2．4．3 分类特征的提取

2．5 本章小结

3 基于像素分类方法的遥感影像分类及泥石流提取

3．1 影像分类

3．1．1 SVM分类原理

3．1．2 精度评价方法

3．2 不同特征组合下的分类实验

3．2．1 基于光谱特征的土地分类和泥石流提取

3．2．2 基于纹理特征的土地分类和泥石流提取

3．2．3 基于光谱特征和纹理特征的土地分类和泥石流提取

3．2．4 融入指数特征的土地分类和泥石流提取

3．2．5 融入PCA和ICA特征的土地分类和泥石流提取

3．3 本章小节

4 面向对象的遥感影像分类及泥石流提取

4．1 影像分割

4．1．1 分割综述

4．1．2 分割算法

4．1．3 分割尺度

4．2 影像对象的特征提取及分类

4．2．1 区域子图像特征的选取

4．2．2 “投票机制”类别判断方法

4．3 面向对象图像分类操作流程

4．4 实验结果

4．4．1 分割尺度的选择

4．4．2 不同特征组合下的面向对象分类

4．4．3 与基于像素分类方法的实验对比

4．4．4 算法测试

4．5 本章小节

5 总结与展望

5．1 总结

5．2 展望

致谢

参考文献