面向对象遥感影像分类方法在土地利用信息提取中的应用研究

摘要

遥感技术的发展使得遥感影像的空间分辨率越来越高，高空间分辨率的影像在研究土地利用/覆盖中的应用也越来越广。高空间分辨率遥感影像比中、低空间分辨率的影像具备了更多的空间细节信息，但是目前高空间分辨率遥感数据应用效率却不高。一个重要的原因就是传统的遥感影像分类方法是基于像元的分类方法，不能有效地提取出影像中的空间纹理信息。基于像元的分类方法还存在着分类结果会出现椒盐现象的问题，从而导致大量无效破碎图斑的产生，最终导致分类精度不高。大范围的土地利用/覆盖数据的实时更新对高分辨率遥感影像的应用也带来了挑战。高分辨率遥感影像往往成本高昂，同时它所包含的海量数据需要耗费大量的时间和人力才能完成信息的提取。这使得高分辨率的遥感影像在大范围实时的土地利用/覆盖信息提取中的应用不具现实意义。
　　 针对以上的问题，本文提出了将中分辨率的遥感影像数据与高分辨率的影像数据整合使用，采用面向对象的遥感影像的分类方法，来完成大范围的实时的土地利用/覆盖信息的提取。以松潘县为研究区，将代表性区域以高分辨遥感数据作为信息提取的数据源，然后以部分典型地区的高分辨率影像分类结果指导大范围地区的中分辨率遥感数据分类。本文采用的面向对象分类方法，不再是传统的基于像元的处理方式，而是采用基于影像对象的处理方式。这种方式使得面向对象的遥感影像分类方法具有一些传统分类方法所不能具有的优点：基于影像分割得到同质像元组成的影像对象，对象内部的光谱值差异很小可以忽略其内部信息，从而避免了椒盐现象的出现，对象之间的区分同时考虑了光谱和形状两种因子，为分类提供更多的特征，有效地克服了基于像元分类的种种局限性；多尺度的空间分析，可以满足不同尺度地物的信息提取要求；模拟人脑的思维方式充分利用影像的各种特征，以达到尽可能地高精度地提取信息的目的；整合利用多源数据，使得多源遥感数据和已有的专题数据得到最充分、最便捷的利用。
　　 本文以四川省松潘县为实验区，以全县范围的中分辨率的TM 影像和以松潘县县城区域的高分辨率的SPOT5影像作为研究的数据源，对松潘县县城区域分别进行SPOT5影像和TM影像的基于像元分类方法和面向对象分类方法的分类，并将结果进行比较分析，以此经验完成整个松潘县的TM 影像的面向对象分类。
　　 分类的结果表明，面向对象分类方法在高空间分辨率的影像分类中精度远高于基于像元的分类方法，在中分辨率的遥感影像分类中也一定程度地高于基于像元的分类方法。面向对象的TM 影像分类方法，加上典型区域的SPOT5影像分类结果的指导，较好地完成了快速、精确地提取实验区的土地利用/覆盖信息的目标。