基于纹理和地形辅助的山区土地利用信息提取研究

摘要

随着遥感传感器的飞速发展，遥感影像的空间分辨率得到大幅度的提升，地表成像细节变得更加清晰，但传统的遥感分类技术基于像元，不能充分利用高分辨影像丰富的图像特征，故其分类精度和准确性还不能满足土地调查的需要。山区土地利用类型多样，地形地貌复杂，土地利用分散，信息提取困难，如何采用合理有效的方法实现山区高分辨率遥感影像土地利用信息的准确、快速提取已成为土地利用调查中迫切需要解决的问题。本文选择位于川西南攀枝花市西区的典型农村山区为研究区，以全色波段分辨率为1m，多光谱波段分辨率为4m的IKONOS高分辨率遥感影像为数据源，基于ERDAS9.2、ENVI4.8、eCognition8.0和ArcGIS9.3等软件平台，采用面向对象分类方法，辅以纹理和地形因子的参与，最终实现研究区土地利用信息的准确、快速提取。主要研究结论如下:
　　(1)通过最优指数法（Optimum Index Factor，OIF）对研究区IKONOS高分辨遥感影像最佳波段组合方式进行研究。结果表明，研究区遥感影像最优波段组合方式为2、3、4(GRN、RED、NIR)波段组合，其OIF值最大，达到102.88，该组合影像她物色调反差较明显，较好的反映了研究区土地利用信息。
　　(2)本文设定了三个分割层次(level1、level2、level3)对研究区遥感影像进行多尺度分割，并通过影像特征分析法和均值方差法对每个层次的最优分割尺度进行了探讨。结果表明，level1层的最佳尺度为20，可较好的对山区居民点和裸地进行分割;level2层的最佳尺度为45，可较好的对山区坑塘、有作物耕地、无作物耕地、其他林地和园地进行分割;level3层的最佳尺度为80，可较好的对山区水库、河流、有林地、荒草地、道路进行分割。
　　(3)依据香农信息熵（Shannon entropy）原理筛选出了Homo（同质性）Con（对比度）、Ent（熵）、Asm（二阶距）四个纹理指标辅助本文山区土地利用信息的提取研究，并对纹理辅助分割的效果进行了对比分析。结果表明，纹理参与分割过程很好的改善了图像分割的效果，纹理参与分割后的影像，同一类地物内部其分割后多边形破碎度明显降低，分割过程对大面积地物的边界信息予以充分考虑，地物的整体性得到体现。此外，多边形的数目明显减少，减少幅度为44.27％，无形中大大提高了影像解译的效率。
　　(4)基于地形和纹理辅助的面向对象分类各精度评价指标较传统监督分类都有较大的提升，充分体现了该分类方法在山区土地利用信息提取中的优越性。其中，分类总体精度达到90.57％，较传统监督分类提高17.92％;Kappa系数值达到0.8892，较传统分类提高0.1879;各地类的生产者精度和用户精度较传统分类都有不同程度的提高;面向对象分类结果中各地类面积与实地调研地类面积更为接近，也较好的反映了该分类的准确性。

目录

声明

摘要

1 绪论

1．1 研究背景与意义

1．1．1 研究背景

1．1．2 研究意义

1．2 国内外研究现状

1．2．1 面向对象分类研究现状

1．2．2 纹理和地形辅助分类研究现状

1．2．3 土地利用信息提取研究现状

1．3 研究方案

1．3．1 研究目标

1．3．2 研究内容

1．3．3 研究思路与技术路线

1．4 软件平台

2 材料与方法

2．1 研究区概况

2．1．1 地理位置

2．1．2 地形地貌

2．1．3 土地利用类型

2．2 数据来源

2．2．1 遥感数据

2．2．2 实地调查数据

2．3 数据预处理

2．3．1 几何校正

2．3．2 影像镶嵌与裁剪

2．3．3 影像融合

2．4 纹理特征分析方法

2．4．1 灰度共生矩阵原理

2．4．2 常用灰度纹理特征

2．4．3 纹理指标选取方法

2．5 数字高程模型及地形因子提取

2．5．1 数字高程模型

2．5．2 DEM数据获取

2．5．3 常用地形因子

2．6 面向对象分类方法

2．6．1 影像分割概念

2．6．2 多尺度分割

2．6．3 对象特征分析

2．6．4 面向对象分类技术

2．7 传统监督分类方法

2．8 精度评价方法

3 土地利用信息提取

3．1 土地利用分类体系的建立

3．2 最佳波段组合

3．3 辅助数据的收集与处理

3．3．1 纹理特征筛选与提取

3．3．2 地形因子提取

3．3．3 植被指数提取

3．4 纹理辅助分割效果对比分析

3．5 最优分割尺度参数确定

3．6 基于纹理辅助的最优尺度分割

3．7 分类层次的建立

3．8 影像特征分析与分类特征选取

3．8．1 光谱特征分析

3．8．2 纹理特征分析

3．8．3 形状特征分析

3．8．4 NDVI特征分析

3．8．5 地形特征分析

3．8．6 类相关特征分析

3．9 分类规则建立

3．10 面向对象土地利用信息提取

3．11 传统监督分类结果

4 结果评价与分析

4．1 精度评价

4．2 对比分析

4．2．1 分类结果目视对比

4．2．2 精度评价对比分析

4．2．3 与调查面积对比分析

5 结论与展望

5．1 主要结论

5．2 展望

参考文献

致谢