基于多特征的面向对象高分辨率遥感图像分类

摘要

目前高分辨率遥感图像的应用呈现两个增长趋势，一个是应用领域的增加，一个是应用复杂度的增加。高分辨率遥感图像在城市土地使用情况统计、城市生态评估、灾害评估、农业灌溉等方面均有重要应用。遥感图像空间分辨率的增加，一方面使得图像中的地物细节更清晰，另一方面也增加了图像信息分析的难度。为了提高分类的正确率，本文结合了空间特征和颜色特征等多种特征。同时，为了处理高分辨率图像的大量数据并减少计算量，在图像分割和分类中应用了面向对象的思想。本文主要工作如下：
　　1.将面向对象的思想引入遥感图像分割。面向对象的分析方法不仅具有良好的抗噪声性，且在降低计算量的同时能够保证分割结果的准确性。为限制计算复杂度，本文通过适当的分水岭变换得到图像的超像素表示。本文采用区域邻接图(region-adjacency graph, RAG)度量初始超像素块的相似性，将图像分割问题转化为图割问题。多组实验表明，使用基于超像素的分割方法所得分割结果几乎不存在过分割现象，并且分割结果的边界正确率得到较好保证。
　　2.建立包含多种特征的特征集合，用于高分辨率遥感图像的分类。传统分类算法中，依靠光谱特征和纹理特征实现遥感图像的分类。然而高分辨率图像中大量增加的地物细节对特征提出了新的要求。为了有效描述图像的空间信息，增加形态学特征APs(morphological attribute profiles)。APs特征可以根据选择的属性类型生成不同的特征。与常规的基于预定义的结构元的形态滤波器相比，APs可以提供一个多层次的图像分析，从而得到更精确的空间信息。本文通过大量实验验证了APs特征用于高分辨率图像分类的有效性。颜色特征的引入，丰富了特征集合，增强了不同类别之间的区分度。本文实验表明，颜色特征的增加能够改善图像中阴影等地物的分类情况。由于不同特征在提取图像信息时各有侧重，因而如何选择合适的特征是图像分类的关键问题之一。本文研究了不同特征组合的分类结果，利用SVM分类算法实现面向对象的分类。分类以结合图论的基于超像素的分割算法所得分割结果为基础进行。统计6种特征组合的分类结果并分析，发现联合光谱特征和空间特征以及颜色特征的特征集合可以获得较为理想的分类结果。

目录

声明

第一章 绪论

1.1 研究背景及意义

1.2 国内外研究历史与现状

1.3 面向对象的图像分析方法

1.4 本文的组织结构

第二章 高分辨遥感图像分割与特征提取基础理论

2.1 引言

2.2 常用的遥感图像分割方法

2.3 高分辨率遥感图像特征提取

2.4 本章小结

第三章 高分辨率遥感图像分割方法研究

3.1 引言

3.2 高分辨率遥感图像特点分析及预处理

3.3 结合图论的基于超像素的遥感图像分割算法

3.4 实验结果与对比分析

3.5 本章小结

第四章 基于多特征的面向对象的高分辨率遥感图像分类

4.1 引言

4.2 基于形态学特征的高分辨率遥感图像分类

4.3 基于颜色特征的高分辨率遥感图像分类

4.4 实验结果与分析

4.5 本章小结

第五章 总结与展望

5.1 全文总结

5.2 后续工作展望

致谢

参考文献

攻硕期间取得的研究成果