面向对象的分类技术研究及其在灾后信息提取中的应用

摘要

目前，高分辨率的遥感影像已在各个领域内得到相当广泛的应用，随着日益增长的应用需求和用户需求，影像的分类技术和信息提取方法也正在不断深入的研究。与中低分辨率遥感影像相比，高分辨率遥感影像内包含有更为复杂的特征信息，传统的基于像素的分类方法在对其进行遥感解译的某些方面存在着一定的缺陷，很难充分发掘出高分辨率遥感影像多特征的优势，导致解译精度降低。所以，本文致力于面向对象的影像分类技术的研究，并试图将此技术与灾后房屋损毁信息提取相结合，提取出灾后房屋损毁信息。
　　本文以“精确、高效、快速地分析灾后房屋损毁情况”为目标，根据目前针对面向对象分类技术的研究成果，在现有的方法基础上，制定出一套针对高分辨率遥感影像，面向对象提取灾后房屋损毁信息的技术流程，通过对各关键技术进行不同程度的改进和配合，实现了对灾后房屋损毁信息的有效提取以及房屋损毁程度的定量分级。实验中，选择了一幅具有一定特征信息的高分辨率遥感影像作为实验数据，通过对灾后影像信息进行人机交互解译后，有选择的提取研究区域内的受灾信息。实验以Ecognition和ArcGIS、ENVI等软件为影像处理平台，结合MATLAB、Excel等软件为数据分析平台，对面向对象的分类技术进行研究，然后将研究方法应用于灾后信息提取过程中。
　　(1)研究中以地震作为典型灾害，利用震区高分辨率遥感影像，基于分割后产生的影像对象内部同质性与影像对象间异质性综合评判原则，利用eCognition、Excel、MATLAB软件进行影像的分割尺度研究，探求分割过程中的最优尺度。
　　(2)基于ArcGIS、ENVI软件对分割后影像对象构建样本空间，利用改进后的SEaTH算法结合MATLAB软件针进行特征库优选，并计算出优选特征的分类阈值。
　　(3)基于eCognition软件平台，采用面向对象的分类方法利用优选的特征和阈值以多特征相结合的方式进行分类，提取出研究区域内的震后房屋损毁信息。
　　(4)在本研究的基础上，将文中所用方法提取的结果与传统分类法得到的结
　　果进行比较并同等进行精度评价，以说明本文中所采用的方法技术的实用性。
　　通过本研究中对面向对象分类技术进行研究，发现面向对象的遥感影像分类方法在目标地物信息提取上，提取的目标地物不仅未失真且一定程度的提高了分类精度，最终的分类结果有效避免了“椒盐现象”，分类结果与现实世界能够在形状和属性上均保持较好的一致性。在灾后信息提取的过程中，应用此方法能够快速有效提取灾害信息，为受灾区救灾应急实时提供相应的救灾援助区域信息，为快速救灾应急和引导灾区民众提供地理服务。

目录

声明

摘要

1 绪论

1．1 研究背景与意义

1．2 国内外研究现状

1．2．1 高分辨率遥感影像分类技术研究现状

1．2．2 灾害信息提取研究现状

1．3 存在的问题与解决方案

1．4 研究内容及技术路线

1．4．1 研究内容

1．4．2 技术路线

1．5 论文结构安排

2 影像分割技术

2．1 影像分割技术简介

2．2 影像分割方法

2．2．1 基于边缘的分割

2．2．2 基于区域的分割

2．2．3 结合边缘信息的多尺度分割技术

3 面向对象的分类方法研究

3．1 面向对象分类方法概述

3．2 常用的分类特征介绍

3．2．1 光谱特征

3．2．2 几何特征

3．2．3 纹理特征

3．3 分类体系的构建

3．3．1 特征空间优选算法

3．3．2 分类体系制定

4 面向对象分类技术研究实验及其在震后检测的应用

4．1 研究区概况及数据源

4．2 最优尺度分割实验

4．3 特征库优选实验

4．4 震后灾害检测实验

5 实验结果评定与分析

5．1 精度评价指标与方法

5．2 解译精度评价

5．3 与传统分类方法的精度比较

6 总结与展望

6．1 总结

6．2 展望

参考文献

附录

致谢

作者简介及读研期间主要科研成果