高分辨率遙感影像信息提取方法的研究.pdf

1、隨著航空、航天、傳感器技術(shù)的不斷發(fā)展，目前廣泛應(yīng)用的高分辨率遙感影像上地物的紋理、形狀、上下語義關(guān)系等空間特征信息更加突出、分辨率越來越高;因此，近年來高分辨率遙感影像信息的提取逐漸成為國內(nèi)外研究的熱點(diǎn)及難點(diǎn)。傳統(tǒng)基于單個(gè)象元純光譜遙感信息提取方法以單個(gè)象元為研究對(duì)象，忽略了高分辨率遙感影像豐富的紋理、形狀、上下語義關(guān)系等空間信息，造成高分辨率遙感影像信息的浪費(fèi)，而且傳統(tǒng)信息提取方法提取地物信息時(shí)存在諸多弊端與不足，難以準(zhǔn)確、有效地提取

2、宏觀及微觀地物信息;而基于規(guī)則集面向?qū)ο蟮男畔⑻崛》椒ㄒ苑指畎邏K為研究對(duì)象，充分利用了高分辨率遙感影像的光譜、紋理、形狀等光譜及空間特征信息，能夠有效地提取水體、耕地、建設(shè)用地等宏觀地物類型信息，分類精度較高;但傳統(tǒng)信息提取方法對(duì)微觀森林內(nèi)部“同譜異物”的天然林與人工林植被覆蓋信息提取結(jié)果精度低，提取結(jié)果中大量存在“天然林中混有人工林，人工林中混有天然林”的現(xiàn)象;盡管基于規(guī)則集面向?qū)ο蟮男畔⑻崛》椒梢杂行崛∥⒂^天然林與人工林植被覆蓋

3、信息，但面向?qū)ο驧ultiresolution多尺度分割時(shí)，最適分割尺度的選擇缺乏科學(xué)依據(jù)，很難有效把握。因此，研究在基于“與領(lǐng)域絕對(duì)均值差分方差比RMAS(RatioofMeanDifferencetoNeighbors(ABS)toStandardDeviation)”指數(shù)指標(biāo)選擇最優(yōu)分割尺度的基礎(chǔ)上，首先采用Definersalgorithm中的Multiresolutionsegmentation分割算法對(duì)預(yù)處理后的北京豐臺(tái)Qu

4、ickBird及版納河流域納礦新寨IKONOS高分辨率遙感影像進(jìn)行有效分割，根據(jù)不同宏觀地物對(duì)象對(duì)應(yīng)的光譜、紋理、形狀等光譜及空間特征信息的不同，建立不同規(guī)則的方法，提取研究區(qū)水體、耕地、建設(shè)用地等宏觀地物信息;利用研究提出的基于單位面積紋理線條數(shù)TLNPUA指數(shù)指標(biāo)提取微觀森林內(nèi)部天然林與人工林微觀植被覆蓋信息;并分別與傳統(tǒng)基于單個(gè)象元單純依靠光譜信息的信息提取結(jié)果、基于規(guī)則面向?qū)ο笮畔⑻崛〗Y(jié)果對(duì)比分析。分析結(jié)果表明:
　　(1

5、)融合方法:與PCA、HIS等融合方法相比，PanSharpening遙感影像融合方法更適合IKONOS、CBERS-02等高分辨率遙感影像全色與多光譜波段數(shù)據(jù)的融合，融合后影像既保持了原有多光譜數(shù)據(jù)的光譜分辨率，又增加了全色波段高分辨率的特點(diǎn)，大大提高了圖像質(zhì)量;
　　(2)基于加權(quán)對(duì)象匹配指數(shù)指標(biāo)ASFI3最優(yōu)分割尺度評(píng)價(jià)方法的評(píng)價(jià)結(jié)果表明:基于RMAS指數(shù)指標(biāo)最優(yōu)分割尺度選擇方法有效可行，基于最優(yōu)分割尺度的面向?qū)ο蟮腗ult

6、iresolutionsegmentation分割算法可以有效分割高分辨率遙感影像，以提取建設(shè)用地、水體、道路、耕地等宏觀地物及微觀天然林與人工林植被覆蓋信息。
　　(3)面向?qū)ο驧ultiresolutionsegmentation分割算法與TLNPUA指數(shù)指標(biāo)相結(jié)合，可以有效提取微觀“同譜異物”天然林與人工林植被覆蓋信息。在基于最優(yōu)分割尺度面向?qū)ο蟾呔?、有效分割的基礎(chǔ)上，單位面積多邊形個(gè)數(shù)與單位面積紋理線條數(shù)均可以作為提取“

7、同譜異物”微觀天然林與人工林植被覆蓋信息的指數(shù)指標(biāo)，但與單位面積多邊形個(gè)數(shù)指數(shù)指標(biāo)相比，單位面積紋理線條數(shù)指數(shù)指標(biāo)值離散度更好，能更有效地提取微觀天然林與人工林植被覆蓋信息，且0.1作為有效的區(qū)分閾值。當(dāng)0＜TLNPUA＜0.1時(shí)，為人工林植被覆蓋區(qū);當(dāng)TLNPUA＞0.1時(shí)，為天然林植被覆蓋區(qū);
　　(4)不同宏觀與微觀地物信息提取方法，信息提取結(jié)果精度不同，總體表現(xiàn)規(guī)律:綜合考慮光譜、紋理、形狀等光譜及空間特征面向?qū)ο蟮男畔⑻?/p>

8、取結(jié)果優(yōu)于傳統(tǒng)單純依靠單個(gè)象元光譜特征的信息提取結(jié)果。與傳統(tǒng)基于單個(gè)象元純光譜監(jiān)督、非監(jiān)督信息提取方法相比，面向?qū)ο蠡诠庾V、紋理、形狀等空間信息的規(guī)則信息提取方法對(duì)宏觀與微觀地物信息提取分類精度更高，能較好地提取宏觀及微觀地物類型;但基于規(guī)則面向?qū)ο蟮男畔⑻崛》椒ㄔ谔崛　巴V異物”微觀天然林與人工林植被覆蓋信息時(shí)，具有一定的局限性，提取結(jié)果中大量存在“天然林中混有人工林，人工林中混有天然林”的現(xiàn)象;研究提出的綜合考慮光譜、紋理、形狀等

9、空間特征信息面向?qū)ο蟮幕赥LNPUA指數(shù)指標(biāo)的微觀森林內(nèi)部天然林與人工林植被覆蓋信息提取方法能夠更好地解決森林內(nèi)部天然林與人工林中存在的“同譜異物”現(xiàn)象，但因個(gè)別斑塊內(nèi)天然林植被覆蓋度較稀疏，單位面積紋理線條數(shù)較少，易與人工林植被覆蓋類型混淆，但總體分類精度較高。實(shí)驗(yàn)表明:綜合考慮紋理、光譜及形狀等空間特征信息的面向?qū)ο蟮暮暧^與微觀地物信息提取方法，提高了地物信息提取及分類的精度，對(duì)高精度宏觀地物信息提取、“同譜異物”的微觀森林內(nèi)部天