面向對象的高分辨率遙感影像農(nóng)村公路專題信息提取.pdf

1、隨著遙感影像分辨率的不斷提高,其中包含的信息量也在不斷的增大。但是信息的提取速度遠遠跟不上影像獲取的速度,為了獲取準確的信息,大多數(shù)還是采用人工解譯的方法進行提取。這種方法費時費力,并且受解譯人員的專業(yè)知識影響較大。因此如何提高信息的提取速度和效率是遙感信息提取與分析領域最重要的研究方向之一。
　　 道路提取是遙感影像信息提取中很重要的一部分,根據(jù)提取道路的自動化程度,一般分為全自動和半自動兩種方式。按照分析處理目標的不同,又分

2、為面向像元的方法和面向對象的方法。面向對象法與傳統(tǒng)的面向像元的分析處理方法不同,它認為影像并非由單個像元來代表,而是由包含重要語義信息在內的影像對象以及他們之間的相互關系構成。影像對象是指影像分割后的“同質”的,連續(xù)的像元的集合。由于對象比像元具有更豐富的意義,我們可以利用對象的光譜特征,空間紋理特征,形狀大小特征等,對道路進行提取。
　　 本文在閱讀了大量文獻的基礎上,分別論述了道路提取的現(xiàn)狀以及采用面向像元法和面向對象法提取

3、道路的原理,選取重慶市長壽區(qū)東北部區(qū)域為實驗區(qū),采用2009年9月獲取的CBERS02B HR影像進行研究,影像空間分辨率為2.4米。
　　 采用面向像元的方法進行道路提取,首先對影像進行了降噪處理和卷積處理,然后用非監(jiān)督分類對道路進行提取,并對提取結果進行了聚類統(tǒng)計和去除分析,最后對提取結果進行了評價。
　　 采用面向對象法進行道路提取,在對影像進行多尺度分割后,比較了不同分割尺度,形狀指數(shù)和緊湊度指數(shù)下的分割結果。利

4、用eCognition的分類特征建立了道路提取的知識庫,在提取道路后,利用生長法對道路提取結果進行了完善,最后對提取結果進行了評價。
　　 通過比對面向像元法和面向對象法提取道路的過程和結果,我們發(fā)現(xiàn)面向對象法在提取過程中具有更好的可操作性,我們可以充分利用對象之間的關系,層與層之間的關系來構建知識庫,并將知識庫轉化為提取規(guī)則。而面向像元的提取過程只能針對整幅影像來完成。最后通過對兩種方法提取結果的比較,我們可以看出,面向對象法