遥感图像监督分类与面向对象分类法对比

最近几年，随着空间遥感技术的发展，高分辨率遥感影像在土地资源调查、环境监测等领域中的应用日益广泛。利用传统的遥感影像分类方法，如监督分类，容易导致分类精度降低，空间数据大量冗余和资源的浪费。面向对象的分类方法正是为了解决这些问题而出现，面向对象的方法利用遥感影像结构、光谱信息，并在建立这些特征之间的层次关系的基础上，对遥感影像进行分类。利用杭州市西湖区域2014年10月份的数据，基于ENVI5.0对高分辨率影像进行地物特征的信息提取，利用监督分类和面向对象技术首先对该区域信息进行分类，然后再对分类结果进行对比分析研究。结果表明，面向对象分类方法在此数据城市绿地信息提取中精度优于监督分类。

  监督分类是以像元为基本单元进行遥感信息提取的分类方法，常用的监督分类有最大似然法、最短距离法、马式距离法等常用的方法。它主要根据像元的光谱信息进行分类，然而，高分辨率遥感数据通常包含较少波段，光谱信息不如空间特征丰富，分类时不能仅靠光谱特征，更多的是要利用其几何特征和纹理信息。由于高分辨率图像地物的结构、纹理特征更加明显，那么就会导致地物的空间破碎性更加地明显，增大了不确定性因素，即使是水面也不是均值的，会因受污染的程度而产生像元灰度值的变化，以像元的光谱信息为根本依据的分类方法不能表达同一地物本身的光谱特性而不能满足遥感信息快速提取的需要。

        面向对象分类方法进行遥感影像信息提取时，处理的最小单元和监督分类的不同，不再是以像元为最小单元，而是以具有更多种语义信息的、多个邻近像元构成的对象，在分类时大多是利用地物的几何信息及地物对象之间的语义信息、纹理特征和拓扑关系，而不单纯的是单个地物的光谱信息。面向对象的遥感图像分类法的本意是把对象作为分类的最小单位，从多方面、高层次对遥感影像进行分类，以减少往常的基于像元层次分类方法所含有语义信息的损失率，这样一来分类结果就具有更丰富的语义信息。本文就以分别采用监督分类方法和面向对象的方法来提取城市绿地信息，通过对比以期得到两种分类方法对于处理遥感影像的优劣。广西善图科技有限公司