基于面向对象的高分辨率遥感影像分类

 遥感技术现已成为资源环境监测和地表动态变化研究的主要方法和手段，帮助人类获取了多平台、多时相、多光谱的实时信息。在遥感技术中，分类是获取信息的前提。随着遥感成像技术的不断发展，图像分类的精度也在提高，从单波段的数据到多波段的数据再到如今的高光谱图像，应用研究得到深入和扩展。

        早期在进行图像识别分类的时候，大多依靠目视解译的方法，要求判读人员具备相应的判读知识，能够提取相关的空间信息，但是这种方法，效率非常低，而且跟判读员的主观意识存在一定关系。这种方法目前仍然广泛应用，并且与计算机相结合，辅助计算机进行自动识别分类。计算机分类的方法主要是针对图像上的光谱信息和空间信息进行采集、分析、特征识别及最终的信息提取，将每个像元按照一定的规则划分到不同的类别当中去。在计算机自动识别分类领域，目前有两类方法：第一类就是传统的基于像元的分类方法，即处理的最小单位是像元，并且仅仅依靠像元的光谱特征进行，通常采用监督分类或者非监督分类；第二类是面向对象的方法，这种方法处理的最小单元就不再是像元，而是对象，并且利用的不止包括光谱信息，还包括空间关系等。

1 面向对象的分类方法

        对于遥感图像而言，除了光谱信息外，还包含很多信息，比如空间信息、语义信息和上下文信息。为了充分利用这些信息，面向对象的方法应运而生。这种方法在进行分类处理时，最小单元就不再是像元，而是由若干像元组成的对象，这种对象就不仅包含像元的光谱信息，同时包含像元之间的语义信息、拓扑信息和纹理信息。

        面向对象的影像分类方法首先对图像进行分割，获得对象，再依据对象的光谱特征、纹理特征、形状特征和布局特征等，根据模糊分类方法对影像进行分类及信息提取。在这个过程中，形成了面向对象方法的两个特点：第一，可以利用对象的多特征，即光谱特征和其他特征；第二，可以利用不同的分割尺度形成不同大小的对象，并且每一尺度可形成一个对象层，在多尺度层下根据不同地物的特点选择适当尺度层进行提取，可以充分利用地物的各种特征。分割尺度决定了形成对象的异质度，尺度较大，则分割过程中地物的很多细节被忽略，因此产生的对象数量就较少，每个对象的面积较大。反过来，分割尺度较小，则地物细节体现的就较多，对象数量较多，对象的面积就较小。

 2 基于像元的分类试验

      对影像进行分割：在Process tree列表中单击右键，选择Append New，弹出Edit Process对话框，修改名称为学校，点击OK。在Process Tree中选中学校，点击右键选择Insert Child，在对话框中重命名为Segmentation。在Process Tree中选中Segmentation，点击右键选择Insert Child，在算法4）在Class Hierarchy中点击右键选择Insert Class，并选择颜色。由此创建道路，裸地，阴影，植被，建筑物等类别。在菜单栏的空白处点击右键选择sample editor。选取典型样本（classification→ samples → select samples），在sample editor的工作栏中的active class选择当前激活的类，如：建筑物、绿地等，在影像上双击想要选择为样本的对象。样本选择完毕后，选择feature space optimization。在feature空白处选择需要添加的特征，选择相应的level点击calculate，系统将会根据样本自动计算出最优化的分类特征组合。点击advanced，选择apply to classes。现在我们双击class hierarchy中的任意一类，类描述中出现最邻近分类的特征。在process tree 中添加新的process （process tree中点击鼠标右键，选择append new），算法选择classification，设置相关的参数。单击execute执行，得到分类结果。

        通过上述试验，对于基于像元的传统分类方法和基于面向对象的新分类方法进行了比较。基于像元的分类方法，分类精度稍低于面向对象的方法。面向对象的分类技术，首先对遥感影像进行分割，然后进行分类。影像分割是面向对象高分辨率遥感影像分的前提和关键，分割结果的好坏将直接影响分类精度。在分割过程中选择的分割尺度为100进行图像分割，这个尺度相对比较合理，从分类结果来看，基于像元的分类效果确实不如基于面向对象分类合理，总之面向对象分类方法对于高分辨率遥感影像更加合适，能够提高其分类的精度。广西善图科技有限公司