遥感影像有哪些特征？

遥感影像经过多尺度分割后，形成影像对象层，每-层都是由若干个多边形组成的，而每一个多边形由若干个像元组成。因此，每个对象就具有光谱特征、形状特征、纹理特征，同一层内对象之间有拓扑关系，不同层次上对象间有相关特征。这些特征又可以归纳为三类: -是内在特征，主要包括对象的像素值、对象形状特征、对象纹理特征等；二是拓扑关系，主要描述对象之间的空间关系；三是对象间的相关特征，描述父对象和子对象之间的关系。面向对象的分类实际上就是根据影像对象的特征依据某种分类规则对所有的对象进行分类。在分类过程中，并不是选择的特征越多，分类的精度就越高，因为特征数量过多会增加运算量，降低运算效率，另一方面添加了非本质特征就等于混入了噪声，反而会降低分类精度。下面详细介绍影像的各种特征。

1 )光谱特征

光谱特征是影像对象主要的特征，主要用来描述影像对象中的像元在各波段上的统计特征，-般情况 下可根据对象的光谱特征进行地物识别。光谱特征有很多，常用的主要有亮度值、平均值、标准差。

2 )形状特征

形状特征是在提取对象边界点的基础上形成的，反映了对象的几何特征。形状特征是对光谱特征的补充，在光谱特征相近而形状有差别时，使用形状特征可以更好地实现分类。例如，河道中的碎岩石的冲积物与山体上的岩石在光谱上极其相似，由于冲积的碎岩受河道的控制，在形状特征上表现为较大的长宽比，这时可以利用长宽比将两者区分开。形状特征主要包括:面积、边界长度、长宽比、形状指数、密度等。

3 )纹理特征

纹理特征是遥感影像的一种重要特征，是复杂视觉实体或子模式的组合，有亮度、色度、陡度、大小等特征，每一种地物所呈现的纹理都有自己的特点。纹理特征提取的方法有很多，其中基于灰度共生矩阵的纹理提取方法在遥感影像分类中应用较为广泛。灰度共生矩阵是建立在估计图像的二阶组合条件概率密度的基础上，通过计算图像中有一定距离和一定方向的两点灰度之间的相关性，用来反映图像在方向、间隔、变化幅度及快慢上的综合信息。在矩阵中分布在主对角线附近的元素表示灰度级别相近的像素对出现的概率，而远离主对角线的元素则表示灰度级别相差较大的像素对出现的概率。粗糙的纹理，像素对趋于相同的灰度，在灰度共生矩阵中元素集中在主对角线附近;细的纹理则相反，散布在矩阵各处。灰度共生矩阵反映了纹理，但是并不能直接用来描述纹理，而是在其基础上导出一些反映矩阵特征的参数。

4)空间关系特征

空间关系是指经过多尺度分割后的影像对象之间的相互位置或相对方向关系。加入空间关系特征可以更好地描述影像对象的特征，有利于提高分类结果的精度。

5)对象间的相关特征

对象间的相关特征主要用来描述对象之间的从属关系。一种是父对象与子对象的包含关系；另一种是子对象与父对象的继承关系。

除了上述五种特征外，还可以自定义对象特征，如植被指数，它能很好地区分植被和非植被。对于类别的描述，少量的特征很难表达其本质特征，尽可能用多种特征综合起来对类进行表达。在分类时，需要根据研究区域的特点，从中选出合适的特征组合，综合分析后，建立最优的特征空间组合。