摘 要：随着高分辨率遥感影像的广泛应用，传统的基于单个像元地物的光谱特征提取方法已经无法满足高分辨率影像提取的要求，而面向对象信息提取技术处理的基本单元是“影像对象”不再是单个的“像素”，因此能很好的满足高分辨率影像的需求，得到分类精度更高的遥感图像。本文以淮安市的Landsat-5 TM遥感影像为数据源，基于面向对象方法进行遥感信息提取研究。通过多尺度分割将研究区域遥感影像进行分割，把一个像素的对象进行自下而上的区域合并。再利用最邻近分类方法将不同类地物进行分类处理。通过与利用ERDAS中的非监督分类方法的到的分类后图像进行比较结果表明，ERDAS提供的非监督分类方法得到的kappa系数为0.512低于面向对象方法的kappa系数0.781，面向对象方法相较于ERDAS提供的方法，所得到的图像分类精度更高。58663
毕业论文关键词： 面向对象方法，图像分割，多尺度影像分割，最邻近分类
Abstract：With the wide application of high resolution remote sensing images, the traditional spectral feature extraction method based on single pixel object has been unable to meet the demands of high resolution images. Object-oriented information extraction technology of processing of the basic unit is the “image object” is no longer a single “pixel”, so it can well meet the needs of high resolution image classification is more accurate. Based on the Landsat-5 TM remote sensing image of Huaian city as the data source, object oriented method research based on remote sensing information extraction. By using the multi scale segmentation to break up the remote sensing image of the study area and then merging the same pixels from the bottom to the top. Then use the adjacent classification methods of different types of classification processing. By unsupervised classification method using ERDAS sorted images to compare the results show that the unsupervised classification methods provided by ERDAS’s Kappa coefficient is 0.512 below 0.781 Kappa coefficient of object-oriented methods, compared with ERDAS provides object-oriented methods, the resulting image is more accurate.
Keywords：object oriented method, image segmentation, multi scale image segmentation, the nearest neighbor classification
1 前言 4
2 研究方法和数据 4
2.1 研究数据 4
2.2 研究方法 4
3 水体信息提取 5
3.1 图像分割 5
3.2 影像分类 9
4 结果分析 11
结 论 13
参考文献 14
致 谢 15
1 前言
随着遥感图像分辨率的提高，虽然传统方法在原有的基础上又增加了一些，例如纹理特征、空间关系、形状等综合因素，来加强对影像的分类效果，但是仍然无法满足在实际中的运用需求。由此，面向对象方法应运而生。仅仅只通过光谱特征对遥感影像进行分析，只能获得较为有限的信息数据，而传统的分析方法基本都是基于光谱特征进行工作的。虽然其后的基于知识的分类、纹理特征、神经网络、专家系统以及模糊分类等方法在一定程度上进行了改善，但本质上仍旧无法解决存在的问题[1]。面向对象方法是基于“影像对象”进行提取技术处理的，有别于传统方法的基于单个像素[2]。在eCognition中，采用自下而上的方法对影像进行分割。eCognition不仅可以合并非均质地区还可以对分类影像进行修正。本文以淮安市遥感影像为数据源，通过ERDAS裁剪洪泽湖地区为研究区域。运用多尺度分割技术对研究区域进行分割，然后在此基础上运用最邻近分类器进行遥感影像分类信息提取。从分类结果图上可以看出：运用面向对象技术得到的分类结果图与传统方法相比较，其精度更高。 基于面向对象方法的洪泽湖水体信息提取:http://www.youerw.com/guanli/lunwen_63672.html