浅谈高精度遥感图像下的地物类别

第一章 文献综述

1.1 研究目的和意义
随着科学技术的发展，进行这些工作的技术手段得到了很大的发展，如计算科学、遥感技术、GIS技术的日新月异等，都对土地利用的调查与制图工作起到极大的促进作用。遥感可以大范围、短时间获得更高精度的成果以及时间序列数据，为不同比例尺土地利用基础图件的更新提供了一条新途径，并为土地利用的持续更新提供了可能，而且节省人力物力，同时GIS也为快速更新图件以及对数据的处理和分析提供了方便可靠的操作环境。因此，遥感技术对于研究土地利用现状有非常重大的意义（姚嘉 2003）。2004 年国际地学与遥感论坛（ International Geosciences and Remote SensingSymposium）主题是：服务于社会的科学——探索和管理日益变化的星球。正如大会组委会所指出的那样，利用遥感技术，一方面可以不断了解自然界的驱动力和刻画我们星球所发生的各种现象的运行过程，另一方面可以获得决策支持系统可资利用的关键信息，以便使政策制定和管理抉择更趋合理，从而最终增进社会福祉。该会议的议题包括：遥感应用，卫星计划和太空行动，地学、建模和过程，数据处理和算法，电磁问题，基础设施和技术，地学和遥感教育创新，海洋工程等。遥感的应用领域之广可见一斑（陈秋晓 2004）。随着遥感平台的多样化，遥感图像分辨率的提高以及计算机技术的迅猛发展，遥感技术已不再单纯应用于传统的测绘、土地、环境、农业等基础部门，在一些其他领域的使用也不断的增加和出现，如通讯、交通、生态、旅游等领域，极大地扩展和丰富了高分辨率遥感图像的应用领域（陈忠2006）。本次研究区域—杨凌（东经北纬34° 16' 56.24",东经108° 4'27.95"）虽然只是一个中小城市,但杨凌是中华民族农耕文化的发源地，1997年7月29日经国家批准成立了杨凌农业高新技术产业示范区，并且纳入了国家高新技术产业开发区序列管理，实行“省部共建、以省为主”的领导和管理模式。在国家政策以及社会经济的快速发展条件下，近二十年来，杨凌人民的生活水平与方式发生了极大的变化，对水、土资源需求量都在增加，使得其土地利用与覆盖都发生了深刻的变化。 因此，对杨凌区域的土地利用与土地覆被的研究是非常必要的。

1.2 研究背景和依据
土地利用／土地覆盖(LUCC)研究已经是全球环境变化研究重要的组成部分，目前土地利用／覆盖变化驱动因子的研究也已是研究的热点之一。以往由于一个地区缺乏现在与过去土地利用的最新地图，缺乏处理大量资料的分析方法，土地利用和覆盖变化的研究工作工期长、误差大、费用高，使得土地利用规划受到严重的影响。遥感技术则以快速、准时、准确、周期短等特点在大中尺度的土地利用动态监测中表现出明显的优势，在国内外已经得到了广泛地应用。利用遥感手段获取土地利用／覆盖信息的一个非常重要的中间环节就是影像分类。最早出现的分类技术就是图像目视解译分类，它可以充分利用判读人员的知识，其灵活性好，擅长提取空间的相关信息，但是定位不够准确，时效性比较差，可重复性差，并存在个人差异。目视解译现在仍被广泛应用于对精度要求较高的应用中，在对米级高分辨率遥感图像分类时，目视解译精度一般高于计算机分类精度。计算机遥感图像分类是利用计算机模式识别技术在遥感领域中的应用，其核心任务是确定不同地物类别间的判别准则和判别接口，可重复性好，处理时间短，定位准确，时效性好。然而与其它计算机模式识别不同的是，遥感影像数据的类别繁多，维数高，含混度较大，高精度多类别分类识别有较大的难度。传统的计算机分类方法就是基于像元光谱特征的统计特性的硬分类，不善于提取空间信息，不容易解决同谱异物、同物异谱、混合像元等问题，常常出现错分、漏分，精度不高，且所分出的图斑比较零乱，针对传统的计算机分类方法已出现了很多的改进方法。（王圆圆 2004）目前遥感图像分类方法繁多且种类杂乱，如果角度不同，分类方法也会有所不同，传统的也是最常见分类方法就是的监督分类和非监督分类，它们区别是，分类人员是否事先提供已知类别及训练样本对计算机分类器进行训练和监督。参数和非参数分类根据是否假定类的概率分布函数并估计其分布参数来划分。硬分类和软分类根据一个像元被划分到一个类还是多个类来区分。此外，国内外还新出现了很多分类方法有面向对象分类方法、人工神经网络分类法(Artificial Neural Network)、模糊分类法、支撑向量机分类法(Support Vector Machine)、决策树分类法(Decision TreeClassifier)以及亚像元分类法(subpixel classification)。每种遥感影像分类方法都有其自身的特点，但是也有一些缺陷是不可避免的。鉴于这种现状，本文将对传统遥感影像分类技术及一些较新的分类方法进行综述，详细阐述当前主要的遥感图像分类方法及较新分类方法的原理，算法适用的条件和范围，并针对一些实际情况的对这些分类方法进行了全面的论述及其验证。

1.3 遥感影像分类研究现状分析
遥感影像分类就是将遥感影像中的每个像元划归到类别中的过程。遥感技术的新方法，新技术不断出现，从目视判读、计算机自动解译和人机交互等环节不断完善遥感图像分类。
1.3.1 遥感影像分类研究现状
从20世纪70年代起，第一颗陆地卫星发射成功，人们就开始利用计算机进行遥感图像的解译研究。最初是利用数字图像处理软件对卫星图像进行几何纠正与位置配准的基础上，采用人机交互方式从遥感影像中获取有关的地学信息。这种方法实质是遥感影像目视判读，依赖于影像解译人员的解译经验与水平，在分类方法上并没有新的突破。
 
   1.4 本研究的出发点 ...................14-16
第二章 研究区域及数据 ...................16-20
    2.1 研究区域 ...................16-17
        2.1.1 历史沿革 ...................16
        2.1.2 区位条件 ...................16-17
    2.2 使用资料 ...................17-18
    2.3 技术路线 ...................18-20
第三章 遥感影像分类 ...................20-35
    3.1 遥感影像的预处理 ...................20-23
    3.2 遥感影像的分类方法的概念及原理 ...................23-24
    3.3 非监督分类 ...................24-25
        3.3.1 K-均值方法 ...................24
        3.3.2 ISODATA 方法 ...................24-25
    3.4 监督分类 ...................25-28
    3.5 面向对象分类 ...................28-32 
    3.6 图像分类方法比较 ...................32-35
第四章 遥感地物分类比较实验研究 ...................35-49
    4.1 非监督分类 ...................35-37
        4.1.1 初始分类 ...................35-36
        4.1.2 分类结果调整及结果 ...................36-37
    4.2 监督分类 ...................37-41
    4.3 面向对象分类 ...................41-45
    4.4 实验比较分析 ...................45-49

结论

本文对遥感影像分类方法进行了系统的理论介绍，并利用实例针对不同的图像分类方法进行了展示比较分析。具体是运用传统的基于像素的分类方法（监督分类方法和非监督分类方法）与面向对象分类方法分别对杨凌区的遥感影像进行分类处理，从分类结果的比较上出：不同的遥感分类方法有其各自的特点，并且分类的结果也会有一定的差别。总体上来说与实际情况最为接近是面向对象的分类结果。传统的分遥感影像类方法(非监督分类与监督分类)从过程、原理以及具体的方法上都有所不同，并且它们在分类思想上有本质的差别。但是在遥感影像分类的方法中，它们是具有的目的和效果相是相同的。所以，一般来说，在影像分类中，非监督分类和监督分类方法并不能够完全割裂开来，而是应该根据分类的需要，合理科学灵活的运用两种方法，以达到预期的影像分类。总体来说，非监督分类不适合于高分辨率影像分类。监督分类精度取决于训练样本的分离性，而高精度影像中混合像元的大量存在会影响到样本的分离性，所以可依据用途确定是否选用此方法。面向对象无论哪个分割尺度的分类精度都比基于像素的分类精度高，其中分割尺度为 60 的最为理想。面向对象分类比监督和非监督分类具有更高的精度，总体精度、kappa 系数在分类结果中的精度比监督分类分别提高了 14.8%和 11%。面向对象分类技术，其是近年来提出的新的分类算法，与以往的传统分类算法最大的不同是：面向对象分类方法，其不是基于单个像素而是基于对象或更直接说是区域。本文是对面向对象高分辨率遥感图像分类技术进行了研究，对面向对象高分辨率遥感图像分类步骤的各个环节也进行了详尽的描述。

参考文献

薄树奎等.2010.训练样本数目选择对面向对象影像分类方法精度的影响. 中国图象图形学报,15(7)：1106-1111
曹敏，史照良，沈泉飞. 2008.ALOS 影像在土地覆被分类中最佳波段选取的研究.测绘通报，(9): 16-18
陈秋晓.2004.高分辨率遥感图像分割方法研究[博士学位论文].北京：中国科学院与资源研究所
陈忠.2006.高分辨率遥感图像分类技术研究[博士学位论文].北京：中国科学院遥感应用研究所
党安荣，王晓栋，陈晓峰等.2003.ERDAS IMAGINE 遥感图像处理方法.北京：清华大学出版社
杜凤兰．2004.面向对象的地物分类方法分析与评价.遥感技术与应用，19(1):20－23
傅伯杰, 陈利顶. 2001.景观生态学原理及应用. 北京: 科学出版社
管珍，曹广超，易俊住.2010.面向对象的遥感影像分类研究.科技创新导报，34：8-10
黄慧苹. 2003.面向对象影像分析中的尺度问题研究. 北京: 中国科学院遥感应用研究所
贾永红，张春森，王爱平.2001.基于 B P 神经网络的多源遥感影像分类.西安科技学院学报，21(1)：58-60