基于边缘信息增强的面向对象高分影像信息提取研究

随着信息技术的发展,地理信息获取也变的越来越重要。地理国情普查作为我国一项重要的地理信息统计工作,要求必须掌握我国自然地理要素的基本情况。遥感技术是目前获取地理信息的一种最重要技术手段之一,在测绘、城市规划、国土资源、地质矿产勘查、农林业、军事等行业和领域中都有广泛的应用。随着遥感平台的不断更新,高分辨率可用卫星、WordlView、QuickBird、IKONOS、 GeoEye以及国产的高分系列卫星最高空间分辨率可达到亚米级,高分影像的出现使得遥感影像能够展现出更加丰富的地理信息。较常用的遥感影像分类方法主要包括监督分类、非监督分类以及决策树分类等。它们依据地物的光谱特征进行分类,比较适合中低分辨率的遥感影像。但是对于高分影像,常用的基于像元的分类方法不仅不能有效地利用其丰富的空间结构,还会由于其地物光谱异质性小而引起较多“椒盐”噪声,最终导致分类结果精度降低。因此,对于高分辨率遥感影像传统的分类方法已经越来越难于满足其信息提取的要求。为了更好的提取高分影像信息,研究人员提出了能够充分利用高分影像纹理、空间等信息的面向对象影像信息提取技术。目前面向对象的信息提取方法主要包括：基于最大面积和目标函数的最优分割尺度选择；基于Gram-Schmidt等不同融合方法的面向对象的遥感影像分类；基于总体精度或Kappa系数的面向对象分割分类评价指标等。本文在eCognition软件的基础上以淮南地区的WorldView-III影像为例,对其进行了预处理,多尺度分割,边缘信息增强以及边缘信息增强后的影像信息提取,最后对于不同分类方法做出了精度评价,具体研究如下：(1)以淮南地区高分辨率遥感影像为例,将原始影像进行Pansharping融合,并对其分别做监督分类、非监督分类,生成不同方法下遥感影像分类图。(2)重点研究了基于eCognition软件的面向对象分类方法。首先借助ESP(Estimation of Scale Parameter)尺度评价工具,通过不同实验,结合目视判别效果确定了最优分割参数：其中尺度因子为110,形状因子为0.5,紧凑度因子为0.5。影像分割完成后对其进行最邻近分类,多次循环选取最优分类样本及样本特征(NDⅥ、Shap-index、Length/Width、mean-Brightness、mean-max.difff等),最终生成基于面向对象的影像分类图。(3)对高分影像进行基于Canny算法的边缘检测,将检测后的影像层参与地物多尺度分割,并设置其分割权重,得到基于边缘检测的多尺度分割影像图。对高分影像做基于Getis-Ord的局部空间自相关性统计分析,在此基础上再将其进行基于Canny算法的边缘检测,将检测后的影像层参与地物多尺度分割,并设置其分割权重,得到基于信息增强组合变换的多尺度分割影像图。(4)对不同影像信息提取方法分类精度进行对比分析,发现基于像元的分类方法中最大似然分类器在本次实验中精度最高,其中总体分类精度为84.9382%,Kappa系数为0.8152,而面向对象分类的总体分类精度达到了92.3076%,Kappa系数达到了0.9018,基于Getis-Ord和Canny边缘信息增强后的面向对象分类在本次实验中精度最高,其总体分类精度为94.6667%,Kappa系数为0.9354。