论文部分内容阅读
随着遥感技术不断发展，特别是新型传感器的飞速发展，使得高空间分辨率影像也愈来愈多，与此同时，利用高空间分辨率影像提取土地覆盖信息的研究也愈来愈多。较之中、低空间分辨率遥感影像，高空间分辨率影像具有更加丰富的结构信息和纹理信息等。但目前它的信息综合利用率并不高。该问题很大程度上归因于传统的基于像元的分类方法仅仅利用了影像的光谱信息，而忽略了影像中的其他信息，因此导致分类结果中产生大量破碎无效的小图斑，使得图面杂乱且不连贯，致使最终获取的分类精度较低。所以，一般研究工作中常常需要通过人工目视解译来提升高空间分辨率影像的分类精度。但是，它需要耗费大量人力物力和时间成本。综上，采用传统的解译方法提取高分辨遥感影像的土地覆盖信息不再具有普遍适用性。 GF-1号卫星于2013年在我国成功发射。它是我国高分辨率对地观测系统的首发星，为研究我国土地利用情况给予了重要的数据支持。然而就目前相关研究来说，GF-1号卫星的综合应用仍然比较缺少。因此针对上述问题，为了探究GF-1号卫星影像对我国土地利用情况监测的适用性，研究如何更加高效、准确地提取土地覆盖信息，本文利用乐山市的GF-1号影像数据通过面向对象分类技术提取土地覆盖信息。同时研究了融入多特征信息后对影像分类精度的影响，并与传统的像元分类结果通过主观目视评价结合客观精度评价进行对比分析。本文取得主要成果如下: (1)对于研究区GF-1号影像数据的融合分别采用Brovey变换、PCA变换、Gram-Schmidt和NNDiffuse融合四种方法，通过引入信息熵、平均梯度、相对偏差、光谱角和光谱信息散度5个指标客观评价融合结果，结合主观目视评价得出该区域影像的最佳融合方法为NNDiffuse融合。 (2)选取遥感影像的纹理特征和归一化植被指数特征与多光谱影像组合得到多特征结合的遥感影像，再分别使用预处理后的多光谱影像和多特征结合的影像进行非监督分类实验和监督分类实验，结果表明多特征辅助的像元分类方法可以提取更加准确的土地覆盖信息。 (3)通过采用eCognition软件中的多尺度分割工具进行多次实验，确定了最适用于研究区影像分割的参数和尺度，设置了两级的分割层次(80，30)，而且以此建立了分类体系，进而分别对预处理后的多光谱影像和多特征结合的遥感影像进行面向对象分类实验，结果表明辅以多特征信息的面向对象分类效果优于单纯使用多光谱影像的分类效果。 (4)与传统的像元分类方法相比，无论是单纯使用多光谱影像还是多特征结合的遥感影像，面向对象的分类技术都能更加高效、精确地提取土地覆盖信息，并且得到理想且符合实际的分类结果。