郭鹏程 周志易

(合肥工业大学 土木与水利工程学院, 安徽 合肥 230009)

0 引言

传统的面向像元的分类方法在用于土地利用分类时,仅仅利用了影像的光谱信息,往往适用于中低分辨率的遥感影像[1]。随着遥感平台的发展与更新,高分辨率遥感影像已成为研究热点[2-4],然而面向像元的分类方法不能充分利用影像中的空间结构和纹理信息,导致分类结果中含有大量椒盐噪声[5],制约了分类精度。在最近的研究中,面向对象的影像分析技术(Object-Based Image Analysis,OBIA)在土地利用分类中有着良好的表现,一方面因为,基于OBIA的分类的第一步是将影像分割成根据同质性原则合并而成的多边形影像对象,分割后的对象含有更多的语义信息[6];另一方面因为,OBIA在分类过程中能够充分挖掘各种影像特征[7],进而减少甚至消除“椒盐”现象。

针对面向对象影像分析技术在遥感影像分类中的应用,已有许多学者进行了深入研究。袁慧洁[8]利用无人机遥感影像,采用基于规则和基于样本的两种面向对象分类方法,提取出房屋、道路、植被等简单地物及背景;宋明辉[9]利用国产高分二号数据,对影像进行多尺度分割,建立相应地物的分类规则,采用规则集的面向对象分类方法对地物进行分类;杨朝辉等[10]使用Sentinel-2A影像,构建面向对象分类规则,成功提取出苏州市湿地类型;BHASKARAN等[11]利用IKONOS卫星(伊科诺斯卫星,一颗商业对地观测卫星)数据,将逐像素和面向对象的分类方法结合,使用光谱、空间属性和隶属度函数的组合来进行城市特征制图,将特定类别(如白色屋顶和植被)的精度进一步提高;SU[12]开发了一种新的用于对象层次分类特征的选择方法,该方法能更好地减少对象层次的冗余特征,有着较高的分类精度。……