几种基于高分辨率遥感影像分类技术的分析与探讨

《几种基于高分辨率遥感影像分类技术的分析与探讨》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、几种基于高分辨率遥感影像分类技术的分析与探讨吴洪涛                                                   天津市测绘院[摘要]本文初步分析了应用高分辨率遥感影像进行分类处理的三种特殊方法即基于光谱信息及相关监测模型综合分类技术、利用高程信息辅助分类技术和面向对象的特征相关属性分类技术的基本原理。分析比较了它们在进行遥感影像分类的特点和优势，探讨总结了它们在农作物监测、城市建筑物分类、土地利用调查等实际生产中应用方法和效果。[关键词] 影像分类   光谱     高程    特征相关1前言   我们知道

2、，随着社会经济的快速发展，人们的生活需求与资源环境的矛盾越来越突出，遥感技术(RS)作为一种准确、客观、及时获取地球表面宏观信息的手段，在城市规划建设、土地利用监测、农业、林业以及自然灾害预报等方面越来越得到广泛的重视和应用。另外由于航空航天遥感以及计算机技术的迅猛发展，应用于遥感的传感器分辨率越来越高，获取的遥感影像质量也越来越好。特别是SPOT、IKONOS、QUICKBIRD等高分辨率遥感卫星影像的出现更为后期遥感影像的分析和应用带来了更好的数据源和更广大深入的应用前景。要更好地利用遥感影像进行资源调查和动态监测就必须利用各种方法对获取的高

3、分辨率遥感影像进行融合、分类等处理，以提取并区分各种地物地貌信息，同时对分类结果加以统计分析以满足不同的需要。当今，进行遥感影像分类处理的方法很多如常用的监督分类法、非监督分类法、最大似然法以及人工神经元网络、小波变换等方法。他们进行遥感影像分类主要是利用这一基本原理即：不同的地物在同一波段影像上表现的亮度互不相同，同时不同地物在各个波段影像上亮度呈现的规律也不同，也就是说遥感影像上的地物光谱特征通常是以地物在多光谱影像上的亮度体现出来的。这一点构成了区分不同影像地物的依据。但是我们很多的影像分类技术与算法更多地着重于遥感影像上像元亮度或光谱信息

4、的本身而没有综合考虑影像地物之间的特征相关性如植被和土壤的关系、土壤与水分的关系；也没有考虑到地形起伏或地物高度变化的影响因素；更没有将一幅遥感影像而非像素来作为一个对象进行面向对象的综合分析如纹理、形状、特征继承相关等特殊要素。   为了得到更好的分类结果，更好地提取遥感信息，本论文结合自己的工作实践以及国内外相关应用实例的分类效果比较，经过分析探讨认为以下三种基于高分辨率遥感影像分类技术在实际生产中可以得到更好的分类结果。即基于光谱信息及相关监测模型综合分类技术、利用高程信息辅助分类技术和面向对象的特征相关属性分类技术。下面将逐一进行分析比较

5、与总结。2基于光谱信息及相关监测模型综合分类技术应用分析   对于植被的光谱反射特性我们都很熟悉，植物对不同光谱段能量的反射和吸收的状况与其叶绿素含量有关，叶绿素能够大量反射近红外能量，而吸收大部份的可见光波段的能量。健康的绿色植物含有大量的叶绿素，通常反射40~50%的近红外（0.7~1.1μm）波段的能量，吸收将近80~90%的可见光波段（0.4~0.7μm）的能量（详见图1）。相反，枯萎和衰老植物的在可见光波段所反射的能量要大大高于健康植物的反射值，而在近红外波段所反射的能量则要低于健康植物的反射值[1]。因此，在遥感影像中，处于不同生长期

6、的植物就能通过光谱反射特性基本地区分出来。             三种不同地表光谱反射曲线图   我们使用ERDAS或ENVI等遥感应用软件已有功能我们可以根据植被或地物的光谱特性进行影像相减、比值法进行分类。但是为了得到更好更细致的分类效果，在农业和林业遥感监测中我们通常在利用光谱信息的基础上使用更多的辅助分类方法得到更丰富的分类信息。2.1多时相数据融合   可以利用不同时期的监测数据进行多时相数据融合、滤波处理迅速得到植被变化区域或变化程度，便于宏观决策。如下多时相数据融合图。                 多时相数据融合图 2.2利用

7、归一化植被指数（NDVI）及农作物生长模型的综合应用所谓归一化植被指数（NDVI）在农业或林业监测方面应用十分广泛。如下图： 植被对于不同波的反射曲线图NDVI=（IR-R）/（IR+R）（IR为近红外光波段，R为红色波段）通过遥感影像NDVI指数的变换分析处理我们可以根据应用需要达到几个要求即：①消除地形起伏的影响②减少大气的辐射和反射影响③利用归一化可以改正扫描角和亮度的影响。另外，在精细农业生产中为了预先统计农作物的产量、计算种植面积或者监测病虫害情况等，我们可以将农作物的NDVI指数与农作物的生长模型一起综合考虑进行分类统计。以水稻种植为

8、例：                  水稻生长期模型曲线图： 水稻生长期模型曲线图NDVI指数随月份（1-8）变化曲线见下图： 水稻N