面向对象技术在城市建筑物提取中的应用研究

论文摘要

随着空间技术的不断发展,空间遥感活动中所使用的遥感器的工作波段得到了充分扩展,空间分辨率也在迅速的提高,同时遥感影像的数据量也在成几何倍数地增加。高空间分辨率的遥感影像开始广泛应用于测绘、农业、林业、城市规划、国土资源管理、地质矿产勘察、军事等各个领域。然而,与此相对应的遥感影像处理和信息提取技术的发展却相对缓慢,基于影像像元的光谱信息的图像分类已经发展了很多年,虽然取得了一定的进步,但解译效果仍不够理想,严重制约了高分辨率遥感影像的大规模应用。面向对象的遥感信息提取技术是最近几年才发展起来的遥感图像解译新方法,与以往采用面向图像基元的图像解译不同,它是以影像中的像素集合为分析对象,通过对各对象的特征分析进行信息提取。本文以建筑物信息提取为目标,着重研究面向对象方法在提取城市建筑物目标中的应用,并与传统的基于像元的光谱特征提取的结果比较,寻找更为理想的建筑物信息提取方法。本文主要研究内容为:（1）简单介绍了遥感影像预处理的流程,针对本论文实验数据详细描述了遥感影像融合的理论基础和几种常用的基本算法,利用Gram-Schmidt融合方法对QuickBird遥感影像的多光谱影像和全色光谱影像进行了融合。（2）介绍了图像尺度分割的原理和几种常用的分割方法,研究了在遥感图像多尺度分割过程中分割参数的选择对分割结果的影响。分析了建筑物目标在高空间分辨率遥感影像中的基本特征,并建立了建筑物目标特征知识库,以及从分割图像中提取出建筑物的两种方法。（3）基于ecoginition软件利用面向对象方法从QuickBird影像中提取建筑物信息,并与非监督分类方法提取的建筑物结果进行比较,结果证明利用面向对象方法提取建筑物信息具有更多优点。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 选题背景与意义
• 1.2 研究目的与研究内容
• 1.2.1 研究目的
• 1.2.2 研究内容
• 1.3 论文框架与技术流程
• 1.3.1 论文框架
• 1.3.2 本文研究的技术路线
• 2 国内外研究现状
• 2.1 遥感信息提取的概念
• 2.2 高分辨率遥感影像信息数据获取与特点
• 2.2.1 遥感影像信息获取方式的发展
• 2.2.2 高分辨率遥感影像的特点
• 2.2.3 QuickBird 遥感卫星系统简介
• 2.3 常用的遥感图像解译方法
• 2.3.1 目视解译
• 2.3.2 基于像元的遥感目标识别
• 2.3.3 面向对象的遥感目标识别
• 2.4 面向对象的建筑物目标提取的发展
• 3 目标识别中的影像预处理
• 3.1 遥感影像融合
• 3.1.1 像素级融合
• 3.1.2 特征级融合
• 3.1.3 决策级融合
• 3.2 实验区影像融合
• 4 图像分割
• 4.1 图像分割的概念
• 4.2 基于多尺度的图像分割
• 4.2.1 波段权重设置
• 4.2.2 光谱因子和形状因子的选择
• 4.2.3 分割尺度的选择
• 4.3 基于区域的图像分割方法
• 4.3.1 区域生长法
• 4.3.2 基于四叉树的区域分割与合并
• 4.4 实验区图像分割
• 5 建筑物目标提取与准确度分析
• 5.1 建筑物基本特征
• 5.2 建筑物特征提取方法
• 5.3 建筑物目标提取方法
• 5.3.1 最小距离分类法
• 5.3.2 隶属度函数法
• 5.4 建筑物目标提取实验与准确度分析
• 5.4.1 建筑物目标提取
• 5.4.2 非监督分类方法提取建筑物
• 5.4.3 准确度分析
• 6 结论
• 6.1 结论
• 6.2 展望
• 致谢
• 参考文献
• 附录