面向对象的高分辨率遥感影像农村公路专题信息提取

论文摘要

随着遥感影像分辨率的不断提高,其中包含的信息量也在不断的增大。但是信息的提取速度远远跟不上影像获取的速度,为了获取准确的信息,大多数还是采用人工解译的方法进行提取。这种方法费时费力,并且受解译人员的专业知识影响较大。因此如何提高信息的提取速度和效率是遥感信息提取与分析领域最重要的研究方向之一道路提取是遥感影像信息提取中很重要的一部分,根据提取道路的自动化程度,一般分为全自动和半自动两种方式。按照分析处理目标的不同,又分为面向像元的方法和面向对象的方法。面向对象法与传统的面向像元的分析处理方法不同,它认为影像并非由单个像元来代表,而是由包含重要语义信息在内的影像对象以及他们之间的相互关系构成。影像对象是指影像分割后的“同质”的,连续的像元的集合。由于对象比像元具有更丰富的意义,我们可以利用对象的光谱特征,空间纹理特征,形状大小特征等,对道路进行提取。本文在阅读了大量文献的基础上,分别论述了道路提取的现状以及采用面向像元法和面向对象法提取道路的原理,选取重庆市长寿区东北部区域为实验区,采用2009年9月获取的CBERS02B HR影像进行研究,影像空间分辨率为2.4米。采用面向像元的方法进行道路提取,首先对影像进行了降噪处理和卷积处理,然后用非监督分类对道路进行提取,并对提取结果进行了聚类统计和去除分析,最后对提取结果进行了评价。采用面向对象法进行道路提取,在对影像进行多尺度分割后,比较了不同分割尺度,形状指数和紧凑度指数下的分割结果。利用eCognition的分类特征建立了道路提取的知识库,在提取道路后,利用生长法对道路提取结果进行了完善,最后对提取结果进行了评价。通过比对面向像元法和面向对象法提取道路的过程和结果,我们发现面向对象法在提取过程中具有更好的可操作性,我们可以充分利用对象之间的关系,层与层之间的关系来构建知识库,并将知识库转化为提取规则。而面向像元的提取过程只能针对整幅影像来完成。最后通过对两种方法提取结果的比较,我们可以看出,面向对象法无论是从过程还是精度方面,都优于面向像元法,是一种值得我们推广的,具有广阔前景的方法。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究意义
• 1.2 国内外研究现状
• 1.2.1 道路的半自动提取方法
• 1.2.2 道路的自动提取方法
• 1.2.3 提取方法比较
• 1.2.4 道路提取展望
• 1.3 面向对象法
• 1.3.1 面向对象法发展过程
• 1.4 本文研究路线、研究方法及文本组织结构
• 1.4.1 研究路线
• 1.4.2 研究方法
• 1.4.3 文本组织结构
• 第二章 研究区概况
• 2.1 自然概况
• 2.2 社会经济发展现状
• 2.3 交通综合现状
• 2.4 交通存在的主要问题
• 2.5 畅通长寿规划
• 2.5.1 交通网络发展规划
• 2.5.2 农村畅通工程规划
• 2.6 研究区选取
• 2.7 本章小结
• 第三章 高分辨率遥感影像
• 3.1 主流高分辨率遥感卫星介绍
• 3.2 中巴地球资源卫星
• 3.2.1 卫星特点及系统性能
• 3.2.2 CBERS传感器特点
• 3.2.3 CBERS的数据应用
• 3.3 高分辨率遥感卫星的应用
• 3.4 高分辨率遥感应用的挑战
• 3.5 本章小结
• 第四章 面向像元的农村公路提取
• 4.1 面向像元法的基本理论
• 4.1.1 监督分类
• 4.1.2 非监督分类
• 4.2 面向像元的长寿区农村公路提取
• 4.2.1 遥感影像预处理
• 4.2.2 执行非监督分类
• 4.3 本章小结
• 第五章 面向对象的农村公路提取
• 5.1 面向对象法的基本理论
• 5.1.1 影像对象
• 5.1.2 影像分割
• 5.1.3 阈值分割法
• 5.1.4 基于区域生长的方法
• 5.1.5 基于边缘的分割方法
• 5.1.6 eCognition分割算法介绍
• 5.2 面向对象的长寿区农村公路提取
• 5.2.1 遥感影像预处理
• 5.2.2 影像分割实验
• 5.2.3 知识库构建
• 5.2.4 道路提取
• 5.2.5 道路完善
• 5.3 本章小结
• 第六章 结论与展望
• 6.1 主要结论
• 6.2 展望
• 参考文献
• 致谢
• 在学期间发表的论著及取得的科研成果