采用長春市WorldView-3高分辨率遙感影像數(shù)據(jù),利用面向?qū)ο蠓椒ń⒍喑叨染W(wǎng)絡(luò)層,同時(shí)基于不同地物的光譜、幾何特征構(gòu)建了eCognition中的分類規(guī)則集,提取了城市下墊面用地信息。最后通過混淆矩陣對分類結(jié)果進(jìn)行精度評價(jià),得到較好的分類效果。本次研究初步解決了陰影歸類和建筑與硬質(zhì)地面區(qū)分等問題,提高了城市下墊面信息提取精度。 

【文章來源】：地理空間信息. 2020,18(04)

【文章頁數(shù)】：6 頁

【部分圖文】：

下墊面提取技術(shù)路線

本次工作范圍為長春市中心城區(qū)610 km2，經(jīng)緯度范圍為43°42′56″N～44°0′14″N、125°7′6″E～125°31′33″E，以長春地標(biāo)性場所文化廣場附近的典型中心城區(qū)3 km2為例，詳細(xì)闡述了不同地物的提取過程，實(shí)驗(yàn)區(qū)影像如圖2所示。2.2 分類過程

面向?qū)ο蠓ǖ姆诸惤庾g工作首先需要提取地物的信息類別建立不同層級的多尺度網(wǎng)絡(luò)層[15-16]，分割方法整體采用異質(zhì)性最小的合并算法原則。尺度參數(shù)是一個(gè)抽象概念，沒有單位，其大小反映的是每個(gè)影像對象內(nèi)允許的異質(zhì)性大小。尺度參數(shù)越大，影像對象內(nèi)的異質(zhì)性越大，分割顆粒度越大；尺度參數(shù)越小，影像對象內(nèi)的異質(zhì)性越小，分割顆粒度越小，影像越細(xì)碎。分割過程從影像中任意一個(gè)像元開始先將其與周圍的相似像元進(jìn)行合并形成較小的影像對象；再將其與周圍的小影像對象合并成大的多邊形對象；最終合并的大小受分割尺度設(shè)置的限制，并且要保證不斷增大的多邊形對象異質(zhì)性最小。分割的過程除尺度參數(shù)起重要作用外，光譜異質(zhì)性、形狀異質(zhì)性以及影像各波段權(quán)重3個(gè)參數(shù)也會對分割結(jié)果有影響[17]。其中，光譜異質(zhì)性包括形狀因子和顏色因子，其權(quán)重和為1。當(dāng)需要提取的地物有較明顯的形狀特征時(shí)，可適當(dāng)提高形狀因子權(quán)重；當(dāng)所識別的地物有較好的光譜特征時(shí)，可適當(dāng)提高顏色因子的權(quán)重。形狀異質(zhì)性包括緊致度因子和平滑度因子，權(quán)重和為1�？筛鶕�(jù)影像中地物邊界的棱角分明程度或平滑程度分別適當(dāng)增大緊致度因子或平滑度因子的權(quán)重，而波段權(quán)重是指根據(jù)特定地物的光譜特性設(shè)置影像各波段參加分割的重要程度。這些參數(shù)設(shè)置得不同會對分割結(jié)果產(chǎn)生不同程度的影響。通常情況下要遵循由大尺度到小尺度構(gòu)建網(wǎng)絡(luò)層，由易到難確定類別的原則。本次研究采取的網(wǎng)絡(luò)層及分類識別過程如圖3所示。由于城市道路密集，次干道及小支路會由于衛(wèi)星拍攝角度有傾斜使其在影像上表現(xiàn)出被行樹遮擋或被房屋阻斷的效果。分辨率過高也使路上較清晰的汽車變成了影響道路提取的噪聲，因此單純地通過光譜或幾何等信息進(jìn)行城市道路提取十分困難。研究選取1∶500地形圖中的道路矢量參與影像分割，建立第一層網(wǎng)絡(luò)，先區(qū)分開道路與非道路，如圖4所示。

【參考文獻(xiàn)】：
期刊論文
[1]基于超像素的高分辨率影像建筑物提取[J]. 莫中夏,張新長,張志強(qiáng).  地理與地理信息科學(xué). 2017(06)
[2]Extracting mineral alteration information using WorldView-3 data[J]. Yaqin Sun,Shufang Tian,Baogang Di.  Geoscience Frontiers. 2017(05)
[3]WorldView3高分影像在地理國情普查時(shí)點(diǎn)核準(zhǔn)中的生產(chǎn)與應(yīng)用[J]. 劉東麗,李趙,岳玉梅.  礦山測量. 2016(01)
[4]不透水表面遙感監(jiān)測及其應(yīng)用研究進(jìn)展[J]. 劉珍環(huán),王仰麟,彭建.  地理科學(xué)進(jìn)展. 2010(09)
[5]陰影輔助下的面向?qū)ο蟪鞘薪ㄖ锾崛J]. 周亞男,沈占鋒,駱劍承,陳秋曉,胡曉東,沈金祥.  地理與地理信息科學(xué). 2010(03)
[6]面向?qū)ο筮b感影像分類的最優(yōu)分割尺度選擇研究[J]. 于歡,張樹清,孔博,李曉峰.  中國圖象圖形學(xué)報(bào). 2010(02)
[7]基于高分辨率遙感影像的不透水面信息提取方法研究[J]. 李彩麗,都金康,左天惠.  遙感信息. 2009(05)
[8]Optimum segmentation of simple objects in high-resolution remote sensing imagery in coastal areas[J]. CHEN Jianyu1,2, PAN Delu1 & MAO Zhihua1 1. State Key Laboratory of Satellite Ocean Environment Dynamics, Second Institute of Oceanography, State Oceanic Admini- stration, Hangzhou 310012, China; 2. Shanghai Institute of Technical Physics, Chinese Academy of Science, Shanghai 200083, China.  Science in China（Series D:Earth Sciences）. 2006(11)
[9]面向?qū)ο蟮牡匚锓诸惙ǚ治雠c評價(jià)[J]. 杜鳳蘭,田慶久,夏學(xué)齊,惠鳳鳴.  遙感技術(shù)與應(yīng)用. 2004(01)
[10]基于馬爾可夫隨機(jī)場的快速圖象分割[J]. 劉偉強(qiáng),陳鴻,夏德深.  中國圖象圖形學(xué)報(bào). 2001(03)

碩士論文
[1]面向?qū)ο蠛鸵?guī)則的高分辨率影像分類和建筑物信息提取研究[D]. 董小姣.湖南科技大學(xué) 2014
[2]高分辨率影像面向?qū)ο蠓诸愄卣鬟x擇方法研究[D]. 楊寧.西安科技大學(xué) 2012
[3]基于WorldView-2影像的面向?qū)ο笮畔⑻崛〖夹g(shù)研究[D]. 陸超.浙江大學(xué) 2012



本文編號：3450760