【正文】 用一個(gè)或幾個(gè)對(duì)象來表達(dá)，對(duì)象大小與地物目標(biāo)大小接近，對(duì)象多邊形即不能太破碎，也不能邊界模糊，且類別內(nèi)部對(duì)象的光譜變異較小。(2)當(dāng)信息提取針對(duì)整幅影像時(shí)，最優(yōu)尺度指的是分割后，影像對(duì)象內(nèi)部異質(zhì)性盡量的小，而同時(shí)，不同類別對(duì)象之間的異質(zhì)性盡量的大，而且對(duì)象能夠表達(dá)某種地物的基本特征(如:紋理、光譜、形狀、拓?fù)潢P(guān)系等)，其中對(duì)象內(nèi)部同質(zhì)性保證影像對(duì)象的純度，而對(duì)象之間的異質(zhì)性保證影像對(duì)象的可分性。對(duì)于第一種情況，要想對(duì)研究區(qū)域內(nèi)的每種地物類別都進(jìn)行很好的尺度表達(dá)，很可能需要較多的分割層，如果利用的分割層過多，在各層信息提取后的層層合并時(shí)，很難保證各層類別不會(huì)產(chǎn)生沖突，會(huì)影響信息提取的精度，同時(shí)這也影響了信息提取的效率。對(duì)于第二種情況，其雖然能在整體上保證分割結(jié)果的最優(yōu)性，但有些地物類別特征，比如形狀、拓?fù)涞瓤赡艿貌坏胶芎玫谋磉_(dá)，從而在一定程度上也影響最后的信息提取結(jié)果質(zhì)量。這就需要我們?cè)趯?shí)際應(yīng)用中綜合考慮研究區(qū)域的狀況來進(jìn)行最有尺度的選擇，并綜合運(yùn)用其它最優(yōu)尺度的選擇方法，建立合理的最優(yōu)網(wǎng)絡(luò)層次結(jié)構(gòu)。 多尺度分割的實(shí)驗(yàn)以下以50150的分割尺度對(duì)快鳥影像進(jìn)行了多尺度分割，當(dāng)分割尺度小于50時(shí)，分割結(jié)果相當(dāng)破碎，而當(dāng)尺度大于150時(shí)，出現(xiàn)大量的混合現(xiàn)象，故沒有考慮50以下和150以上的分割結(jié)果。由于論文大小的限制和視覺效果，下面只截取了實(shí)驗(yàn)區(qū)域內(nèi)部分區(qū)域和選取部分區(qū)域和選取部分分割結(jié)果。： （a）原始圖像 （b）50，, （c）100, （d）150, 不同分割尺度效果比較 （以上參數(shù)依次為分割尺度、形狀指數(shù)、緊致度） 最優(yōu)尺度的選擇影響分割對(duì)于面向?qū)ο笥跋穹治鍪欠浅Ｖ匾?，影像分割的目?biāo)是得到空間連續(xù)、空間可分且同質(zhì)的區(qū)域。分割過程所面臨的難題是如何輸入合適的參數(shù)來得到高質(zhì)量的分割結(jié)果，以提高信息提取結(jié)果的精度。 最大面積法對(duì)于一種特定的地物類別而言，最優(yōu)分辨率的根本標(biāo)準(zhǔn)是指影像能保持地物目標(biāo)固有的空間結(jié)構(gòu)特征，即該影像的最大分辨率不應(yīng)大于地物目標(biāo)的大小，因此無論是對(duì)于哪種最優(yōu)分辨率的選擇算法，其實(shí)質(zhì)都是選取與類別目標(biāo)大小相當(dāng)?shù)姆直媛首鳛樽顑?yōu)分辨率。在面向?qū)ο笮畔⑻崛≈?，分辨率的概念被影像?duì)象的大小（面積）所替代。影像對(duì)象面積指的是組成對(duì)象的像元數(shù)量與像元分辨率的乘積。黃惠萍在分析最大面積和分割尺度關(guān)系的基礎(chǔ)上，提出了一種利用最大面積來進(jìn)行針對(duì)特定的地物的最優(yōu)尺度的選擇方法。這種方法的基本理論思想是:首先假設(shè)最大面積法與分割尺度具有一定的關(guān)系，然后進(jìn)行多尺度分割，并且記錄每個(gè)不同尺度層的最大面積，并對(duì)最大面積和分割尺度的關(guān)系進(jìn)行統(tǒng)計(jì)，最后得到尺度和最大面積的關(guān)系，并通過目視觀察來確定相應(yīng)最大面積下哪種或哪幾種類別得到了最好的分割，以此來確定某種特定類別的最優(yōu)分割尺度。但這種方法存在局限性，如果所選擇的實(shí)驗(yàn)樣區(qū)內(nèi)有比較均勻的地物類別，尤其是大面積同類地物，在大多數(shù)的分割層次中，最大面積可能表現(xiàn)為這種地物對(duì)象的面積(如QuickBird影像中的水體對(duì)象，IKONOS影像中的紅樹林和海洋)，這樣就需要人為的去觀察哪種地物類別的最優(yōu)尺度對(duì)應(yīng)于這個(gè)最大面積，由于人的觀察能力的限制及地類結(jié)構(gòu)的復(fù)雜性，在一定程度上影響最大面積法的效果。而且，在實(shí)際應(yīng)用中，建立類層次網(wǎng)絡(luò)結(jié)構(gòu)時(shí)，一般為3個(gè)層左右，太多影像分割層會(huì)影響信息提取的效率和質(zhì)量。實(shí)驗(yàn)證明，單獨(dú)的使用最大面積法來選擇最優(yōu)尺度，對(duì)一些區(qū)域或區(qū)域中的某些地物類別并不適用，尤其是針對(duì)研究區(qū)域內(nèi)包含大面積地物類別時(shí)，具有較大的局限性。 目標(biāo)函數(shù)法 在一般的應(yīng)用中(如信息提取或分類中)，針對(duì)整幅影像的理想分割結(jié)果是:(l)分割得到的對(duì)象內(nèi)部具有良好的同質(zhì)性(即不會(huì)產(chǎn)生混合對(duì)象)。(2)分割得到的對(duì)象應(yīng)該與鄰接對(duì)象具有良好的異質(zhì)性(即在分類中能夠很好的和鄰接對(duì)象區(qū)分)。對(duì)象內(nèi)部的同質(zhì)性可以在一定程度上保證分割后得到的影像對(duì)象不是混合對(duì)象，對(duì)象之間的異質(zhì)性在一定程度上保證影像對(duì)象之間的可分性。本文中，利用對(duì)象內(nèi)部的標(biāo)準(zhǔn)差來表示對(duì)象內(nèi)部的異質(zhì)性，用空間相關(guān)性來表示對(duì)象之間的異質(zhì)性?？臻g自相關(guān)性是遙感影像數(shù)據(jù)固有的屬性，并且是空間對(duì)象可分性的一個(gè)很好的指示器。根據(jù)上面的思想，本文中利用一個(gè)目標(biāo)函數(shù)法來評(píng)價(jià)分割后的質(zhì)量，這個(gè)函數(shù)的目的是:使對(duì)象內(nèi)部同質(zhì)性和對(duì)象之間的異質(zhì)性達(dá)到最好的綜合效果。它包括兩部分的內(nèi)容:一部份測(cè)量對(duì)象內(nèi)部的同質(zhì)性，另一部份測(cè)量對(duì)象之間的異質(zhì)性。（1）對(duì)象內(nèi)部同質(zhì)性本文利用對(duì)象內(nèi)部的標(biāo)準(zhǔn)差來表示對(duì)象內(nèi)部的同質(zhì)性，計(jì)算公式如下: ()式中vi是對(duì)象i的標(biāo)準(zhǔn)差，ai是對(duì)象i的面積，n為整個(gè)區(qū)域?qū)ο蟮目倐€(gè)數(shù)。加入面積因子可以使得面積大的對(duì)象具有更高的權(quán)重，避免了小對(duì)象引起的不穩(wěn)定性。（2）對(duì)象之間的異質(zhì)性為了更好的估計(jì)影像對(duì)象之間的異質(zhì)性，本文利用Moran’s指數(shù)I來表示對(duì)象之間的異質(zhì)性。計(jì)算公式如下: （）式中，n為對(duì)象的總數(shù)；wij表示對(duì)象Ri和對(duì)象Rj的相鄰關(guān)系，如果對(duì)象Ri和對(duì)象Rj鄰接，則wij=1，否則wij=0；yi為對(duì)象Ri的光譜平均值；為整個(gè)影像的光譜平均值。I越低，影像對(duì)象之間相關(guān)性越低，即影像對(duì)象之間可分性越好。 目標(biāo)函數(shù)最好的參數(shù)組合是具有小的I參數(shù)（鄰接對(duì)象時(shí)不同的）以及小的內(nèi)部方差（對(duì)象是同質(zhì)的）。目標(biāo)函數(shù)的公式如下： （）其中為指數(shù)I在目標(biāo)函數(shù)值中所占的權(quán)重，范圍為[0,1]?？梢愿鶕?jù)強(qiáng)調(diào)對(duì)象內(nèi)部同質(zhì)性和對(duì)象之間異質(zhì)性的不同，對(duì)權(quán)重進(jìn)行調(diào)整。到強(qiáng)調(diào)對(duì)象內(nèi)部同質(zhì)性時(shí)，值要適當(dāng)減??；當(dāng)強(qiáng)調(diào)對(duì)象之間異質(zhì)性時(shí)，值適當(dāng)?shù)脑黾印Ｓ孟率椒謩e對(duì)函數(shù)和進(jìn)行了標(biāo)準(zhǔn)化，如式（）： （） 實(shí)驗(yàn)結(jié)果和分析有上式的理論可以得到如下結(jié)論：隨著分割尺度的增加，影像對(duì)象面積增大，包含的像元增多，對(duì)象內(nèi)部的v也會(huì)增加，而鄰接對(duì)象之間的相關(guān)性會(huì)降低，即I值會(huì)減小，總之，v會(huì)隨著尺度的增加而增加，而I會(huì)隨著尺度的增加而減少。要想得到理想的分割結(jié)果（即對(duì)象內(nèi)部具有較高的同質(zhì)性，同時(shí)對(duì)象之間具有較好的異質(zhì)性），其實(shí)是v和I相互協(xié)調(diào)的過程。從理論上可以看出，當(dāng)F（v，I）取到最大值時(shí)得到最好的分割結(jié)果，這時(shí)v和I具有最好的組合效果。下圖是不同分割尺度下的圖像顯示結(jié)果： （a）分割尺度=50 （b）分割尺度=150 （c）分割尺度=300 （d）分割尺度=500由上圖可以看出，當(dāng)分割尺度=300時(shí)陸地的分割效果相對(duì)而言是較好的，在這種分割尺度下，非植被、草地、林地都得到了較好的分割；而分割尺度=500時(shí)海面的分割效果是較好的，在這種分割尺度下海水、其他水體、淺水都得到了較好的分割。 本章小結(jié)本章在分析最優(yōu)尺度定義的基礎(chǔ)上，利用光譜統(tǒng)計(jì)法進(jìn)行了v波段權(quán)重的設(shè)置。然后依據(jù)選擇的分割參數(shù)（除尺度外）對(duì)研究地區(qū)進(jìn)行了多尺度分割，在此基礎(chǔ)上分析了最大面積法在進(jìn)行最優(yōu)尺度選擇時(shí)存在的局限性，最后提出一種目標(biāo)函數(shù)來進(jìn)行最優(yōu)尺度選擇。在進(jìn)行多尺度分割時(shí)，各波段權(quán)重的設(shè)置也是非常重要的，與分割結(jié)果的精度有著較大的聯(lián)系。利用波段統(tǒng)計(jì)法，統(tǒng)計(jì)分析了個(gè)各波段的信息量（協(xié)方差矩陣）和和波段間的相關(guān)性（相關(guān)矩陣），根據(jù)這些信息進(jìn)行了各波段權(quán)重的設(shè)置。在分析最大面積法進(jìn)行最優(yōu)尺度選擇的局限性的基礎(chǔ)上提出了一種新的方法，目標(biāo)函數(shù)法。其基本思想是：保證分割后的對(duì)象既具有較好的內(nèi)部同質(zhì)性，又保證對(duì)象之間較好的異質(zhì)性。通過實(shí)驗(yàn)可以發(fā)現(xiàn)，對(duì)于大面積的地物類別，特別是類別內(nèi)部異質(zhì)性較大時(shí)，容易得到比較破碎的影像對(duì)象，不利于這種地物類別的提取。39內(nèi)蒙古農(nóng)業(yè)大學(xué)本科畢業(yè)設(shè)計(jì) 4 面向?qū)ο筮b感信息提取實(shí)驗(yàn)4 面向?qū)ο筮b感信息提取實(shí)驗(yàn) 面向?qū)ο笮畔⑻崛〖夹g(shù)包含兩個(gè)關(guān)鍵技術(shù)—多尺度分割和基于對(duì)象的信息提取。在多尺度分割中分割算法的選擇和分割參數(shù)的設(shè)置是非常重要的，這在前面的章節(jié)中已經(jīng)進(jìn)行了敘述，并對(duì)分割參數(shù)的選擇進(jìn)行了論述和實(shí)驗(yàn)。在影像分類中的關(guān)鍵技術(shù)是分類體系的建立和分類特征的選擇，分類體系的建立和分類特征的選擇對(duì)操作者的經(jīng)驗(yàn)要求比較高，需要具備較多的遙感知識(shí)。 遙感影像預(yù)處理遙感影像在應(yīng)用之前必須進(jìn)行必要的預(yù)處理，包括遙感圖像的糾正、融合、輻射糾正等。 遙感影像融合由于成像原理和技術(shù)條件的限制，任何一個(gè)單一遙感器的遙感數(shù)據(jù)都不能全面反映目標(biāo)對(duì)象的特征，都有一定的應(yīng)用范圍和局限性。倘若將不同特征的數(shù)據(jù)結(jié)合起來，取長補(bǔ)短，便可發(fā)揮各自的優(yōu)勢(shì)、彌補(bǔ)各自的不足，從而更全面的反映地面目標(biāo)，提供更強(qiáng)的信息，得到更可靠的分析結(jié)果。這樣不僅擴(kuò)大了數(shù)據(jù)的應(yīng)用范圍，而且提高了分析精度、應(yīng)用效果和實(shí)使用價(jià)值。 遙感影像精糾正幾何糾正是利用一組地面控制點(diǎn)對(duì)由各種因素引起的遙感影像的幾何畸變進(jìn)行糾正，它直接利用地面控制點(diǎn)數(shù)據(jù)對(duì)遙感影像的幾何畸變本身進(jìn)行數(shù)學(xué)模擬，并且認(rèn)為遙感影像的總體畸變可以看做是擠壓、扭曲、縮放、偏移以及其他變形綜合作用的結(jié)果。 在幾何糾正的過程中，控制點(diǎn)的選擇是一個(gè)很重要的因素。選擇控制點(diǎn)時(shí)，注意要使其均勻分布在影像上。為了保證控制點(diǎn)本身的精確，一般選在影像上易分辨且目標(biāo)較小的突出特征，如道路的交叉點(diǎn)、河流的分叉或彎曲處、小島嶼、飛機(jī)場(chǎng)等，而且保證這些控制點(diǎn)在研究的時(shí)間范圍內(nèi)沒有變化。 多尺度分割參數(shù)選擇實(shí)驗(yàn) 影像對(duì)象是面向?qū)ο笥跋裥畔⑻崛〉幕締卧?，因此影像?duì)象的生成是一個(gè)基礎(chǔ)而且重要的步驟，而選擇合適的分割法和設(shè)置合理的分割參數(shù)是產(chǎn)生高質(zhì)量分割結(jié)果的重中之重。本文采用基于區(qū)域生長的多尺度分割方法進(jìn)行了實(shí)驗(yàn)，關(guān)于分割參數(shù)的選擇在第三章中已經(jīng)進(jìn)行了論述和實(shí)驗(yàn)。 面向?qū)ο笮畔⒌奶崛∶嫦驅(qū)ο裥畔⒌奶崛∮袃煞N方法：標(biāo)準(zhǔn)最鄰近法和成員函數(shù)法。本文利用標(biāo)準(zhǔn)最鄰近分類法進(jìn)行了影像信息的提取。標(biāo)準(zhǔn)最鄰近法是基于樣本的分類方法，即選取樣本后再分類。通過定義特征空間，計(jì)算特征空間中影像對(duì)象之間的距離，選擇具有代表性的樣本來實(shí)現(xiàn)某種信息的提取。定義特征空間時(shí)需要注意一點(diǎn)：盡量使用少的特征來區(qū)分盡可能多的卡類型。在一個(gè)描述中如果使用太多的特征會(huì)在特征空間中導(dǎo)致巨大的重復(fù)，使分類復(fù)雜化且會(huì)降低分類精度。所謂成員函數(shù)法就是一種基于規(guī)則的分類方法，即通過地物對(duì)象特征的分析，建立合適的分類體系和分類準(zhǔn)則，來進(jìn)行逐級(jí)分類（由大類到小類，由粗到精的過程），在分類過程中，可以綜合利用對(duì)象的光譜、形狀、紋理、拓?fù)?、上下文關(guān)系等特征。設(shè)置成員函數(shù)時(shí)，應(yīng)當(dāng)選擇提取類別最顯著的特征加入規(guī)則庫。標(biāo)準(zhǔn)最鄰近分類法是一種特殊的監(jiān)督分類法，其只能建立一級(jí)的分類，對(duì)于高分辨率遙感影像來說，其可分類別特別多，類別內(nèi)部異質(zhì)性增大，使得只在一種等級(jí)上提取每種地物類別幾乎是不可能的，分等級(jí)的地物類別信息提取時(shí)將來信息提取的一種趨勢(shì)。成員函數(shù)信息提取方法就可以根據(jù)規(guī)則，建立分等級(jí)的信息提取，比如對(duì)于一個(gè)區(qū)域，我們可以將整個(gè)研究區(qū)首先分成兩個(gè)類別：陸地和水體，然后在這個(gè)基礎(chǔ)上陸地和水體中加入子類，進(jìn)一步對(duì)水體和陸地分類，分類過程類似于一種二叉樹，子類的區(qū)分只在相應(yīng)的父類中進(jìn)行，而不去考慮其他。這種信息提取方法會(huì)使信息提取過程變得相對(duì)簡單和易于理解。當(dāng)在描述中插入最鄰近分類器之前，要定義特征空間，在特征空間對(duì)象之間的距離將被計(jì)算。相比傳統(tǒng)的最鄰近方法，此標(biāo)準(zhǔn)鄰域是一個(gè)項(xiàng)目的一種定義，因此可以用一個(gè)有代表性的特征空間作用到所有的類描述中。當(dāng)你在任一地方改變標(biāo)準(zhǔn)最近鄰域的特征空間時(shí)，其他地方的也會(huì)隨之改變。 影像信息提取實(shí)驗(yàn)（1）建立分類體系（2）最鄰近分類器的建立（3）編輯分類規(guī)則對(duì)話框，對(duì)算法類型、影像對(duì)象域、算法參數(shù)進(jìn)行設(shè)置。（4）執(zhí)行規(guī)則，此處用多度分割，分割結(jié)果如下： 從結(jié)果看出海水被分成很多零碎的部分，而有的綠地卻和淺水分在一起，此處運(yùn)用merge和cut功能將錯(cuò)分對(duì)象歸并到正確的類中，如下圖：（5）定義樣本對(duì)象將圖像進(jìn)行再次分類 此時(shí)的分類結(jié)果基本符合要求。 面向?qū)ο蠛突谙裨畔⑻崛〉谋容^面向?qū)ο笈c傳統(tǒng)分類方法的本質(zhì)區(qū)別就是：面向?qū)ο蠖皇窍袼剡M(jìn)行分類。面向像素的解算模式將像元孤立化分析，解譯精度較低且斑點(diǎn)噪聲難以消除；利用影像分割技術(shù)把影像分解成具有一定相似特征的像元的集合——影像對(duì)象；影像對(duì)象和像元相比，具有多元特征：顏色、大小、形狀、均質(zhì)性等。下圖分別是面向?qū)ο蠛突谙裨挠跋裉崛〗Y(jié)果：（a）面向?qū)ο蟮挠跋裉崛? （b）基于像元的影像提取 面向?qū)ο蟮膶傩蕴攸c(diǎn)： 基于像元的分類結(jié)果：顏色信息豐富 由于采用的數(shù)據(jù)空間分辨率高，形狀接近真實(shí)地物 而光譜分辨率相對(duì)不足，傳統(tǒng)的基于大小區(qū)分明顯 像素的分類方法，主要是依靠光譜信紋理信息突出 息，水體、草地、樹等很難區(qū)分，造上下文關(guān)系明確 成大面積的地物混分，且分類結(jié)果多此處用最近鄰像元分類法得到初分類 椒鹽，無法輸出有意義的地理信息層。 結(jié)果，對(duì)分類結(jié)果進(jìn)行手工修改和進(jìn)行基于分類