【正文】 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(shù)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(wú)法輸出有意義的地理信息層。 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。 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。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。這種信息提取方法會(huì)使信息提取過(guò)程變得相對(duì)簡(jiǎn)單和易于理解。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(lái)說(shuō)，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(lái)信息提取的一種趨勢(shì)。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(guò)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(lái)進(jìn)行逐級(jí)分類（由大類到小類，由粗到精的過(guò)程），在分類過(guò)程中，可以綜合利用對(duì)象的光譜、形狀、紋理、拓?fù)洹⑸舷挛年P(guān)系等特征。定義特征空間時(shí)需要注意一點(diǎn)：盡量使用少的特征來(lái)區(qū)分盡可能多的卡類型。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。 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。 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虼擞跋駥?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。選擇控制點(diǎn)時(shí)，注意要使其均勻分布在影像上。 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。倘若將不同特征的數(shù)據(jù)結(jié)合起來(lái)，取長(zhǎng)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。 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。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)。通過(guò)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。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。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。 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。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。用下式分別對(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。可以根據(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。 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）。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。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。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。空間自相關(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。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。 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)。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。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(guò)目視觀察來(lái)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(lái)確定某種特定類別的最優(yōu)分割尺度。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。 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(wú)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。： （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。 多尺度分割的實(shí)驗(yàn)以下以50150的分割尺度對(duì)快鳥(niǎo)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(méi)有考慮50以下和150以上的分割結(jié)果。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。(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。最優(yōu)尺度保證相應(yīng)的地物類別能用影像對(duì)象(包括光譜、形狀、紋理等)較好的表達(dá)。但當(dāng)分辨率提高時(shí)，也增大了同一地物內(nèi)部的光譜響應(yīng)差異，從而導(dǎo)致分類精度降低。 最優(yōu)尺度定義對(duì)于面向?qū)ο蟮男畔⑻崛》椒ǘ?，最?yōu)尺度的選擇包含兩方面的工作:一是選擇影像中最小類別能識(shí)別的最大影像空間分辨率，二是當(dāng)影像空間分辨率確定下來(lái)之后，選擇能夠得到最好分割結(jié)果的最優(yōu)分割參數(shù)，其中最重要的是分割尺度的選擇。分割參數(shù)包括:各波段權(quán)重、均值因子(包括光譜因子和形狀因子，而形狀因子又包括緊密度和光滑度兩個(gè)因子)和分割尺度。其中分割(對(duì)象生成)是面向?qū)ο笮畔⑻崛》椒ǖ幕A(chǔ)，分割結(jié)果的好壞直接關(guān)系到后續(xù)信息提取結(jié)果的精度。(4)對(duì)于面向?qū)ο笮畔⑻崛∮袃煞N方法:標(biāo)準(zhǔn)最臨近法和樣本函數(shù)法(模糊數(shù)學(xué)法)，其中樣本函數(shù)法，對(duì)于特征選擇和分類體系的建立具有較大的依賴性，選擇特征和特征范圍以及建立的分類體系對(duì)分類結(jié)果精度具有較大影響，選擇合適的特征和特征范圍以及建立合適的分類體系是至關(guān)重要的。(2)信息提取結(jié)果的精度完全依賴于初期分割結(jié)果的質(zhì)量。 該方法存在的不足 到目前為止，許多學(xué)者對(duì)這種方法進(jìn)行了大量的研究和試驗(yàn)，得到了比傳統(tǒng)方法精度更高的結(jié)果。同時(shí)也可以根據(jù)子層中相應(yīng)子對(duì)象的一些特征來(lái)確定相應(yīng)子對(duì)象所在父對(duì)象的類別。(2)對(duì)象與子對(duì)象之間的關(guān)系，用來(lái)描述在分割網(wǎng)絡(luò)層次結(jié)構(gòu)中，某對(duì)象和子對(duì)象之間的關(guān)系:(3)對(duì)象和父對(duì)象之間的關(guān)系，用來(lái)描述在分割網(wǎng)絡(luò)層次結(jié)構(gòu)中，某對(duì)象和父對(duì)象之間的關(guān)系。N是行或列的總數(shù)。其中描述紋理最常用的方法是Haralieh等在 1973年提出的灰度共生矩陣(Grey Level Coneurrenee Matrix，GLCM)以及后來(lái)出現(xiàn)的灰度差分矢量(GLDV)。②形狀常用的形狀特征計(jì)算與含義說(shuō)明如下表所示。 （）式中，是由n個(gè)像元組成的影像對(duì)象中的每個(gè)像元值，范圍一般[0,255]，具體范圍由遙感影像的輻射分辨率來(lái)決定。①層特征層特征主要用來(lái)描述每個(gè)區(qū)域各個(gè)波段的特征。(3)受分類其本身的限制，使得分類的特征維數(shù)并不能任意的高，太高的特征維數(shù)也會(huì)降低分類精度。存在問(wèn)題如下:(l)維數(shù)增高時(shí)，數(shù)據(jù)的計(jì)算量增大，運(yùn)算速度會(huì)變慢，這樣在實(shí)際應(yīng)用中的時(shí)效性較難滿足。但是針對(duì)具體問(wèn)題，實(shí)驗(yàn)也證明并不是越多特征就會(huì)導(dǎo)致最好的結(jié)果出現(xiàn)。（2）特征選擇和特征分析在進(jìn)行分類之前，我們需要對(duì)影像分割后的每個(gè)對(duì)象或者區(qū)域進(jìn)行特征提取，提取出每個(gè)對(duì)象或者區(qū)域的各種特征。但這種方法會(huì)限制在分類中所用的對(duì)象信息，如果所用的信息過(guò)多，會(huì)影響分類的速度，使信息冗余增多，使用過(guò)多的對(duì)象信息不但不能提高分類結(jié)果，相反會(huì)降低分類結(jié)果精度，而且這種方法不能很好的利用上下文關(guān)系。其原理是通過(guò)選擇的樣本統(tǒng)計(jì)該樣本類的特征，以這個(gè)特征為中心，以未分類對(duì)象中包含且用于分類的特征與樣本類特征之“差”為距離，該對(duì)象距離那個(gè)樣本類最近，就被分到那個(gè)類別中。（1）標(biāo)準(zhǔn)最鄰近分類法。 影像分類技術(shù) 影像分割與信息提取這兩個(gè)影像處理過(guò)程是相互影響的循環(huán)過(guò)程，影像分割完成后，利用影像對(duì)象的屬性信息建立樣本訓(xùn)練區(qū)，實(shí)現(xiàn)類別信息的提取，反過(guò)來(lái)，在類別信息提取后，通過(guò)成果分析可促進(jìn)影像分割運(yùn)算處理法則的改進(jìn)。光滑度權(quán)重高一些，則會(huì)使生成的多邊形與地物的自然特征更加吻合〔例如：目前，在對(duì)新的影像數(shù)據(jù)進(jìn)行分割時(shí)，最適宜的方法就是嘗試，使用不同的參數(shù)進(jìn)行分割，直到取得令人滿意的分割結(jié)果。如果強(qiáng)調(diào)形狀信息而忽略光譜信息的話，生成的多邊形沒(méi)有定形，并且與特征邊界不嚴(yán)格吻合?？傊?，光譜是優(yōu)化波譜均質(zhì)的變量、平滑度和緊密度是優(yōu)化空間復(fù)雜度的變量，分割尺度是一個(gè)異質(zhì)容許值。這幾個(gè)因子的確定很大程度上是一個(gè)經(jīng)驗(yàn)的過(guò)程，需要反復(fù)的對(duì)比和試驗(yàn)。合理的設(shè)置能夠提高分類結(jié)果的精度，其中，光滑度指對(duì)象邊界的光滑程度，通過(guò)平滑邊界來(lái)優(yōu)化影響對(duì)象；緊致度指影響對(duì)象的緊致程度，通過(guò)聚集度來(lái)優(yōu)化對(duì)象。 多尺度分割網(wǎng)絡(luò)層次結(jié)構(gòu)圖（3）均質(zhì)性因子的選擇：均質(zhì)性因子包括光譜和形狀兩個(gè)屬性因子，其中形狀因子又包括光滑度和緊致度兩個(gè)因子。影像對(duì)象的形狀可以根據(jù)再分類的子對(duì)象進(jìn)行修正。在對(duì)象層次網(wǎng)絡(luò)結(jié)構(gòu)安排方面，按照從大到小、從上到下的排列方式，即原始層(像元層)放在最底層，尺度最大的放在最高層，（如下圖所示）影像對(duì)象的層次網(wǎng)絡(luò)模型給類別信息的提取提供了方便:影像對(duì)象的信息可以在同一時(shí)刻以不同的空間尺度被表達(dá)，因而可依據(jù)它們之間的關(guān)系進(jìn)行分類。不同的分割閾值生成相應(yīng)尺度的對(duì)象層，從而構(gòu)建影像對(duì)象之間的層次網(wǎng)絡(luò)結(jié)構(gòu)，該網(wǎng)絡(luò)以不同空間表示了對(duì)象多邊形所包含的影像信息，每一個(gè)影像對(duì)象“知道”它的左右對(duì)象(鄰域)以及父對(duì)象(上層對(duì)象)、子對(duì)象(下層對(duì)象)。影像分割時(shí)尺度的選擇是很重要的，它直接決定影像對(duì)象分割的質(zhì)量以及信息提取的精度。 （2）分割尺度的選擇：影像多尺度分割中的尺度是一個(gè)關(guān)于多邊形對(duì)象異質(zhì)性最小的閾值，決定生成最小多邊形的級(jí)別大小，與空間分辨率是兩個(gè)不同的概念。某個(gè)波段的權(quán)重越高，在分割過(guò)程中這個(gè)層的信息使用的越多，對(duì)分割結(jié)果的影響越大。（1）波段權(quán)重的選擇：影像各波段權(quán)重的設(shè)置是影響分割結(jié)果質(zhì)量的重要因素之一。 影像分割與分割參數(shù)的確定多尺度影像分割最關(guān)鍵的部分是對(duì)分割參數(shù)的設(shè)置，首先是分割尺度的選擇，即選擇一個(gè)尺度閾值，以此作為像元停止合并的標(biāo)準(zhǔn)；再根據(jù)影像中地物的紋理特征以及所要提取專題信息的要求，確定進(jìn)行分割所需要的光譜因子與形狀因子的權(quán)重。多尺度分割不僅生成了有意義的影像對(duì)象，并且還將原分辨率的影像對(duì)象信息擴(kuò)展到不同尺度上，實(shí)現(xiàn)影像信息的多尺度描述。（2）以影像中任意一個(gè)像元為中心開(kāi)始分割，第一次分割時(shí)單個(gè)像元被看作一個(gè)最小的多邊形對(duì)象參與異質(zhì)性值的計(jì)算；第一次分割完成后，以生成的多邊形對(duì)象為基礎(chǔ)進(jìn)行第二次分割，同樣計(jì)算異質(zhì)性值，判斷f與預(yù)訂的閾值之間的差異，若f小于閾值s，則繼續(xù)進(jìn)行多次的分割，相反則停止影像的分割工作，形成一個(gè)固定尺度值的影像對(duì)象層。 （）和取決于組成對(duì)象的像元數(shù)n，多邊形的邊長(zhǎng)l與同面積的最小邊長(zhǎng)b（）。