下载文档原格式
基于遥感技术的森林树种精细分类研究进展与展望辽宁铁岭112000摘要：遥感是一种综合技术，可用于从各种平台(远离地面的工作平台)探测地球表面的电磁辐射信息，并通过分析信息的传输、处理和解释获得表面物体的几何和物理特性。
遥感作为一种空间探索技术，是一种综合和性感的技术，通过航空摄影和口译以及电子计算机技术的进步而发展起来，迄今已经历了三个阶段:地面遥感、空中遥感和空间遥感。
2 .森林遥感是指可应用于森林的遥感技术，利用非接触式和非接触式观测技术研究和记录生物、地理、生态和其他与森林有关的信息。
中国的森林遥感研究经历了三个重要阶段，从地方应用研究到高科技基础研究和大规模应用。
本文根据中国森林遥感研究和应用方面具有代表性的文献和信息，总结和总结了中国森林遥感应用的发展动态和现状。
关键词：树种分类;精细分类;遥感技术;研究进展引言遥感技术更准确地测量和检测无线电波、红外射线和其他远距离反射目标并自行确定目标的光能传递物体。
20世纪60年代初，这项技术在航空摄影、判断等基础上发展成为一项与空间技术和计算技术的迅速扩展相联系的综合感官技术。
此外，近几年来，遥测技术有了很大的发展，包括各种内容，如数据的获取和传输、信息的存储等。
它允许准确收集地理数据，这些数据可用于许多领域，例如气候变化、土地监测和准确监测森林植物和植物的范围。
此外，遥感技术在林业方面的应用相对较快，对促进现代森林的发展至关重要，是林业建设的重要工具，也是环境保护的重要作用。
1无人机遥感技术概述对无人机遥感系统进行全面分析可知，其涉及的构成单位相对较为复杂，不仅涉及传感器以及自动化飞行平台等内容，还囊括地对空控制系统、操作系统以及无人机影像传输系统等内容。
通常情况下，在小型无人机所搭载的设备当中，质量都需要稳定控制在15kg以内，并且无人机飞行高度也不能超过3000m。
在实际飞行过程中，最大速度也要结合实际情况进行稳定控制，而如果应用场景与应用需求方面出现变化，就应当选择好不同类型的传感器，确保对应的遥感数据信息能够被及时获取。
IGITCW技术 研究Technology Study34DIGITCW2023.07目前，遥感图像解译存在两大难点：一是不同地物难以分割开，二是地物分类不准确。
随着遥感影像分辨率的提高和高分影像获取能力的提升，应用面向对象技术进行高分影像分析越来越普遍，而多尺度分割技术是面向对象影像分析技术中的一个关键步骤，它对影像分析结果有重要影响[1]。
近年来，得益于深度学习技术的快速发展，各种深度学习网络，完成了各种高性能的计算机视觉任务，如图像分类、自然语言处理、语音识别等。
由于CNN 在图像分类方面取得了较好的效果，许多学者基于CNN 发展了遥感影像语义分割算法[2]。
面向对象方法与深度学习方法有各自的优缺点。
面向对象的多尺度自动/半自动分割方法可以将不同的地物分割到不同的对象之中，但是对光谱、形状、纹理等地物特征描述不够全面，信息量不足以支撑地物分类和识别[3]；深度学习方法可以掌握不同对象的形状、纹理特性，用以指导地物分类，但是不能准确地得到地物大小范围等信息[4]。
二者的有机结合可以有效地进行地物识别分类。
在实际生产中，面向大空间范围的自然资源典型地类信息自动提取，样本制作的工作量巨大。
在目标样本数量相对较少的情况下，如何实现高精度高效率的目标地物提取，基于小样本条件下深度学习模型高可信迭代技术可为其提供有效途径。
1 面向对象多尺度分割图像分割本质上是将一幅M ×N 阵列的数字图像划分为若干个互不交叠区域的过程。
多尺度分割算法首先应该保证能生成高度同质性（或异质性最小）的影像分割区域（影像对象），从而适于最佳分离和表示地物目标[5]。
在某指定的尺度下分割时，采用自单像元大小的区域开始，相邻影像区域两两合并增长的方法。
影像区域同质性可以通过异质性的计算来表达。
多尺度分割能够保证在合适的尺度进行对象的分割。
面向对象的分割尺度包括大尺度分割层、中尺度分割层和小尺度分割层，最底层为像元。
为了达到比较基于面向对象与深度学习方法的遥感影像自动提取技术研究窦雅娟（中色蓝图科技股份有限公司，北京 101312）摘要：文章在对面向对象多尺度分割技术和深度学习技术分别进行理论、方法阐述后，开展目标区建设用地和非建设用地自动提取实例研究。
面向对象的高分辨率遥感影像信息提取)))以耕地提取为例李敏¹,º,崔世勇º,李成名º,印洁º,李云岭¹(¹山东科技大学测绘学院,青岛266510;º中国测绘科学研究院,北京100039)摘要:随着高分辨率遥感影像的广泛应用,面向对象的高分辨率影像信息提取技术得到了迅速发展。
本文着重讨论面向对象的高分辨率遥感信息提取的关键技术,探索了面向对象的影像分析软件eCognition 在耕地信息提取方面的最优参数选择,并且从IK ONO S 影像中提取的耕地信息与传统分类方法的提取结果进行对比。
试验结果表明该方法具有较高的精度。
关键词:面向对象;高分辨率;信息提取;eCognit ion中图分类号:T P751 文献标识码:A 文章编号:1000-3177(2008)100-0063-04收稿日期:2008-03-03修订日期:2008-05-04作者简介:李敏(1983~),女,硕士,主要从事地理信息与遥感应用研究。
E -m ail:limin82128@1 引 言随着高分辨率遥感卫星的发展,具有丰富的几何结构和纹理信息的高分辨率遥感影像扩充了人们的视野,同时又为遥感信息提取技术提供了新的发展机遇。
传统的遥感信息提取方法都建立在像素的统计特征基础上,很少利用地物的形状、几何结构等信息,分类精度较低、效率不高,而且依赖解译人员,很大程度上不具备重复性。
为了更好地利用高分辨率遥感影像的丰富信息,实现高分辨率遥感影像的信息提取,面向对象的影像分析方法应运而生,它所处理的信息不再是低层次的像素,而是经过多尺度分割之后的目标对象。
与像素层面的分析方法相比,影像分析和理解的层次有了很大的提高和进步。
尤其是第一个面向对象的影像分析软件eCognitio n 的出现,更加速了该方法的发展。
本文就基于eCog nition 进行研究。
2 面向对象的信息提取技术2.1面向对象信息提取技术发展历程早在20世纪70年代面向对象的信息提取方法就被应用于遥感影像的解译中,Ketting and Land -g rebe(1976)提出了同质性对象提取的优点,并提出了一种分割分类算法)))ECH O (Ex tr actio n andClassificatio n o f H omog enous Objects)[1]。
面向对象的遥感影像信息提取研究刘小鹏;窦关新;赵宝军;韩丛波【摘要】结合地理国情监测,从理论和实践上分析了面向对象的遥感影像信息提取的意义,提出了面向对象的遥感影像多尺度信息提取的算法、流程及关键技术环节,在应用的基础上对解译结果进行了分析与评定,总结了经验及技巧,指出了目前应用中仍存在的难点和今后的研究重点.【期刊名称】《北京测绘》【年(卷),期】2016(000)002【总页数】4页(P106-109)【关键词】高分辨率;面向对象;多尺度;算法【作者】刘小鹏;窦关新;赵宝军;韩丛波【作者单位】国家测绘地理信息局第二地形测量队,陕西西安710054;国家测绘地理信息局第二地形测量队,陕西西安710054;国家测绘地理信息局第二地形测量队,陕西西安710054;国家测绘地理信息局第二地形测量队,陕西西安710054【正文语种】中文【中图分类】P2371 引言近年来，传感器技术得到快速发展，卫星遥感呈现出多平台、多传感器、多角度和高空间分辨率、高光谱分辨率、高时间分辨率的特点。
其中，高分辨率遥感的重要特征之一是高空间分辨率，也是目前遥感领域普遍关注的重点。
基于高分辨率遥感影像的信息提取技术已经成为遥感界应用研究的热点之一，遥感图像信息提取的研究，将推进遥感信息提取技术从基于像元的分类转为面向对象的识别。
地理国情监测是综合利用“3S”等现代测绘地理信息技术，基于高分辨率遥感卫星影像，整合各时期的测绘成果档案，对自然、人文等地理要素进行动态监测，以全面掌握地表自然、生态以及人类活动的基本情况。
2 面向对象分类方法2.1 基本概念面向对象的遥感影像信息提取，需先对遥感影像数据进行分割，从二维化了的影像信息阵列中恢复出影像所反映的景观场景中目标地物的空间形状及组合方式。
影像的最小单元不再是单个像素，而是一个个对象，后续的影像分析和处理也都基于对象进行。
建立不同尺度的分类层次，在每一层上分别定义不同类别对象的纹理特征、光谱特征、形状特征、等级特征以及上下文相邻关系特征等。
高分辨率遥感影像面向对象耕地信息提取方法探讨摘要:随着高分辨率遥感技术发展,高分辨率遥感影像得到广泛应用,特别是高分辨率遥感影像面向对象信息提取技术应用广泛。
本文以某地区遥感影像为基础数据,探讨了高分辨率遥感影像面向对象耕地信息提取的技术方法,并对耕地信息提取实验结果进行精度评价,得到了良好的效果。
关键词:面向对象特征提取耕地随着遥感卫星技术的发展,高分辨率遥感影像得到了普遍应用,遥感信息提取技术得到了快速发展,特别是面向对象高分辨率遥感影像信息提取技术的实现,为人们的生产生活提供了极大方便。
面向对象提取技术促进了影像分析技术的发展[1],与传统的基于像素的分类结果相比,基于目标对象的方法得到的结果更容易被解译,而且处理结果中图斑的完整性更好[2]。
特别是利用面向对象的分类方法进行了耕地信息提取,能达到理想的精度,效果较好。
本文就基于ENVI EX高分辨率遥感影像面向对象耕地信息提取技术方法进行探讨。
1 研究区域和影像数据1.1 数据源为了准确的提取耕地信息,选择某城市全色波段与多光谱融合后的影像作为实验数据,研究区域中包括典型的耕地,以及少量的建筑物和水体。
2 耕地信息提取及分类2.1 发现对象2.1.1 准备工作根据数据源和特征提取类型等情况,进行分类提取之前,可以有选择地对对原始影像进行几何校正、辐射校正等预处理工作,如调整空间分辨率、调整光谱分辨率等。
2.1.2 影像分割及分割参数的确定影像多尺度分割中的尺度是一个关于多边形对象异质性最小的阈值,决定生成最小多边形的级别大小,分割的质量及信息提取的精度。
ENVI EX提供了一种阈值法进一步精炼分块的方法,即基于亮度值的栅格操作,根据分割后结果中的一个波段的亮度值聚合分块。
分割效果的好坏一定程度决定了分类效果的精确度,结合preview 预览分割效果,选择一个理想的分割阀值,尽可能好地分割出边缘特征。
根据参数选择原则,设置分割参数,通过试验得出,分割尺度为50,耕地类型能够被准确的分割出来,该参数比较合适。
基于面向对象的遥感影像植被信息提取李春艳【摘要】介绍了基于面向对象的遥感影像分类方法,借用eCognition软件通过设置不同分割尺度参数及特征值,进行了一个分割分类实例试验.结果显示,与传统的基于像元的分类方法相比,面向对象的遥感影像分类方法具有很好的效果,提高了分类提取的精度.%An classification method based on object-oriented remote sensing image is introduced. A split classification is proceed test by using the eCognition software under different segmentation scale parameters and characteristic values. The results show that the object-oriented remote sensing image classification method has a better effect than the traditional pixel-based classification methods, and improved the accuracy of classification extraction.【期刊名称】《科学技术与工程》【年(卷),期】2012(012)008【总页数】4页(P1941-1943,1990)【关键词】面向对象;遥感影像;eCognition;分类【作者】李春艳【作者单位】昆明理工大学国土资源工程学院,昆明650093【正文语种】中文【中图分类】TP751;P237随着遥感技术的迅速发展，遥感已成为GIS重要的数据源和数据更新手段［1］。
遥感影像正是地面实体及其空间位置的很好反映，遥感影像中自动提取目标信息方法，国内外在这方面已有一些研究进展。
基于面向对象的高分辨率遥感影像目标信息提取吴文欢;于宏;赵英俊;陆冬华;伊丕源【期刊名称】《世界核地质科学》【年(卷),期】2016(033)002【摘要】分析比较多光谱遥感影像分割任务中应用较多的3种分割算法,得出分形网络演化(FNEA)方法在影像对象获取中的优势明显.综合考虑目标地物的光谱、形状、纹理结构等属性特征,上下文语义特征,空间关系特征,辅以地物的边缘信息,提取研究区高分辨率遥感影像地物信息,并对分类结果进行精度评价,实验表明,基于面向对象的FNEA算法在高分辨率遥感影像目标信息提取方面具有良好的应用价值.【总页数】5页(P91-95)【作者】吴文欢;于宏;赵英俊;陆冬华;伊丕源【作者单位】核工业北京地质研究院,遥感信息与图像分析技术国家级重点实验室,北京100029;核工业北京地质研究院,遥感信息与图像分析技术国家级重点实验室,北京100029;核工业北京地质研究院,遥感信息与图像分析技术国家级重点实验室,北京100029;核工业北京地质研究院,遥感信息与图像分析技术国家级重点实验室,北京100029;核工业北京地质研究院,遥感信息与图像分析技术国家级重点实验室,北京100029【正文语种】中文【中图分类】TP75【相关文献】1.面向对象的高分辨率遥感影像植被信息提取研究 [J], 唐天琦;程良勇;王海;连懿2.面向对象的高分辨率遥感影像建筑物震害信息提取 [J], 甘甜;李金平;李小强;王刘伟3.一种面向对象的高分辨率遥感影像信息提取方法 [J], 胡金梅;董张玉;杨学志4.面向对象的高分辨率遥感影像建筑物信息提取 [J], 韩东成;杨世植(导师);赵强;韩露;杨志;崔生成5.基于面向对象的高分辨率遥感影像道路信息提取方法 [J], 吕建国因版权原因，仅展示原文概要，查看原文内容请购买。
收稿日期:2006-02-22;修订日期:2006-07-12基金项目:宁夏大学青年教师科研启动基金资助(QN0521)作者简介:杜灵通(1980-),男,硕士研究生毕业,主要从事遥感应用研究。
基于遥感的退耕还林监测技术及其应用前景杜灵通(宁夏大学西部发展研究中心,宁夏银川 750021)摘要:针对退耕还林工程动态监测任务繁重、投入大且人工监测精确性低的问题,在前人研究的基础上,根据退耕还林监测的需求,对遥感数据源的选择、数据的处理过程及在退耕还林监测中的应用做了详细的探讨,较完善地提出了基于遥感技术的退耕还林监测技术。
并通过与传统监测方法的对比,得出遥感在退耕还林监测中具有广阔的应用前景。
最后,指出多源数据融合和发展新的遥感信息提取方法将是该技术今后的重点发展方向。
关 键 词:遥感;退耕还林;监测;影像中图分类号: 文献标识码:A 文章编号:1004-0323(2006)05-0477-061 引 言退耕还林是国家为改善西部生态环境而实施的一项生态工程,主要解决重点地区的水土流失和土地沙化问题〔1,2〕。
目前退耕还林工程质量的检查主要通过县级自查、省级复查和国家核查的三级检查方式进行〔3〕。
这几种检查方法基本上都是以人工实地调查测定为主。
这不仅耗费大量的人力、物力和财力,而且目前的这种三级检查形式除了县级自检是全面检查以外,其它二级检查方式都是抽查,检查的比例在30%以下。
而县级自检有时带有一定的主观性,甚至少数情况下出现虚报瞒报的情况,这样难以保证检查的质量,影响了国家的宏观决策〔3〕。
因此,如何及时准确地检查和监测退耕还林工程对保证退耕还林的顺利进行具有重要的意义。
目前,国内一些学者尝试将遥感技术应用到退耕工程的检查和监测中来〔4-9〕,通过部分地区的试验研究,结果表明,该技术具有一定的可行性和实用价值。
2 退耕还林工程的遥感监测技术2.1 遥感数据源常用的遥感数据有美国陆地卫星(Landsat )的TM 和M SS 遥感数据、法国SPOT 卫星遥感数据、中巴资源卫星(CBERS )的CCD 数据、QuickBird 、IKONOS 等中高分辨率卫星数据。
第42卷增刊12006年9月林业科学SCIE NTI A SI LVAE SI NIC AE V ol 142,S p.1Sep.,2006基于面向对象技术的退耕还林树冠遥感信息提取研究黄建文 陈永富 鞠洪波(中国林业科学研究院资源信息研究所 北京100091)摘 要: 利用张家口退耕区016m 分辨率的快鸟(QuickBird )遥感影像,进行退耕区新造林地的长势监测。
对快鸟影像进行正射校正,运用高斯滤波进行图像增强,减少噪音,增强退耕地的树冠信息。
采用面向对象的图像信息提取技术,提取退耕还林地树冠信息,统计树冠面积,计算退耕还林造林成活率。
根据实际测量的数据进行误差检验,由遥感数据自动提取的树冠面积平均误差为01763m 2,计算出的成活率精度为891837%,为退耕还林的规划管理提供科学准确的依据。
关键词: 快鸟影像;退耕还林;面向对象的信息提取;树冠;成活率中图分类号:S77118 文献标识码:A 文章编号:1001-7488(2006)增1-0068-04收稿日期:2005-06-24。
基金项目:科技部社会公益项目“国家重大林业生态工程监测与评价技术研究”(2002DIA50035)。
Study on T ree -Crow n Extraction from Q uickBird Imagery B ased on Object -Oriented Approachin the Project of Converting Cropland to ForestHuang Jianwen Chen Y ong fu Ju H ongbo(Research Institute o f Forest Resources In formation Techniques ,C AF Beijing 100091)Abstract : The purpose of this paper is to m onitor the growth of new planting trees in the cropland being converted to forests in the project of converting cropland to forest using QuickBird high resolution (016m )rem ote sensing image in Zhangjiakou ,Hebei Province.Ortho-rectification has been done for QuickBird image.G aussian filter was applied to the image to im prove the tree crown in formation and control image noise.T ree crown classifictation of QuickBird data was performed by using object-oriented image analysis ,therefore ,crown area was obtained and new planting trees survival rate was calculated based on the tree crown classification results.Finally ,accuracy inspection had been done according to field measurement data ,the results showed that the average error of crown area was 01763m 2,the accuracy of survivae rate was 891837%,The study will provide a scientific basis for programm ing and management of the project of converting cropland to forest.K ey w ords : QuickBird imagery ;convertion of cropland to forest ;object-oriented image analysis ;tree crown ;survival rate近年来高分辨率商业遥感卫星迅速发展,给退耕还林的遥感应用提供了强大的技术支撑。
由于遥感图像的每个亮度值都和一个空间位置相关联,遥感图像亮度值的空间分布成为提取各类地物重要的信息源(S ong et al .,2003)。
高分辨率遥感图像提供了大量细节信息,使提取更多的空间信息和探测较小的目标对象成为可能,1m 以内分辨率的卫星影像不仅可以清楚地探测到地块信息,而且可以详细到每一个新植苗木。
利用高分辨率的卫星影像提取退耕还林新造林木信息,目前还未见报道。
高分辨率的信息提取技术不同于传统的遥感信息提取,由于图像内容繁多,信息量大并相互干扰,给提取目标地物带来困难(张永生等,2004),面向对象的信息提取技术是一个崭新的领域,本文应用面向对象的提取技术提取树冠信息。
1 材料与方法111 遥感数据的选取和处理选择合适的快鸟(QuickBird )数据产品,对后续的研究工作很重要。
本研究共接收了覆盖试验地的3个时相快鸟影像,时间分别是2002年11月26日、2003年6月17日和2004年7月2日,反映退耕造林年1年、次年和第3年的情况。
其中,2002年的影像由于接近冬季,苗木落叶,影像上虽能识别出来,但阴影重,不明显;2003年的影像清晰度较差,识别不出新造林木;2004年图像清晰度高,明显地反映出了新造林木现状,用于提取树冠信息。
用地面采集的G PS 点作为控制点对遥感图像进行了正射校正。
112 试验区调查张家口市(113°50′-116°30′E ,39°30′-42°10′N )平均海拔800～1400m 。
属大陆性季风气候,年均降水量350mm 左右,年均气温6℃左右。
植被5月中下旬开始发芽,10月下旬落叶。
所调查的退耕地属于该市的三合农场,退耕还林工作从2002年开始,2004年结束。
植苗造林,以山杏(Armeniaca sibirica )为主,树冠1～3m ,地垄无杂草,基本是裸露的土地。
选取3块样地,大小均为015hm 2,进行每木测量。
地面调查时间为2004年6月8日,而接收的影像是2004年7月2日,所以,实地测量与影像上的林木大小吻合。
113 退耕地树冠的自动提取利用快鸟提取树冠的目的是开发一种方法,用遥感图像的空间属性估算树冠尺寸。
面向对象的影像分析技术解决了从高分辨率遥感影像数据中快速提取信息的难题(黄慧萍等,2004),该技术采用一种新颖独特的影像多尺度分割技术,从一个像元对象开始,自底向上进行区域合并。
影像分割的目地是用现实世界的意义来描述影像对象,对于复杂的地物覆盖,使用2次以上分割来实现不同尺度地物的分类,第1次的分类结果作为第2次有意义分割的输入(Schneider et al .,1999),以任意尺度生成属性信息类似的影像多边形对象。
针对不同的影像对象层,利用隶属度函数进行分类。
隶属度函数引入了模糊概念主要是因为在某些判别规则下,类别的判别标准不是离散的,例如亮度值,很可能某一亮度值对应着几个不同的类别,模糊函数相当于在类的边缘上加入缓冲区,更接近人类认知方式。
由于考虑了影像对象的形状特征、相邻关系、类间特征等,比基于像元依赖光谱特征的常规分类具备很大的优越性。
本研究首先进行大尺度分割,提取植被、非植被;然后进行小尺度分割提取树冠。
2 结果与分析211 3种滤波增强方法的对比虽然目视解译很容易区分出一棵棵的小树,但若要自动提取,存在一定困难。
先尝试用融合后的4个波段图像进行树冠信息提取,结果并不理想,田垄边的树冠受背景影响连成一片,无法单个提取出来。
究其原因,是大部分小树的树冠在215～3m ,在2144m 的多光谱图像上无法探测到,而在全色图像上,也仅仅是16个像元左右,而且树冠光谱并不均匀,尤其是树冠边界处光谱信息细碎,受无关信息的影响大,很难准确提取。
本研究采用滤波增强后的全色波段图像进行树冠提取,即用3×3滤波器对全色波段图像进行增强处理,去除部分无用信息,突出目标地物,从而使树冠信息的光谱均匀,便于提取。
由图1可以看出,全色波段图像的直方图呈双峰,经过滤波后,图像基本呈正态分布,抑制了图像噪音。
其中,中值滤波图像的直方图虽接近正态分布,在350～400的亮度范围形成一个陡坡,但缺乏对细碎信息的抑制,不利于信息的自动提取。
均值滤波图像的直方图接近正态分布,但其主要亮度分布范围比高斯滤波图像窄,高斯滤波图像的直方图更接近正态分布,其像元灰度值的分布范围较宽,提高了图像的对比度和层次感,既滤掉了一些嘈杂的地物光谱信息,使树冠光谱变均匀,又能保留每一棵树冠的有用信息。
212 面向对象的树冠信息提取21211 退耕地树冠调查的分类系统 提取树冠的分类系统较简单,分为植被和非植被2大类,其中植被又细分为树冠和田垄。
根据地面调查,退耕还林地块规整,为成片的林地及其田垄,各地块内种植的不同作物或植被类型,以山杏为主,排列整齐。
对试验区的树冠进行分析可得,树冠面积较小,一般为8～16个像元,每个树冠的光谱不均匀,经过上述高斯滤波后,有所改善。
树冠形状比较平滑,近似椭圆形。
21212 退耕地树冠的提取 1)基于大尺度分割的分类 这一分类过程使用的是4个波段的融合图像,要提取的是整个植被区域,所以分割尺度较大,经试验,尺度参数(scale parameter )选择20,尺度参数是决定分割后影像对象多边形大小的一个阈值,使用该尺度参数分割后图像对象较大。
利用4波段的比值特征作为隶属度函数的特征值来提取植被信息。
比值特征是指某波段图像对象的光谱均值除以所有波段的图像对象的光谱均值之和,公式为:r L = C L ,objectC L ,so式中:L 为波段号,C 为光谱反射值。
比值的特征值范围为0～1。
本研究区植被类别的比值特征域值为0129～013,下一步的细分类就是针对植被区域进行的,非植被区域不参加第2次细分类,这在一定程度上抑制了96 增刊1黄建文等:基于面向对象技术的退耕还林树冠遥感信息提取研究图1 原始图像(a )与3种滤波图像(b ,c ,d )直方图比较Fig.1 C om paris ons am ong the histogram of original image (a )and three filtering (b ,c ,d )images分类中类型混淆。
