高分辨率遥感影像分类与识别技术研究

遥感信息　叠愚应用　

面向对象高分辨遥感影像分类研究　

黎新亮①，赵书河①，芮一康①，谢士杰②　

（①南京大学地理信息科学系，南京２１００９３；②南京市规划局，南京２１００２９）　

摘要：高空间分辨率遥感影像采用传统基于像元分类方法精度较低，本文通过分析高分辨遥感影像特征，采　

用面向对象的最近邻监督分类方法对ＱｕｉｃｋＢｉｒｄ影像进行分类研究，首先对影像进行对象分割，然后将分割对象　

信息、形状特征与及上下文联系等特征构成特征空间进行最近邻监督分类，并与传统的基于像元最近邻分类方法　

分类进行比较分析，结果表明，本方法能够较好的识别高分辨率地物类型，总精度为９２．１９　，Ｋａｐｐａ系数为　

０．８８３５，较好地改善分类效果，适合高分辨遥感影像分类。　

关键词：面向对象；分类；影像分割；最近邻法；ＱｕｉｃｋＢｉｒｄ影像　

中图分类号：ＴＰ７９　文献标识码：Ａ　文章编号：１０００—　

１　引　言　

随着遥感技术快速发展，尤其是近年来高空间　

分辨率遥感器成功发射使得我们能够获得更丰富的　

地面信息，高空间分辨率的遥感图像空间分辨率的　

大大提高，充分体现在地物内部分异明显、纹理增　

多、细节丰富和边缘突出上Ｌ１］。高分辨遥感图像能　

够实时提供丰富的地面信息使得其在城市土地覆盖　

研究中具有广阔的应用前景　］。　

与此同时，对高分辨遥感影像解译提出了一些　

新的问题Ｌ３］。目前国内外对高分辨遥感影像识别技　

术研究较多，主要是依据光谱特征并注重纹理、形状　

与及地学数据的应用＿４］，程承旗等利用高通滤波器　

突出高空间分辨率遥感图像的地物特征和统计滤波　

器消除噪声的方法，自动提取线状地物Ｌ５］，何春阳等　

利用全色数据纹理和结构信息复合的方法提取城市　

建筑信息　；黄慧萍等对高分辨率影像进行城市绿　

地快速提取　和Ｚｈａｎｇ　Ｙｕｎ在综合多光谱分类和　

纹理过滤来优化建筑物信息提取Ｌ８］。此外还有一些　

应用智能算法来改善提取精度，Ａ．Ｂａｒｄｏｓｓｙ等人　

使用遥感影像进行地物分类与识别的指南

遥感影像是一种重要的工具，可以用于进行地物分类与识别。利用遥感影像，我们可以获取大范围、高分辨率的地表信息，并通过分类与识别方法，将这些信息转化为实用的地理数据，为城市规划、环境监测、农业生产等提供支持。本文将为大家提供一份使用遥感影像进行地物分类与识别的指南，帮助读者了解和掌握相关知识。

一、遥感影像的基本原理

遥感影像是通过航空或卫星平台获取的地球表面信息。它利用电磁波的传感器对地物反射、散射或发射的电磁辐射进行感测，再将其转化为数字数据，并以图像的形式呈现。遥感影像的分辨率、波段组合、传感器类型等特征决定其在地物分类与识别中的应用效果。

二、地物分类的基本方法

地物分类是将遥感影像中的像元划分为不同的类别或类别组合，常用的分类方法包括基于光谱信息的无监督分类、监督分类和半监督分类。在进行地物分类时，可以结合地物的形态、纹理、空间关系等辅助信息，提高分类的准确性。

三、地物特征提取

地物特征提取是地物识别的基础，主要通过计算各类别地物在遥感影像中的特征参数，例如光谱特征、纹理特征、形态特征等。其中，光谱特征是最常用的特征之一，通过计算不同波段间的反射率或辐射率可以表征不同地物的光谱响应特征。

四、地物识别的算法

地物识别是在地物分类的基础上，进一步识别遥感影像中的具体地物对象。常用的地物识别算法包括目标检测、图像分割和目标识别等。目标检测是指在遥感影像中自动寻找与已知目标相似的地物，图像分割则是将影像分割为一系列不同的区域或像素块，目标识别则是在分割的基础上，对地物对象进行进一步的精确识别。

五、地物分类与识别的案例应用

地物分类与识别在各个领域都有着重要的应用，以下简要介绍几个常见的案例应用。

1. 城市规划：通过对遥感影像中建筑物、道路、绿地等地物的分类与识别，可以为城市规划提供基础数据，帮助了解城市的空间分布情况和发展趋势。

2. 环境监测：利用遥感影像对森林、湖泊、湿地等自然环境进行分类与识别，可以实时监测环境变化，帮助保护生态环境，并提供资源管理决策支持。

如何进行遥感影像的目标识别与分类

遥感影像的目标识别与分类在现代科技发展中扮演着重要的角色。利用遥感技术，我们能够获取到大规模的影像数据，这些数据可以用来进行目标识别与分类，以支持各种应用领域，如环境监测、城市规划、农业管理等。本文将探讨如何进行遥感影像的目标识别与分类。

一、遥感影像的目标识别

遥感影像的目标识别是指从遥感影像中提取出特定目标的过程。目标可以是建筑物、道路、农田等。在进行目标识别之前，我们需要处理原始影像数据，进行预处理。预处理包括辐射校正、几何校正等步骤，以确保影像数据的准确性和一致性。

接下来的关键步骤是特征提取。特征提取是将影像数据转化为可量化的特征向量的过程。常用的特征包括颜色、纹理、形状等。在选择特征时，需要考虑目标的特点和任务需求。例如，如果要进行建筑物的识别，可以考虑使用建筑物的形状和纹理作为特征。

特征提取后，我们可以使用机器学习算法进行目标的分类。常用的机器学习算法包括支持向量机、随机森林、神经网络等。这些算法可以根据提取的特征向量进行学习，构建分类模型，并对新的影像数据进行分类。

二、遥感影像的目标分类

目标分类是将遥感影像中的特定目标分为不同的类别的过程。例如，将影像中的土地分类为农田、水域、城市等。目标分类与目标识别紧密相关，但目标分类更加注重对整个影像场景的分类。

对于目标分类，我们可以采用监督学习和无监督学习两种方法。 监督学习是指利用有标记的训练样本进行学习和分类。在进行监督学习时，我们需要手动标记一部分影像数据，给出它们所属的类别。然后，使用这些标记好的数据进行模型训练，构建分类器。最后，使用分类器对未标记的数据进行分类。

无监督学习是指在没有标记的训练样本的情况下进行学习和分类。该方法通常使用聚类算法，将影像数据分为不同的簇。聚类算法通过计算数据点之间的相似性来划分簇，以实现目标分类。

除了监督学习和无监督学习，我们还可以采用半监督学习和深度学习等方法进行目标分类。这些方法利用了更多的数据信息和算法模型，可以提高目标分类的准确性和效果。

第２８卷第４期　２００６年４月　电子与信息学报　Ｊｏｕｒｎａｌ　ｏｆ　Ｅｌｅｃｔｒｏｎｉｃｓ＆Ｉｎｆｏｒｍａｔｉｏｎ　Ｔｅｃｈｎｏｌｏｇｙ　Ｖｂ１．２８ＮＯ．４　Ａｐｒ．２００６　

基于知识的中高分辨率光学卫星遥感影像桥梁目标识别研究　

吴樊。　王超∞　张红∞　张波。　张维胜。　。（中国科学院遥感应用研究所遥感科学国家重点实验室北京　１００ｌ０１）　。ｆ中国科学院中国遥感卫星地面站北京　１０００８６）　。（北京师范大学地理学与遥感科学学院遥感科学国家重点实验室　北京　１００８７５）　摘要桥梁是重要的人工建筑。对桥梁进行识别研究，在民用上和军事上都具有很重要的意义。该文提出一套　针对中高分辨率光学卫星遥感图像上大中型桥梁的检测和识别的流程。首先根据光学卫星图像特点，运用分割和　形态学算子提取河流：沿着河流中心线对桥梁进行检测；经过边缘提取、线段跟踪、直线拟合、边线配对等处理　后对检测出的桥梁进行定位，并获取长度、宽度、方位等桥梁参数。以ＳＰＯＴ－５　５ｍ全色波段图像进行验证，证明　本文算法流程对河流上桥梁目标识别是有效的。　关键词卫星影像，桥梁目标识别，形态学，直线拟合　中图分类号：ＴＰ７５１．２　文献标识码：Ａ　文章编号：１００９－５８９６（２００６）０４－０５８７－０５　

Ｋｎｏｗｌｅｄｇｅ—Ｂａｓｅｄ　Ｂｒｉｄｇｅ　Ｒｅｃｏｇｎｉｔｉｏｎ　ｉｎ　Ｈｉｇｈ　Ｒｅｓｏｌｕｔｉｏｎ　Ｏｐｔｉｃａｌ　Ｉｍａｇｅｒｙ　Ｗｕ　Ｆａｎ。　Ｗａｎｇ　Ｃｈａｏ∞　Ｚｈａｎｇ　Ｈｏｎｇ￣　Ｚｈａｎｇ　Ｂｏ。　Ｚｈａｎｇ　Ｗｅｉ－ｓｈｅｎｇ￣　（ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇＳｃｉｅｎｃｅ，ＩｎｓｔｉｔｕｔｅｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇＡｐｐｌｉｃａｔｉｏｎｓ，　ＣｈｉｎｅｓｅＡｃａｄｅｍｙ　ｏｆＳｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ　１００１０１，Ｃｈｉｎａ）　（Ｃｈｉｎａ　Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　Ｓａｔｅｌｌｉｔｅ　Ｇｒｏｕｎｄ　Ｓｔａｔｉｏｎ，Ｃｈｉｎｅｓｅ　Ａｃａｄｅｍｙ　ｏｆＳｃｉｅｎｃｅｓ，ＢＰ　ｎｇ　１　０００８６，Ｃｈｉｎａ）　。（ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＲｅｍｏｔｅＳｅｎｓｉｎｇＳｃｉｅｎｃｅ，ＣｏｌｌｅｇｅｏｆＧｅｏｇｒａｐｈｙａｎｄＲｅｍｏｔｅＳｅｎｓｉｎｇ，　ＢｅｉｊｉｎｇＮｏｒｍａｌ　Ｕｎｉｖｅｒｓｉｔｙ，ＢｅＵｎｇ　１００８７５，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ　Ｂｒｉｄｇｅ　ｄｅｔｅｃｔｉｏｎ　ｉｎ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｉｍａｇｅｒｙ　ｈａｓ　ｂｅｅｎ　ａ　ｔｏｐｉｃ　ｏｆ　ｃｏｎｓｉｄｅｒａｂｌｅ　ｉｎｔｅｒｅｓｔ．Ｉｎ　ｔｈｉｓ　ｐａｐｅＬ　ａ　ｎｅｗ　ｆｌｏｗ　ｏｆ　ｂｒｉｄｇｅ　ｒｅｃｏｇｎｉｔｉｏｎ　ｉｎ　ｈｉｇｈ・ｒｅｓｏｌｕｔｉｏｎ　ｏｐｔｉｃａｌ　ｉｍａｇｅｒｙ　ｉｓ　ｐｒｏｐｏｓｅｄ．Ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｐｒｉｏｒ　ｋｎｏｗｌｅｄｇｅ　ｏｆ　ｂｒｉｄｇｅ，ｐｏｔｅｎｔｉａｌ　ｒｉｖｅｒ　ｒｅｇｉｏｎｓ　ａｒｅ　ｓｅｇｍｅｎｔｅｄ　ａｎｄ　ｔｈｕｓ　ｔｈｅ　ｃｅｎｔｅｒｌｉｎｅ　ｏｆ　ｒｉｖｅｒｓ　ｃａｎ　ｂｅ　ｅｘｔｒａｃｔｅｄ　ａｆｔｅｒ　ｍｏｒｐｈｏｌｏｇｙ　ｅｒｏｓｉｏｎ　ａｎｄ　ｄｉｌａｔｉｏｎ　ｏｐｅｒａｔｉｏｎｓ．Ｔｈｅｎ　ｔｈｅ　ｂｒｉｄｇｅ　ｄｅｔｅｃｔｏｒ　ｉｓ　ｉｍｐｌｅｍｅｎｔｅｄ　ａｌｏｎｇ　ｔｈｅ　ｒｉｖｅｒ　ｃｅｎｔｅｒｌｉｎｅ　ｉｎ　ＲＯＩ　ｒｅｇｉｏｎｓ．Ａｆｔｅｒ　ｔｈａｔ，ｔｈｅ　ｄｅｔｅｃｔｅｄ　ｂｒｉｄｇｅｓ　ａｒｅ　ｉｄｅｎｔｉｆｉｅｄ　ｂｙ　ｕｓｉｎｇ　ｔｗｏ　ｋｎｏｗｌｅｄｇｅ　ｒｕｌｅｓ　ａｎｄ　ｔｈｅ　ｃｈａｒａｃｔｅｒｉｓｔｉｃｓ　ｓｕｃｈ　ａｓ　ｌｏｃａｔｉｏｎ，ｌｅｎｇｔｈ，ｗｉｄｔｈ　ａｎｄ　ｏｒｉｅｎｔａｔｉｏｎ　ｏｆ　ｄｅｔｅｃｔｅｄ　ｂｒｉｄｇｅｓ　ｃａｎ　ｂｅ　ｏｂｔａｉｎｅｄ．Ｅｘｐｅｒｉｍｅｎｔｓ　ａｒｅ　ｅｘｅｃｕ￣ｄ　ｏｎ　ｔｈｅ　ＳＰＯＴ－５　５ｍ－ｒｅｓｏｌｕｔｉｏｎ　ｐａｎｃｈｒｏｍａｔｉｃ　ｉｍａｇｅｒｙ，ａｎｄ　ｔｈｅ　ｒｅｓｕｌｔｓ　ａｒｅ　ｓｈｏｗｉｎｇ　ｔｏ　ｃｏｎｆｉｒｍ　ｔｈｅ　ｖａｌｉｄｉｔｙ　ｏｆ　ｔｈｅ　ｐｒｏｐｏｓｅｄ　ｍｅｔｈｏｄ．　Ｋｅｙ　ｗｏｒｄｓ　Ｓａｔｅｌｌｉｔｅ　ｉｍａｇｅ，Ｂｒｉｄｇｅ　ｒｅｃｏｇｎｉｔｉｏｎ，Ｍｏｒｐｈｏｌｏｇｙ，Ｓｔｒａｉｇｈｔ　ｌｉｎｅ　ｆｉｔｔｉｎｇ　Ｉ　引言　信息提取是当前遥感应用研究的热点课题，桥梁作为重　要的人工建筑，其信息在民用和军事上都是相当关注的。由　下而上的数据驱动型和由上而下的知识驱动型是目标识别　算法所常用的两种策略【ｌ１。数据驱动型不考虑目标的类型，　直接对图像数据进行分割、提取特征等处理。虽然其适用面　广，但是处理过程缺乏知识的指导，盲目性大，算法复杂，