基于面向对象的多尺度山地城市土地覆盖信息的获取方法
【技术领域】
[0001] 本发明涉及图像处理领域，特别涉及一种从遥感图像中基于面向对象的多尺度山 地城市土地覆盖彳目息的获取方法。
[0002]
【背景技术】
[0003] 随着遥感卫星技术的发展，高空间分辨率的遥感影像以细节更加清晰、信息更加 丰富等特点，被广泛地应用于城市土地变化/土地覆盖信息提取。山地城市覆盖地物同谱 异物和同物异谱现象严重，用地类型多样，纹理丰富，地类之间空间关系错综复杂，土地覆 盖信息提取难度大。传统遥感影像分类方法主要利用像元的光谱特征，很少利用地物的纹 理、几何特征，对中低分辨率遥感影像分类效果较好，而高空间分辨率影像像元的光谱特征 比较单一，同类地物呈现出很大的光谱异质性，不同地物的光谱特征相互的重叠，出现同谱 异物和同物异谱，传统基于像元的遥感影像分类方法已经很难得到满意的结果。
[0004]
【发明内容】
[0005] 针对上述现有技术的不足，本发明所要解决的技术问题是：提供了一种分类精确 度高、减少同谱异物和同物异谱现象的基于面向对象的多尺度山地城市土地覆盖信息的获 取方法。
[0006] 为了解决上述技术问题，本发明采用的一个技术方案是：提供一种基于面向对象 的多尺度山地城市土地覆盖信息的获取方法，包括以下步骤： 5101、 预先建立分类体系，其中，所述分类体系至少包括水体类、林地类、草地类、耕地 类、建筑用地类、道路类其中的一种或几种； 5102、 对拍摄到的遥感图像进行多尺度影像分割； 5103、 将每一次分割后的图像进行对比，以确定最佳分割尺度图像，其中，每一次分割 后的图像均由若干不同形状大小的图斑组成； 5104、 建立每一地类的模糊分类标准，将最佳分割尺度图像中符合该模糊分类标准的 图斑对应归分类至相应的地类中； 5105、 建立最临近分类标准，将最佳分割尺度图像中未被分类的图斑进行最临近分类， 以将未被归类的图斑分类到特征最接近的一地类中，从而实现影像对象的完全分类； 5106、 生成分类后的图像，合并所分类别，生成分类后图像。
[0007] 进一步的，在S106步骤之后，还包括： 5107、 基于实际采集的样本点数据对分类后生成的图像进行验证分析。
[0008] 进一步的，在S105步骤之后，还包括： 判断遥感图像中所有的图斑分类效果，若判断得到分类效果较差，则返回S104步骤以 重新建立每一地类的模糊分类标准。
[0009] 其中，在S104步骤中，包括以下子步骤： 51041、 确定每一地类的样本，提取该样本的主要特征以及特征分布范围值，其中，所述 主要特征包括该样本的光谱特征、纹理特征、几何特征； 51042、 确定最佳分割尺度图像中每一未归类图斑的每一个主要特征分布范围值，根据 每一未归类图斑的每一个主要特征分布范围值进行归一化计算，以得到每一未归类图斑归 属至上述地类的综合概率值； 51043、 统计每一未归类图斑的综合概率值归属上述地类的综合概率值，若图斑归属上 述地类中某一地类概率值最大，则将该图斑归至该地类，直至最佳分割尺度图像中满足模 糊分类标准的图斑均被归类到相应的地类。
[0010] 其中，在S105步骤中，包括以下子步骤： 51051、 定义特征空间，所述特征空间包括分类体系中所有地类的主要特征和辅助特 征； 51052、 每一地类分别选择至少一个的典型样本，并把定义的特征空间预先设置到已建 立的分类体系中； 51053、 利用最邻近分类算法，基于定义的特征空间和选择的地类典型样本，把未归类 图斑归类到相应的样本对象中。
[0011] 本发明的一种基于面向对象的多尺度山地城市土地覆盖信息的获取方法，提出了 面向对象的山地城市土地覆盖信息提取技术流程，通过试验实现了面向对象的山地城市土 地覆盖信息的自动化提取，并与传统监督分类结果进行了对比分析。结论如下： (1)综合利用对象光谱、纹理、几何等特征的隶属度函数分类法，先进行模糊分类后，再 对未被模糊分类的图斑进行最临近分类，结果能够有效地克服同物异谱和同谱异物现象， 分类结果稳定性好，分类效率高。
[0012] (2)面向对象分类能够有效避免"椒盐"噪声，分类结果具有很好的区域性和连贯 性。
[0013] (3)面向对象分类结果精度高，特别是对于山地城市中光谱特征特别相近的耕地 和草地、建筑用地和道路，分类精度分别提高了 28. 67%、9. 24%、10. 38%和8. 79%，有效地改 善了分类效果。
[0014] (4)面向对象分类法能够分别实现精细地物和大面积分布地类的快速高精度提 取，获取到的土地覆盖信息图能够为山地城市管理和城市规划决策服务，具有一定的应用 价值，同时由于研究区域的复杂性和研究对象的普适性，算法研究成果可以推广应用到其 它山地城市区域。
[0015]
【附图说明】 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技 术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明 的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据 这些附图获得其他的附图。
[0016]图1是本发明基于面向对象的多尺度山地城市土地覆盖信息的获取方法第一实 施例的流程图。
[0017] 图2是第一实施例中以20为分割尺度的分割尺度图像。
[0018] 图3是第一实施例中以30为分割尺度的分割尺度图像。
[0019] 图4是第一实施例中以40为分割尺度的分割尺度图像。
[0020] 图5是第一实施例中以50为分割尺度的分割尺度图像。
[0021] 图6是本发明基于面向对象的多尺度山地城市土地覆盖信息的获取方法第二实 施例的流程图。
[0022] 图7是利用现有技术中监督分类法所获得的图像。
[0023] 图8是利用本发明的分类方法所获得的图像。
[0024]
【具体实施方式】
[0025] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完 整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于 本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他 实施例，都属于本发明保护的范围。
[0026] 请参见图1，图1是本发明基于面向对象的多尺度山地城市土地覆盖信息的获取 方法第一实施例的流程图。本实施例的基于面向对象的多尺度山地城市土地覆盖信息的获 取方法，包括以下步骤： SlOl、预先建立分类体系，其中，所述分类体系至少包括水体类、林地类、草地类、耕地 类、建筑用地类、道路类其中的一种或几种； 本发明从土地覆盖分类的基本原则出发，以第二次全国土地调查的土地利用分类体系 和第一次全国地理国情普查的分类体系为基础，结合山地城市土地覆盖的特点以及研究区 的具体地物覆盖情况，构建研究区土地覆盖信息提取的一级分类体系。主要包括水体、林 地、草地、耕地、建筑用地和道路六大类。可以理解的，在不同的实施例中，所述分类体系所 包括的地类并不局限于上述描述。
[0027]S102、对拍摄到的遥感图像进行多尺度影像分割； 多尺度影像分割是基于像元的从下至上的逐级区域合并，实现遥感影像不同程度的抽 象描述，主要分割参数包括：分割尺度、光谱因子和形状因子。分割尺度决定影像允许合并 的最大程度，分割尺度越大，生成的对象越少，内部特征差异越大；光谱因子和形状因子构 成分割中的异质性标准，其中光谱因子描述分割候对象中光谱信息所占去权重大小，形状 因子区分紧凑和不紧凑地类，分割后对象保持一定的几何特征，体现分割结果的完整性和 整体性，用紧凑度因子和光滑度因子对其进行描述。
[0028] 本实施例中，见图2至图5,通过多次试验，最终建立了一个分割尺度参数包括 20, 30, 40, 50的多尺度分割体系。QuickBird影像波段较少，全部参与分割；同时光谱特征 作为遥感影像最主要特征，光谱因子设置较高的权重0. 9,相应的形状因子权重为0. 1 ;其 中描述形状因子的光滑度和紧凑度各自设置为〇. 2和0. 8。
[0029]S103、将每一次分割后的图像进行对比，以确定最佳分割尺度图像，其中，每一次 分割后的图像均由若干不同形状大小的图斑组成； 从图2至图5可看出影像分割尺度与影像对象数量的变化趋势。其中：分割尺度为 20时影像存在过度分割，跟个后对象过于细小和破碎，几何、纹理特征基本看不出来；分割 尺度为30时，部分地物轮廓基本被分出，但大多数地物仍然过于破碎，纹理、几何特征不明 显；分割尺度为40时，对象间边界清晰，整体向较好，几何、纹理等特征明显，易于区分不同 地类；分割尺度为50时，对象边界清晰但存在明显的错分现象，随着尺度的增大，错分现象 越来越严重，不利于地物的提取。综合分割结果，选