遥感面向对象法，遥感面向对象分类

基于面向对象分类方法的SPOT5影像土地利用信息提取研究——以河南省...

1、临颍县土地利用类型较丰富，主要以农用地为主，土地利用类型比较齐全，对土地利用 / 土地覆被信息自动提取试验研究，较为典型。图 8-1 河南省临颍县 SPOT 5 遥感影像图 2 资料收集 （1） 影像数据。

2、表1 基于遥感的河南省土地利用遥感信息分类 2 土地利用信息提取 以县级行政辖区为单元，将乡级及以上行政界线套叠在正射影像图上，结合样本影像信息并参考已有的土地利用数据库和土地利用详查资料，采用目视解译方法提取土地利用现状信息，同时建立遥感解译标志。

3、而在基于像元的分类中这种背景信息几乎不可利用。面向对象的影像分析技术是在空间信息技术长期发展的过程中产生的，在遥感影像分析中具有巨大的潜力，要建立与现实世界真正相匹配的地表模型，面向对象的方法是目前为止较为理想的方法。面向对象的处理方法中最重要的一部分是图像分割。

4、土地利用变化信息提取 变化信息提取采用计算机自动提取和人工交互解译两种方法进行，两种方法互为补充，互为验证，以减少变化信息的遗漏和伪变化图斑。 1 变化信息的提取 变化信息的自动提取包括变化信息的增强和使用分类法提取变化信息并输出矢量文件两个步骤。

5、控制点基础信息获取 1 控制点的布设与测量 项目控制点布设的工作底图是 SPOT 5_5 m 遥感影像，河南省域涉及 80 多景 SPOT 5 影像，受卫星数据获取周期的影响，影像是分批次提供的，为保证项目进度，控制点的布设采用先来先选的原则分批次进行。

6、为此，本文以黑龙江省望奎县为例，采用 SPOT-5 5 m 高分辨率卫星遥感数据为信息源，将制作好的1∶1万遥感数字正射影像图与土地详查矢量数据叠加，通过矢量、栅格结合的方法，辅以专家知识、人机交互提取变化信息，将外业调查后的变化信息属性赋予矢量数据，然后重新建立拓扑关系，生成更新后的土地利用数据库。

相关问答

Q1: 面向对象遥感图像分类与基于像素遥感图像分类相比有什么区别

这个问题比较大，写本书都没什么问题。我简单讲吧，就是分类的尺度不同。面向对象是基于设定的地物单元分类，考虑多种因素的综合关系，像素一般仅仅针对像素本身的灰度值分类。

面向对象的遥感高空间分辨率影像空间信息更加丰富，地物目标细节信息表达的更加清楚。从分类技术角度来看 由于受空间分辨率的制约，传统的遥感影像信息提取只能依靠影像的光谱信息，且是在像素层次上的分类；而面向对象的遥感高空间分辨率影像虽然结构、纹理等信息非常突出，但光谱信息不足(波段较少)。

此外背景信息在影像分析中很重要，举例来说，城市绿地与某些湿地在光谱信息上十分相似，在面向对象的影像分析中只要明确城市绿地的背景为城市地区，就可以轻松地区分绿地与湿地，而在基于像元的分类中这种背景信息几乎不可利用。

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以下优势：1) 能够较好地解决噪声问题。传统基于像元的分类方法对噪声比较敏感，高分辨率影像图斑更加破碎，在不考虑邻域像元的情况下，对单个像元进行分类往往会导致严重的“胡椒盐效应”。

面向对象的处理方法中最重要的部分是图像分割。随着地球观测任务的逐步细化，高分辨率的遥感卫星图像得到了越来越广泛的应用。这给遥感图像分类方法带来了挑战。现有的研究表明，基于像素的高分辨率遥感图像分类存在着明显的局限性。

为区别不同成像方式的遥感影像，常称光学摄影成像的二维连续的影像为像片、扫描成像的一维连续一维离散或二维离散的影像为图像。

Q2: 面向遥感图像分类基于注意力机制,你有哪些了解算法?

平行管道分类是一种最简单的分类方法，是通过研究训练样区数据的各个光谱成分的直方图来进行分类的图像直方图中灰度值的上下限描述了图像中每个波段中类别的灰度值范围。某一光谱类在所有波段的灰度值范围定义了一个多维的平行管道。

图像分割是由图像处理到图像分析的关键步骤，在图像工程中占据重要的位置。一方面，它是目标表达的基础，对特征测量有重要的影响；另一方面，因为图像分割及其基于分割的目标表达、特征抽取和参数测量的将原始图像转化为更抽象更紧凑的形式，使得更高层的图像分析和理解成为可能。

监督分类器又分为参数分类器和非参数分类器两种。参数分类器要求待分类数据满足一定的概率分布，而非参数分类器对数据的概率分布没有要求。

影像DN值分析 遥感影像之所以能够表现出各种地物特征，是因为影像中每个像素点有着不同的DN值(Digital Number)，为了对遥感影像进行阈值分类，首先我们要弄清各种地物特征在遥感影像处于什么样的位置，通常我们是要弄清楚遥感影像各地物特征的DN值在遥感影像全局里所处的区间，因此，我们首先要对遥感影像做DN值分析。

而在基于像元的分类中这种背景信息几乎不可利用。面向对象的影像分析技术是在空间信息技术长期发展的过程中产生的，在遥感影像分析中具有巨大的潜力，要建立与现实世界真正相匹配的地表模型，面向对象的方法是目前为止较为理想的方法。面向对象的处理方法中最重要的一部分是图像分割。

Q3: 面向对象的遥感影像分类方法有哪些

1、其采用一种基于遥感影像的多尺度分割方法，可以生成任意尺度的、属性信息相似的影像多边形 ( 对象) ，运用模糊数学方法获得每个对象的属性信息，以影像对象为信息提取的基本单元，实现分类和信息提取。

2、常用的遥感数据的专题分类方法有多种，从分类判别决策方法的角度可以分为统计分类器、神经网络分类器、专家系统分类器等；从是否需要训练数据方面，又可以分为监督分类器和非监督分类器。 统计分类方法 统计分类方法分为非监督分类方法和监督分类方法。

3、监督分类 监督分类是先用某些已知类别训练样本让分类识别系统学习，待其掌握了各个类别的特征之后，按照分类的决策规则进行分类的过程。使用的数学方法有多级切割分类法、决策树分类法、最小距离分类法、最大似然分类法。

4、到目前为止，面向对象的方法是一种比较理想的方法，可以建立一个与现实世界相匹配的地面模型。面向对象的处理方法中最重要的部分是图像分割。随着地球观测任务的逐步细化，高分辨率的遥感卫星图像得到了越来越广泛的应用。这给遥感图像分类方法带来了挑战。

Q4: 面向对象的遥感解译与传统的遥感影像信息有什么不同?

而基于像素的遥感图像分类，你只能利用像素的光谱信息了，对于存在大量“同谱异质”（一样的光谱不一样的东西，比如遥感影像中很难区分的“裸地”和“道路”）和“同质异谱”（比如一个房子，房顶一半是黄的一半是蓝的。。）的遥感影像来说，你就gg了。

此外背景信息在影像分析中很重要，举例来说，城市绿地与某些湿地在光谱信息上十分相似，在面向对象的影像分析中只要明确城市绿地的背景为城市地区，就可以轻松地区分绿地与湿地，而在基于像元的分类中这种背景信息几乎不可利用。

) 面向对象的遥感影像分类方法能根据地类特点在不同尺度上提取地物信息，提高信息提取的精度。从理论上讲，不同地类均有与之相适应的最佳分辨率或最佳分割尺度，并不是空间分辨率越高越好，在该尺度上，影像对该地物类别的概括最适中，识别效果最好 ( Chen et al. ，1989) 。

遥感面向对象法的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于遥感面向对象分类、遥感面向对象法的信息别忘了在本站进行查找喔。