Please wait a minute...
img

官方微信

遥感技术与应用  2006, Vol. 21 Issue (3): 243-248    DOI: 10.11873/j.issn.1004-0323.2006.3.243
图像处理     
地物大小、对象尺度、影像分辨率的关系分析
黄慧萍, 吴炳方
(中国科学院遥感应用研究所, 北京 100101)

Analys is to the Relationship of Feature Size, Objects Scales, Image Resolution
HUANG Hui-ping, WU Bing-fang
( Institute of Remote Sensing Applications, Chinese Academy of Sciences, Beijing 100101, China)
 全文: PDF 
摘要:

遥感数据的分辨率越来越高, 给地物信息提取提出了新的挑战。利用基于像元的分类技术和基于多尺度分割的面向对象分类技术对高分辨率影像进行分类实验, 分析地物大小、对象尺度与影像分辨率的关系。实验结果表明不同地物由于其空间尺度不同, 与之相适宜的空间分辨率和对象尺度也不同, 在适宜分辨率的影像提取有较高的精度, 在适宜的对象尺度上提取对象信息有更高的精度。分析也表明面向对象的多尺度影像分类技术适应了不同地物有其相适宜的空间分辨率, 在适宜尺度影像层中提取地物, 其分类精度大大高于基于像元的分类方法。

关键词:  地物 尺度 分辨率 影像分析    
Abstract:

Information extraction from remote sensing data encountered a new challenge while the spatial resolution is increasing quickly. People suppose that the higher the spatial resolution is, the better the result of objects classification is. To prove this guess we use two approaches: pixel-based classification and object-oriented analysis. The former site test shows one class has different precision from various resolution images. Some classes improve their precision with the high resolution but others don’t. Without various resolution image data, how can we acquire the best information with only one image? Object qriented approach offers a good solution with its key technology: multi-scale image segmentation. Object-orien ted image analysis does no t classify single p ixel bu t rather image ob ject s. No t on ly spectral information but also spatial, physical and contextual characteristics of image objects are used for classification. The site resu lt show s that ob ject s have their best scale image levels to class. The precision of object-oriented approach is much higher than those of based-pixel approach. It makes us believe that this process is the best selection for high-resolution image analysis. Two test results have proved that all objects cou ldn’t be extracted well from the same resolution or scale. They need the corresponding resolution images or scale image levels. Multi-scale image analysis is the perfect method.

收稿日期: 2005-06-18 出版日期: 2011-09-27
:  TP 75  
基金资助:

中科院重大项目(KZCX32SW 2334) , 国务院三峡工程建设委员会办公室重大项目(SX[ 2002 ]2003)。

作者简介: 黄慧萍(1973- ) , 女, 博士, 现主要从事生态环境遥感研究。
服务  
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章  

引用本文:

黄慧萍, 吴炳方. 地物大小、对象尺度、影像分辨率的关系分析[J]. 遥感技术与应用, 2006, 21(3): 243-248.

HUANG Hui-ping, WU Bing-fang.
Analys is to the Relationship of Feature Size, Objects Scales, Image Resolution. Remote Sensing Technology and Application, 2006, 21(3): 243-248.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2006.3.243        http://www.rsta.ac.cn/CN/Y2006/V21/I3/243


〔1〕 马廷. 高分辨率卫星影像及其信息处理的技术模型〔J 〕. 遥感信息, 2001, 3: 6~ 10.
〔2〕 苏理宏, 李小文, 黄裕霞. 遥感尺度问题研究进展〔J 〕. 地球科学进展, 2001, 16 (4) : 544~ 548.
〔3〕 赵有松, 李京伟. ETM 影像用于土地利用自动分类的实验研究〔J〕. 遥感信息应用技术, 2001, 2: 38~ 42.
〔4〕 刘妙龙, 吴原华. 基于尺度的GIS 空间资料表达模型〔J 〕. 测绘学报, 2002, 31 (增刊) : 82~ 86.
〔5〕  Baatz M , Schabpe A. Object-Oriented and Multi-Scale Image Analysis in Semantic Networks 〔R 〕. Proc. Of the 2nd
International Symposium on Operalization of Remote Sensing.1999. 8. Enschede. ITC.
〔6〕 BaatzM. Multiresolution Segmentation- an Optimization Approach for High Quality Multi-scale Image Segmentation〔J 〕.A ngewandte Geographische Information sverarbeitung X II,2000. 12~ 23.
〔7〕 Definients Image GmbH. eCognition U ser Guide〔S〕. Germany, 1999.

[1] 汪子豪,秦其明,孙元亨. 基于BP神经网络的地表温度空间降尺度方法[J]. 遥感技术与应用, 2018, 33(5): 793-802.
[2] 韩涛,潘剑君,张培育,曹罗丹. Sentinel-2A与Landsat-8影像在油菜识别中的差异性研究[J]. 遥感技术与应用, 2018, 33(5): 890-899.
[3] 范锦龙,张晔萍,李昌宝,许文波,刘少杰,薛飞,覃志豪. 风云卫星中分辨率遥感数据几何定位误差分析[J]. 遥感技术与应用, 2018, 33(4): 621-627.
[4] 施佩荣,陈永富,刘华,吴云华. 基于分割评价函数的多尺度分割参数的选择[J]. 遥感技术与应用, 2018, 33(4): 628-637.
[5] 任浙豪,周坚华. 增大特征空间复杂度的方法——以城镇下垫面遥感分类为[J]. 遥感技术与应用, 2018, 33(3): 408-417.
[6] 丁哲,汪小钦,邬群勇. 遥感影像空间分辨率对城市建筑物高度估算精度的影响[J]. 遥感技术与应用, 2018, 33(3): 418-427.
[7] 王宁,陈方,于博. 基于形态学开运算的面向对象滑坡提取方法研究[J]. 遥感技术与应用, 2018, 33(3): 520-529.
[8] 周子勇. 运用经验模态分解和压缩感知方法进行遥感影像超分辨率重建[J]. 遥感技术与应用, 2018, 33(1): 96-102.
[9] 江东,陈帅,丁方宇,付晶莹,郝蒙蒙. 基于面向对象的遥感影像分类研究——以河北省柏乡县为例[J]. 遥感技术与应用, 2018, 33(1): 143-150.
[10] 何艺,周小成,黄洪宇,许雪琴. 基于无人机遥感的亚热带森林林分株数提取[J]. 遥感技术与应用, 2018, 33(1): 168-176.
[11] 王刚,董晓龙,朱迪. 基于星载旋转扫描雷达的高分辨率实现[J]. 遥感技术与应用, 2017, 32(6): 1071-1077.
[12] 李艳,侯金亮,黄春林. 基于Copula函数的地表温度空间降尺度研究[J]. 遥感技术与应用, 2017, 32(5): 818-824.
[13] 卜帆,石玉立. 机载LiDAR高差和高分影像的城市树冠提取比较[J]. 遥感技术与应用, 2017, 32(5): 875-882.
[14] 唐超,邵龙义. 高光谱遥感地物目标识别算法及其在岩性特征提取中的应用[J]. 遥感技术与应用, 2017, 32(4): 691-697.
[15] 施佩荣,陈永富,刘华,吴云华,魏新,钟泽兵. 基于改进的面向对象遥感影像分类方法研究—以西藏米林县典型林区为例[J]. 遥感技术与应用, 2017, 32(3): 466-474.