Please wait a minute...
img

官方微信

遥感技术与应用  2008, Vol. 23 Issue (1): 31-35    DOI: 10.11873/j.issn.1004-0323.2008.1.31
研究与应用     
基于面向对象信息提取技术的城市用地分类
周春艳1,2,王 萍3,张振勇3,齐成涛3
(1.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 100101; 2.中国科学院
研究生院,北京 100049; 3.山东科技大学地球信息科学与工程学院,山东青岛 266510)
Classification of Urban Land Based on Object-oriented Information Extraction Technology
ZHOU Chun-yan1, 2, WANG Ping3, ZHANG Zhen-yong3, QI Cheng-tao3
(1.State Key Laboratory of Remote Sensing Science, Institute of Remote Sensing Applications,Chinese
Academy of Sciences, Beijing100101, China;2. Graduate University of Chinese Academy of
Sciences, Beijing100049, China;3. Geo-information Science and Engineering College, Shandong
University of Science and Technology, Qingdao266510, China)
 全文: PDF(788 KB)  
摘要:

针对高分辨率遥感影像的城市用地分类,引入了面向对象的信息提取技术,并将其与传统基于像素光谱信息的分类方法进行了比较。在此基础上详述了面向对象信息提取的关键技术———多尺度影像分割和基于分割的分类技术。以城市作为研究区,实现城市用地的自动分类。图像处理过程包括几何校正、HIS融合、图像分割和图像分类。最终分类结果表明:视觉上,面向对象信息提取技术克服了传统方法无法克服的“椒盐”噪声的影响;精度上,面向对象信息提取技术的总体精度高达84.82%,比最大似然法的总体精度提高了10.95%,并且各类地物信息的提取精度均有所提高,其中草地、道路、建筑物阴影的精度较高。

关键词: 高分辨率遥感影像面向对象基于像素多尺度分割模糊分类    
Abstract:

Object-oriented information extraction technology compared with the pixel-based classification method is suitable for classification of high resolution remotely sensed images. Object-oriented image analysis has two key technologies, multi-scale image segmentation and classification technologies based segmentation. Urban area of Huairou was selected as study area, and the purpose is to extract information from QuickBird image using above approach. The conclusions are:①“pepper and salt”noises are discarded;②84.82% overall accuracy is achieved while only 73.87% is achieved with traditional pixel-based method. Furthermore, precision of each kind of object information was also improved, particularly for grass, roads and building shadows.

Key words: High spatial resolution remotely sensed image    Object-oriented    Pixel-based    Multi-scale seg-
mentation
   Fuzzy classification
收稿日期: 2007-04-09 出版日期: 2011-10-24
:  TP 79  
基金资助:

国家自然基金项目“Ⅱ-类病态系统分析理论及其应用研究”(40474005)。

作者简介: 周春艳(1981-),女,博士研究生,目前从事定量遥感和遥感应用方面的研究,主要包括大气气溶胶和水汽反演、高分辨率遥感影像信息提取、土地利用/土地覆被变化等。E-mail:mezhouchunyan@126.com。
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:

周春艳,王 萍,张振勇,齐成涛. 基于面向对象信息提取技术的城市用地分类[J]. 遥感技术与应用, 2008, 23(1): 31-35.

ZHOU Chun-yan, WANG Ping, ZHANG Zhen-yong, QI Cheng-tao. Classification of Urban Land Based on Object-oriented Information Extraction Technology. Remote Sensing Technology and Application, 2008, 23(1): 31-35.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2008.1.31        http://www.rsta.ac.cn/CN/Y2008/V23/I1/31

[1] Herold M, Mueller A,Guente S,et al.Object-oriented Mapping and Analysis of Urban Land Use/Cover Using IKONOS Data[A].Proceedings of the 22nd EARSEL Symposium [C].Prague,Czech Republic,June,2002.
[2] Baatz M,Schape A.Multi-resolution Segmentation:An Optimization Approach for High Quality Multi-scale Image Segmentation [A]. Strobl J, Blaschke T, Griesebner G,et al. Angewandte Geographische Informations VerarbeitungⅫC].Heidelberg,2000.
[3] Baatz M,Heynen M,Hofmann P,et al.eCognition User Guide [S].München,Definiens AG,2000.
[4] Caprioli M, Tarantino E. Urban Features Recognition from VHR Satellite Data with an Object-oriented Approach [A].Proceedings of Commission IV Joint Workshop,Challenges in Geospatial Analysis,Integration and Visualization II,Stuttgart [C].Germany,September 8-9,2003.
[5] Zhou C Y.Object-oriented Information Extraction Technology of High Resolution Remote Sensing Image [D].Qingdao:Shandong University of Science and Technology,2006.[周春艳.面向对象的高分辨率遥感影像的信息提取技术[D].青岛:山东科技大学,2006.]
[6] Huang H P.Scale Issues in Object-oriented Image Analysis  [M].Beijing:Institute of Remote Sensing Applications Chinese Academy of Sciences,2003.[黄慧萍.面向对象影像分析中的尺度问题研究[M].北京:中国科学院遥感应用研究所,2003.]
[7] Gong P,Li X,Xu B.Interpretation Theory and Application Method Development for Information Extraction from High Resolution Remotely Sensed Data [J].Journal of Remote Sensing,2006,10(1):1-5. [宫鹏,黎夏,徐冰.高分辨率影像解译理论与应用方法中的一些研究问题[J].遥感学报,2006,10(1):1-5.]

[1] 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.
[2] 闫鹏飞,明冬萍. 尺度自适应的高分辨率遥感影像分水岭分割方法[J]. 遥感技术与应用, 2018, 33(2): 321-330.
[3] 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.
[4] 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.
[5] 田峰,陈冬花,黄新利,李虎,姚国慧. 基于形态学阴影指数的高分二号影像建筑物高度估计#br#[J]. 遥感技术与应用, 2017, 32(5): 844-850.
[6] 林齐根,邹振华,祝瑛琦,王瑛. 基于光谱、空间和形态特征的面向对象滑坡识别[J]. 遥感技术与应用, 2017, 32(5): 931-937.
[7] 姬忠林,张月平,李乔玄,刘绍贵,李淑娟,任红艳. 基于GF-1影像的冬小麦和油菜种植信息提取[J]. 遥感技术与应用, 2017, 32(4): 760-765.
[8] 王苏芸,孙中昶,郭华东,申维. 基于面向对象的东营市城乡建设用地信息提取[J]. 遥感技术与应用, 2017, 32(4): 780-786.
[9] 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.
[10] 姜萍,刘修国,陈启浩,邵芳芳. 利用多尺度SVM-CRF模型的极化SAR图像建筑物提取[J]. 遥感技术与应用, 2017, 32(3): 475-482.
[11] 朱钟正,陈玉福,朱文泉,郑周涛. 适用于多目标遥感自动解译的最佳专题指数筛选[J]. 遥感技术与应用, 2017, 32(3): 564-574.
[12] 郝泷,陈永富,刘华,朱雪林,达哇扎西,李伟娜. 基于纹理信息CART决策树的林芝县森林植被面向对象分类[J]. 遥感技术与应用, 2017, 32(2): 386-394.
[13] 邓滢,张红,王超,刘萌. 结合纹理与极化分解的面向对象极化SAR水体提取方法[J]. 遥感技术与应用, 2016, 31(4): 714-723.
[14] 王娟,廖静娟,沈国状,许涛. 基于面向对象技术的鄱阳湖湿地地物分类研究[J]. 遥感技术与应用, 2016, 31(3): 543-550.
[15] 王嘉芃,刘婷,俞志强,胡潭高,张登荣,寻丹丹,王冬海. 基于COSMOGSkyMed和SPOTG5的城镇洪水淹没信息快速提取研究[J]. 遥感技术与应用, 2016, 31(3): 564-571.