1、1传统的遥感变化监测和信息提取主要是基于中低分辨率的遥感卫星数据或航片，通过目视判读或是基于像素的计算机分类方法，信息提取的精度和效率不能兼顾。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。2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）。所以仅仅依靠像素的光谱信息进行分类，着眼于局部像素而忽略邻近整片图班的纹理、结构等信息，必然会造成分类精度的降低。原始图像预处理光谱信息的特征提取监督分类非监督分类分类结果传统的基于像元分类方法的技术
2、路线传统的基于像元分类方法的技术路线34其最重要的特点就是分类的最小单元是由影像分割得到的同质影像对象（图斑），而不再是单个像素。5输入校正后的影像多尺度分割尺度参数光谱因子形状因子光滑度密集度确定最佳参数组合组合特征信息获取光谱特征几何特征纹理特征拓扑特征影像分类监督分类法隶属函数法精度评价输出分类结果面向对象分类方法的技术路线以易康软件为例面向对象分类方法的技术路线以易康软件为例知识决策法6面向对象的知识决策分类方法是以对象作为分类的基本单元，对象的生成可以由已有的专题图获取，也可以采用遥感影像分类的方法生成。在分类过程中，对对象进行分析，提取纹理、光谱、形状信息，再将这些信息作为知识加入
3、到分类器中，同时将已有的GIS数据作为知识加入到分类器中，这样可以极大地提高分类精度，知识的加入可通过决策树来实现。该方法充分利用了高分辨率遥感影像的特点，使分类结果更接近于目视判读的效果，有效地提高了分类精度；分类后还可以通过建立对象间的拓扑关系来反映地理实体之间的关系，利用GIS的空间分析方法对遥感数据进行更深层次的挖掘。7像素级像素级对象级对象级81.寻找特征物体寻找特征物体2.提取特征物体提取特征物体对对分割分割后地物的进后地物的进行归类，归类的方行归类，归类的方法有两种，但是都法有两种，但是都需要对特征进行定需要对特征进行定义，可以定义训练义，可以定义训练区或者是建立规则。区或者是建
4、立规则。定义好特征后，输定义好特征后，输出分类结果。并能出分类结果。并能将结果专成矢量输将结果专成矢量输出出寻找特征寻找特征物体物体提取特征提取特征物体物体910图像分割的基本策略分割算法基于灰度值的两个基本特性：不连续性和相似性检测图像像素灰度级的不连续性，找到点、线（宽度为1）、边（不定宽度）。先找边，后确定区域。11图像分割的基本策略分割算法基于灰度值的两个基本特性：不连续性和相似性检测图像像素的灰度值的相似性，通过选择阈值，找到灰度值相似的区域，区域的外轮廓就是对象的边12图像分割有三大类方法：区域法把各像素划归到各个目标或区域中边界法确定存在于区域间的边界边缘法先确定边缘像素把它们连
5、接在一起以构成所需的边界13区域生长算法区域分裂与合并算法基于边缘检测的分割算法数学形态方法灰度阈值法等14阈值处理是一种区域分割技术。当使用阈值进行图像分割时，所有灰度值大于或等于某阈值的像素都被判属于目标，所有灰度小于该阈值的像素被排除在目标之外。1( , )( , )0( , )f x yTg x yf x yT15阈值处理是一种区域分割技术。另一种方法是把规定的灰度级范围变换为1，而范围以外的灰度变换为0。11221( , )( , )0( , )0( , )( , )1( , )0( , )f x yTg x yf x yTf x yTg x yTf x yTf x yT或二值图像1
6、6阈值处理是一种区域分割技术。半阈值法方法：将灰度级低于某一阈值的像素灰度值变换为零，而其余的灰度级保持不变或进行对比度拉伸。目的：设置灰度级阈值的方法不仅可以提取物体，也可以提取目标的轮廓。17应用灰度阈值法进行图像分割，为了保留云的纹理，灰度阈值为150大于等于150的值拉伸到1-255之间，小于150的值设为0值18根据分割对象与背景之间的差异，产生不同的确定阈值的方法。全局阈值法采用阈值确定边界最简单做法是将灰度阈值设置为常数。自适应阈值法在许多情况下，背景的灰度值并不是常数，目标和背景的对比度在图像中也有变化。在这种情况下，可把灰度阈值取成一个随位置变化而缓慢变化的函数值，这种方法称
7、为自适应阈值法。最佳的全局阈值19最佳阈值20基本思想：找到一个门限阈值，使按这个阈值划分目标和背景的错误分割概率最小。21全局阈值化在整个图像中将灰度阈值设置为常数自适应阈值把灰度阈值取成一个随图像中位置缓慢变化的函数适用于：背景的灰度值不是常数，物体与背景的对比度在图像中也有变化。22易康面向对象知识获取分为三类：对象特征、类间特征和全局特征。对象特征：对影像对象本身和其在影像对象层次结构中的位置进行评价，获取对象特征。灰度特征：影像对象的波段像素值；纹理特征：基于灰度共生矩阵或灰度差异矢量；形状特征：描述对象本身或其子对象的形状；层次特征：提供一个影像对象在整个影像对象层次结构中的嵌入位
8、置信息。类间相关特征：参考了位于影像对象层次结构中其他影像对象的分类结果；全局特征：涉及整个工程的参数，由于它们不能来区分分类对象，实际上它们只能用来组合自定义特征。23光谱特征Spectral Features纹理特征Texture Features空间（几何）特征Spatial (Geometric) Features24基于规则的分类方法：（1）最邻近分类器：在声明每个类的样本对象后，每个影像对象都赋为特征空间中最邻近样本所代表的类中。 （2）隶属度函数分类器：可以精确定义对象属于某一类的标准 ，是基于一个特征的。如果一个类仅通过一个特征或者只用少数的特征就能和其它类区分，则可使用隶属度
9、函数 。25新建工程26导入栅格对象27NIR、Red、Green三波段组合显示28NIR、Red、Green三波段组合的显示结果29创建图像对象多尺度分割算法30通过分类体系创建知识库定义类别31双击各类别插入分类器双击32定义样本对象33分类器若当前列表中无分类器时，选择MORE34选择分类器，对图像进行分类35分类结果图36导入栅格对象37对象平均模式显示分割后图像38l利用第二图层均值将主河流从森林和砍伐区中分离出来。l在河流对象中移动鼠标，发现该图层显示的值均小于1。特征观察39l在河流对象中移动鼠标，发现形状指数图层显示的值均大于4。特征观察40创建分类体系41双击Class Hierarchy中的暗区，打开类别描述对话框，加入Mean Green特征编辑相关的成员函数，此步骤选做。42编辑相关的类成员函数，进行图像第一次分类43图像第一次分类结果44图像第二次分类45图像第二次分类结果46面向像素的解算模式将像元孤立化分析，解译精度较低且斑点噪声难以消除；利用影像分割技术把影像分解成具有一定相似特征的像元的集合影像对象；影像对象和像元相比，具有多元特征：颜色、大小、形状、匀质性等。47
