1、第一章 绪论 1、高分辨率遥感影像的发展 2、高分辨率遥感影像的分类方法 3、高分辨率遥感影像的分割与信息提取早期高分辨率遥感传感器的研制与应用主要应用在军事领域，以大比例尺遥感制图和对地物的分析和对人类活动的监测为目的20世纪90年代才逐渐进入民用领域由于卫星获取遥感资料迅速，成本相对较低，并且不受区域限制，已经在空间探测、资源调查、通讯、导航、气象、测绘和军事侦察领域得到广泛应用面向对象分类方法目视解译基于像元分类方法分类方法影像输入预处理专题信息输出分类器设计精度评价高分辨率遥感影像信息提取2.1基于像元的分类方法 基于像元的分类方法是传统的分类方法，基于像元的分类方法是传统的分类方法，
2、比较常用的有监督分类和非监督分类比较常用的有监督分类和非监督分类 监督分类是先学习再分类的方法监督分类是先学习再分类的方法 非监督分类是一种自底向上的数据驱动法非监督分类是一种自底向上的数据驱动法监督分类方法 最小距离法最大似然法平行六面体法费谢尔线性判别分类法马氏距离法波普角度制图法二进制编码法非监督分类法分类集群法波谱特征曲线图形识别法平行管道法动态聚类法K-means法监督分类和非监督分类优缺点 监督分类 非监督分类监督分类可根据实际应用目的和研究区域有选择的决定分类类别数量，从而避免大量数据的冗余；可充分结合分析者的知识与经验控制训练样本的选择，有利于提高分类精度。非监督分类方法不必对
3、影像地物获取先验知识，不需要人工选择训练样本，由于人为干预较少，非监督分类过程的自动化程度较高 。传统信息提取新方法决策树纹理分类方法专家系统分类法模糊集人工神经网络传统信息提取新方法2.2面向对象的影像分析方法 面向对象的分类方法是一种自能化的自动的影像分析方法。面向对象的分类基本单元不再是单个像元，而是更有实际意义的影像对象。影像对象是与像元相对应的影像分析单元，由影像的多尺度分割而形成、由若干个同质像素组成的集合体，对象的大小由分割尺度决定，影像的分类都是基于对象进行的，这样能更好地利用目标的几何特征。 面向对象影像分析方法的优点 面向对象的分类方法在影像光谱特征的基础上，充分考虑了地物
4、的形状、大小、结构等几何特征，可以充分利用对象和周围环境之间的联系等因素，借助对象特征知识库来完成对影像信息的提取，有利于提高分类的精度，减少了传统基于像元分类方法的语言信息损失 2.2.1 多尺度分割技术 多尺度分割方法充分考虑了地表实体格局或过程的多层次性，克服了数据源的固定尺度问题，采用了尺度影像的层次网络结构来揭示地表特征的等级结构。 Pixel levelLevel 1Level 2Level 3多尺度影像分割步骤：1、设置分割参数， 包括各波段的权重 2、以影像中任意一个像元为中心开始分割第三章第三章 最优最优参数的选择参数的选择最优分割参数各波段的权重均质因子分割尺度3.1最优尺
5、度选择 最大面积法最大面积法 这种方法的基本理论思想基本理论思想是:首先假设最大面积法与分割尺度具有一定的关系，然后进行多尺度分割，并且记录每个不同尺度层的最大面积，并对最大面积和分割尺度的关系进行统计，最后得到尺度和最大面积的关系，并通过目视观察来确定相应最大面积下哪种或哪几种类别得到了最好的分割，以此来确定某种特定类别的最优分割尺度。 目标函数法目标函数法 这种方法的基本思想基本思想是：分割得到的对象内部具有良好的同质性同质性；分割得到的对象与邻接对象又有良好的异质性异质性。分割对象的同质性可以保证在影像对象在一定程度上不具有混合对象不具有混合对象，异质性又可以保证对象之间的可分性可分性。
6、目标函数的目的是将同质性和异质性达到最好的组合效果。3.2实验结果和分析下图是不同分割尺度下影像分割结果： （a）分割尺度=50 （b）分割尺度=300 4.1 遥感图像预处理辐射纠正图像融合图像纠正遥感影像预处理4.2多尺度分割参数选择实验多尺度分割参数选择实验 选择合适的分割法和设选择合适的分割法和设置合理的分割参数是产生高置合理的分割参数是产生高质量分割结果的重中之重质量分割结果的重中之重第四章第四章 面向对象遥感信息提取实验面向对象遥感信息提取实验4.3面向对象影像的提取面向对象影像提取有两种方法：标准最邻近法标准最邻近法-是基于样本的分类方法，即先取样本再分类。成员函数法成员函数法-
7、是一种基于规则的分类方法，即通过地物对象特征的分析，建立合适的分类体系和分类准则来进行逐级分类。4.4影像信息提取的实验结束开始建立分类体系最邻近分类器建立编辑规则对话框执行规则符合要求yes no 分类4.4面向对象和基于像元信息提取比较面向对象和基于像元信息提取比较 面向对象与传统分类方法的本质区别本质区别就是：面向对象对象而不是面向像素进行分类。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、均质性等。下图是面向对象和基于像元的影像提取结果下图是面向对象和基于像元的影像提取结果面向对象与基于像元特点比较 面向对象 基于像元颜色信息丰富，形状接近真实地物，大小区分明显，纹理信息突出，上下文关系明确大面积地物混分，分类结果多椒盐，无法输出有意义的地理信息层第五章 总结与展望 。 面向对象遥感影像分析方法可用到的特征有：对象的本质特征、拓扑特征、内容特征，面向对象影像分析的最大特点就是充分利用这些来自影像目标的丰富的信息进行分割，使我们得到更好地语义关系，精确详细的结果，这种技术在遥感影像分析中起着无可比拟的优势，是当前影响分析技术的发展趋势，也是遥感应用分析中影像分割技术的发展趋势之一。
