多光谱数据的地表信息提取应用

随着计算机技术和遥感技术的发展，遥感技术在社会的各个方面得到了广泛应用，如对资源、环境、灾害、城市等进行调查、监督、分析和预测、预报等方面的工作。所以分类作为遥感技术中的一项最基本的研究，也是遥感技术运用最为广泛的一项技术，也相应的提出了更高的要求。然而目前主要的分类方法是监督分类和非监督分类，这两种方法是基于像元的分类方法，不能有效的利用影像的空间纹理信息。而且基于像元的分类方法还存在着分类结果出现椒盐现象的问题，从而导致大量无效破碎图斑的产生，最终导致分类精度不高。随后又提出了在此两种方法的基础上该进的方法，如模糊分类法、基于神经网络的分类方法和基于决策树的分类方法等。虽然后述这些方法在一定的程度上提高了分类的精度，但是他们依旧是建立在像元的基础上，也没有考虑到对象的空间纹理信息。所以也会出现上述的一些问题（如：椒盐现象等）。所以传统的分类方法已不能满足分类的需求。

所以基于以上这些问题，面向对象的分类方法应运而生，面向对象的分类方法充分利用影像的光谱信息、空间几何信息、纹理信息来进行分类。采用多尺度分割算法，采用不同的分割尺度，能够较好的提取各种尺寸大小的地物。所以运用面向对象的分类方法提取地表信息是，能够细致的提取出地表所覆盖的地物种类，并且能够达到更高的提取精度，能够更加准确的为相关部门提供数据资料，为相关部门作出决策判断提供依据。本文中采用面向对象的分类方法与传统的基于像元的分类方法相比有一下有点：基于影像多尺度分割得到同质像元组成的影像对象，对象内部的光谱差异值很小可以忽略其内部的信息，从而避免了椒盐现象的出现，对象之间的区分同时考虑了光谱和形状两种因子，为分类提供了更多的特征，有效地克服了基于像元分类的一些局限性；多尺度的空间分析，可以满足不同尺度地物的信息提取要求；模拟人脑的思维方式充分利用影像对象的各种特征，以达到尽可能高的精度提取地物信息的目的。