1．目的及意义

随着科技的进步，遥感影像的分辨率逐步提高同时人类的认知水平也在逐步的提高，因此新的遥感影像分析方法也应运而生。遥感影像分辨率的提升以及相关领域的发展，传统方法的遥感信息提取显露出诸多弊端。面向对象的图像方法正是适应高分辨率影像而提出的。因此，到目前为止，遥感影像主要有基于逐像元和面向对象两种分类方法。传统的基于逐像元的分析方法主要是利用地物的光谱特征而基本不考虑地物的空间特征，而面向对象的分析方法就是在考虑光谱、空间、上下文等跟多的特征信息这一基础发展而来的。根据相关研究结果，在某些条件下，由于高分辨率遥感影像上存在大量的光谱变异，传统的基于像元的分类方法并不能有效地提所需的信息。但面向对象的分析方法可以在对高空间分辨率的影像分类时结合跟多的特征，从而提取跟多的有效信息。如Zhang和Feng利用IKONOS数据进行城区植被覆盖分类。试验研究表明，由于光谱变异严重，基于像元的分类精度较低而利用面向对象的分类方法则取得了很好的效果。面向对象的方法因此也越来越受地学研究人员的喜爱。谭衢霖和STEVE Johansen利用高空间分辨率遥感影像和LiDAR数据在不同分类层次上，评价了基于像元和基于对象分类两种方法的城区植被覆盖主题制图效果。结果表明，在城区两种不同植被分类层次，面向对象分类的结果都优于基于像元的分类方法。陈旭等采用基于对象的分类方法与基于对象的分类方法对黑石顶自然保护区QuickBird遥感图像进行了分类，结合多样性指数、优势度指数、均匀度指数、聚焦度指数对比分析了黑石顶自然保护区不同分类方法的景观格局。结果表明，基于对象的多次度、多层次景观分析方法较传统的基于像元的景观分析方法更能体现实际的景观状况，并能够获得更准确的景观分析结果。

国内外的研究大多是针对某一种大类的地物类型讨论面向对象分类方法和基于像元的分析方法两者的优劣及分类的精度。此外，目前的现有研究多是以单一的高空间分辨率的遥感影像作为研究数据，并没有用多种分辨率的数据作为横向对比，同时也没有明确面向对象分类方法大致适用的遥感影像空间分辨率范围。因此有必要对这些问题进行进一步的探究。{title}

2. 研究的基本内容与方案

{title}

基本内容：

在上述背景下，获取武汉市的遥感影像数据，分别使用面向对象分类方法和基于像元的分类方法对武汉市城区的土地利用类型进行划分，评价面向对象分类方法和基于像元的分类这两种分类方法的精度以及比较两种分类方法的优劣；再用不同空间分辨率的武汉市遥感影像进行武汉市土地分类，确定面向对象分类方法和基于像元方法各自较为适用的空间分辨率。

技术方案:

1. 收集武汉市近期天气良好时的不同空间分辨率的遥感影像数据；

2. 分别用传统的监督分类和非监督分类方法对遥感影像数据进行分类；

3. 用面向对象的分类方法对武汉市遥感影像进行分类,包括影像的分割以及分块合并；

4. 对比各个分类方法的分类总体精度和Kapaa系数；

5. 对两种分类方法进行评价，确定基于像元的分类和面向对象的分类这两种方法各自适宜的分辨率范围。

   剩余内容已隐藏，您需要先支付 5元 才能查看该篇文章全部内容！立即支付