第9章 面向对象的遥感影像分类

传统分类方法在高分辨率遥 感影像中面临的问题：
影像上表现出更多的类型和 差异，增加了分类的难度； 影像增加的地物细节信息， 干扰分类的结果；
传统方法较多地利用光谱信 息，而几乎没有利用几何结构、 纹理等在高分辨率影像中很重要 的空间信息；
传统方法得到的分类结果过 于破碎，改进分类结果的处理运 算量增大；

监督分类， 最小距离法、最大似然法、BP神经网络等；
非监督分类，ISODATA、Kohonen神经网络等。 这些传统的分类方法都是基于像元进行分类的。
遥感影像
常用高空间分辨率遥感影像——SPOT
SPOT
• 2.5m全色 • 10 m多光谱
遥感影像
常用高空间分辨率遥感影像——IKONOS
1 m全色 4 m多光谱

概念——上下文信息
全局上下文信息
—描述影像的状态，成像时间、传感器、位置等；
局部上下文信息
—描述影像区域的共同联系和含义。
概念——模糊分类系统
基本思想：常规分类中，一个基本实体（像元）只能属于某一类而不
能同时属于另一类；模糊分类则认为，一个基本实体（影像对象）在某 种程度上属于某类的同时还分别在不同程度上属于其它的类。用从0到1 的连续范围来取代二值的确定逻辑状态“是”与“非”，它给出对象对 于所有给定类的隶属度，最大的隶属度将决定对象的类型归属，如果所 有的隶属度均为0，那么这一对象将不进行分类。
问题：
怎么用多尺度分割结果进行分类，上下文特征用于分类；
讨论：如何实现？
提取影像对象
快速有效的影像分割算法，实现多尺度分割。（前提、关键）
特征
对象特征（形状、纹理、层次等），类相关特征，上下文关系 等；以前做过的提取纹理特征怎么利用起来？
分类方法
Fuzzy模糊分类等；能否将神经网络等好的方法用于对对像的
传统的遥感影像分类，包括监督分类或者非监督分类，都是在影 像的光谱特征空间中，依靠不同光谱数据组合在统计上的差别来进行 的。随着遥感影像的空间分辨率越来越高，影像上地物景观的结构、 形状、纹理和细节等信息都非常突出，而光谱分辨率并不高，因此， 在分类时不能仅依靠其光谱特征，更多的是要利用其几何信息和结构 信息。
基于样本: “点击、分类”（最近邻法，NN classifer）
基于规则: 融入专家知识 (Fuzzy分类法，fuzzy membership)
...... 或者两者结合
第二步：分类
基于样本的分类：“点击、分类”
第二步：分类
基于规则的分类
1. 利用光谱特性提取水体
2. 分离河流和湖泊
形状因子
边界信息
分类？
谢谢！
基于像元分类的局限性
分类只利用了像元值和某些纹理信息
Limitations of pixel based analysis Classification • of color/digital value • of texture in a certain environment
基于像元分类的局限性
面向对象的分类过程
影像分割
影像分割生成影像对象，选择适当的分割尺度。
影像分类
通过类层图建知识库；（AOI区选取并指定类别） 选择分类器，选择分类特征； 声明样本类，将定义的类与样本联系起来； 对影像对象进行分类。
精度评估
eCognition的分类介绍
eCognition是一款面向对象的影像分析软件。它的主要特点在于 利用影像空间和波谱两方面信息进行信息提取。
分类没有利用有意义的上下文信息 Limitations of pixel based analysis: No meaningful context information
新影像VS传统分类
遥感影像的空间分辨 率越来越高，呈现如下特 点： 单幅影像的数据量显 著增加； 成像光谱波段变窄； 地物的几何结构、纹 理信息等空间信息更多更 明显； 从二维信息到三维信 息； 高时间分辨率。
面向对象的影像分析
面向对象的遥感影像分析是针对高分辨率影像应用而 兴起的一种新的遥感影像分析技术。 和传统的影像处理方法不同，面向对象影像分析的基 本处理单元是影像对象，而不是单个的像元。甚至连分类 的过程也是基于影像对象的。 面向对象影像分析的目的：希望基于真实世界中目标 地物来提取影像信息，而且要求目标物具有较高的形状与 类别一致性，这一要求通过基于像元的技术是很难达到的。 面向对象影像分析有两个独立的模块：对象生成与信 息提取。对象生成是采用分割技术生成属性信息不同的影 像对象的过程，即影像分割。
生 成 不 同 尺 度 上 的 对 象
medium-sized objects
large objects
第一步：影像分割
每一个对象与其他尺 度上对象间的关系... …父对象
…邻对象
…子对象
第一步：影像分割
对象特征 光谱统计
形状
纹理 等级 与…的关系
…邻对象 …父对象 …子对象
第二步：分类
监督分类
面向对象分类的提出
基于像元的遥感影 像分类 面向对象的遥感影 像分类
色调 纹理
以单个像元为单位的分类技术过于着眼于 局部而忽略了附近整片图斑的几何结构、纹理 等信息，从而严重限制了分类的精度。
光谱统计 形状 大小 ຫໍສະໝຸດ Baidu理 上下文信息
面向对象的影像分类
主要内容：
面向对象的影像分析 基本概念 面向对象的分类原理 分类过程
对象 (object)
模糊化 （fuzzification）
模糊规则库 （fuzzy rule base）
分类图 (classimage)
分类 （classify） 分类流程图
反模糊化 （defuzzification）
面向对象的分类原理
根据像元的形状、颜色、纹理等特征，在一定尺度上对影像进行影 像分割生成影像对象，即把具有相同特征的像元组成一个影像对象；
对象特征
类相关特征
类相关特征（class-related features）
类相关特征
eCognition分类的过程
第一步：影像分割 像素
边缘检测与影像分割
对象
结果：
从二维化的影像信息阵列中恢复出影像所反映的景观场 景中目标地物的空间形状及组合方式。
第一步：影像分割
pixels small objects
根据每个影像对象的特征进行分类。不同于传统的基于像元光谱值 的方法，而采用决策支持的模糊分类算法，建立不同尺度的分类层次， 在每一层次上分别定义对象的：
• 光谱特征，包括均值、方差、灰度比值等； • 形状特征，包括面积、长度、宽度、边界长度、长宽比、形状因子、 密度、主方向、对称性、位置等； • 纹理特征，包括对象方差、面积、密度、对称性、主方向的均值和方 差等； • 上下文关系特征和相邻关系特征。 通过定义多种特征并指定不同权重，给出每个对象隶属于某一类的 概率，建立分类标准，并按照最大概率先在大尺度上分出“父类”，再 根据实际需要对感兴趣的地物在小尺度上定义特征，分出“子类”，最 终产生确定分类结果。
面向对象的遥感影像分类
主要内容
遥感影像及其分类
面向对象的影像分类
eCognition的分类介绍
如何实现
遥感影像及其分类
遥感影像
遥感，遥感影像，如航拍、卫星、雷达影像。
遥感影像的分类
“现在影像已经看的很清楚了，为什么还要分类？” 感性认识——精确数量、统计分析，如城市绿化带变化。分 类可以自动提取专题信息，用于城市规划、土地利用管理等。
遥感影像
常用高空间分辨率遥感影像——IQuickBird
商业化的最高空间 分辨率卫星影像 0.61 m全色 2.44 m多光谱
遥感影像
常用高空间分辨率遥感影像——航片
基于飞行高度和传感器 的不同分辨率范围分布 在0.1 m 到5 m 之间 影像可使用黑白的、可 见光部分和近红外波段
第三步：输出结果
输出分类结果：栅格图、矢量图、属性表
eCognition分类流程
数据输入 决策知识库
分割生成不同 尺度的影像对象
基于决策 支持的分类
结果输出
分类实例
优点：
分类结果精确； 速度快； 不用繁琐地去编辑样本（AOI区），直接点击即可； 很方便地修改样本（AOI区），以完善分类结果； 可以方便清楚地看到特征（光谱、形状等）差异，并选择有差异 的特征用于分类；
面向对象的分类特点
面向对象影像分类的重要特点是分类的特征是基于影 像对象来计算的而不是基于单个像元计算的，利用了许多 由影像对象得到的相关信息。 像元通常只包含有三种信息:光谱值、位置与大小。 而影像对象所包含的信息则很丰富，除上述光谱信息外， 还包括：形状特征、纹理特征、基于层次网络的影像对象 之间的关系，等等。 根据这些信息，类别之间的语义差异就更明显了，分 类的精度当然也提高很多。
多尺度分割示意图
概念——影像分割
影像分割：采用分割技术生成属性信息不同的影像对象的过程。分两步： • 对整幅影像进行尺度空间的构建，即根据所预设的尺度分割参数将影像中 的像元划分为不同亮度值的区域； • 根据其他的分割参数提取出不同的对象多边形。
不同尺度下影像分割的结果
概念——特征
影像对象的特征是影像分析与信息提取的主要依据， 从概念的角度来看，影像对象的特征可分为三类： 固有特征 — 对象的物理属性，由真实的地物与成像状态(传感 器与太阳辐射)决定。这类特征描述对象的图层值 、颜色、纹理和形状。 拓扑特征 — 描述对象之间或整个观察窗口内的几何关系，如左 侧、右侧、到一个指定对象中心的距离、在影像中 所处区域位置。 上下文特征 — 描述对象语义关系的信息，如公园是100%被城区 所包围。
基本概念
尺度（scale） 特征（feature） 上下文信息（context information）
影像分割（image segmentation）
模糊分类系统（fuzzy classification systems）
概念——尺度
尺度：实体、模式与过程被观察与表示的空间大小与时间间隔。表 示观测者感兴趣的信息所处的逻辑层次。 面向对象影像分析中的尺度：指影像分割的尺度，是一个关于多边 形对象异质性最小的阈值，决定生成影像对象的级别大小。分割尺度不 同所生成的影像对象大小也不同，不同分割尺度层的影像体现为明显的 空间结构特征差异。
eCognition采用面向对象的遥感影像分析技术来进行影像的分类 和信息提取。eCognition中影像信息不再由简单的像元所描绘，而是 由有一定意义的影像对象及其相互关系所表现。基本的特点， eCognition不再是对简单像元的分类，而是对由分割得来的影像对象 进行分类。
对象特征
对象特征（object features）