标准最邻近分类法在道路提取中的应用.pdf

地矿测绘2012,28(3):27~29
CN53-1124/ TD SSN1007-9394
Surveying and Mapping of Geology and Mineral Resources
标准最邻近分类法在道路提取中的应用
夏海良,王波2,邵红伟
(1.江苏海通建设工程有限公司,江苏连云港2001;2.徐州市市政设计院,江苏徐州221002)
摘要:遥感影像分类的过程即是把分割出来的遥感影像对象和语义类层相互联系在一起,从而使影像对象具体安排到对应的类
别中。传统的分类方法不能完全利用遥感影像特征,造成了影像特征空间数据的冗余。为此,将标准最邻近分类法应用到遥感影像
信息提取中,并以 Econgtion为实验平台进行道路提取。结果表明:这种提取方法操作简单,分类提取的精度较高。
关键词:遥感影像;对象;标准最邻近分类;道路提取
中图分类号:P237;TP751
文献标识码:B文章编号:1007-9394(2012)03-0027-03
Application of Closest Standard Classification Method
Used in Road Extraction
XIA Hai-liang, WANG Bo, SHAO Hong-wei
1. Jiangsu Haitong onstruction En ng o Ld. Lianungang Jan sw 222001, hin 2. Xuzhou Municipal Engineering Design nsti
tute, Xuzhou Jiangsu 221002, China
Abstract: The classification procedures linked the remote sensing image object which is separated to semantic class
so that the image object will be arranged to the corresponding category. Because the traditional classification can cause
redundancy of images character spatial data, for it can not fully use the remote sensing image features. Therefore, the
authors apply closest standard deviation classification to the information extraction of the remote sensing image, and con
duct road extraction with the experimenl la om of Eon ition. The results show that the extraction method is simpl
for handle and the classification extracting precision is high
Key words: remote sensing image; object; closest standard classification; road extraction
0引言
定状态,将隶属关系用可能性思维来表示。由此可妃,将硬分类
方法中两种严格逻辑关系“是”、“非”转换为“是一可能是一
遥感影像可以提供丰富的地物信息,近年来随着高分辦率非”的不确定性关系是软分类法的优势,描述类的不确定性与
遥感影像的普及,已成为地图及CS数据库更新不可或缺的信人类对事物的认知方式更加接近,从而可使得到的分类结果更
息来源。高分辨率遥感影像较之低分率遥感影像提供的影像趋近人类思维观念,分类结果较之硬分类方法真实可靠。
信息更加丰富、细致,可以使地物的光谱、纹理、几何、结构等特
本文在对高分辨率道跻影像特征分析的前提下,采用软分
征表现清楚。道路作为遥感影像中重要的人工地物,如何提类法标准最邻近法,以 Ecogntion为实验平台,提出了一种
取也成为遥感影像信息处理研究的重要方向。传统的诸如小波基于标准最邻近分类的面向对象道路提取方法。
变换、边缘检測等道路的提取方法都是基于像元的,认为遥感影
像是由独立的像素组成的,相邻像元的空间相关性并未考虑在】面向对象的标准最邻近分类
内。然而高分辨率遥感影像所要分类的目标特征不仅仅是单个1.1分类的基本原理
像素特征,而单纯的光谱信息分类具有变异性,从而可导致分类
标准最邻近分类法与基于像素的监督分类法都是属于训练
精确度和不同类地物之间的可分离性降低2?。
样本选择方法的范畴,但是前者所选择的样本是遥感影像分割
此外,类似于最大似然值法、最短距离法或平行六面体法等后的对象,而不是像元?。如图1所示,标准最邻近分类法首先
都是赋予遥感影像的隶属度为“0”or“1”,“0”是在某类之外,要定义影像对象的类别,从各个类别中选取具有代表性的样本。
1”则是完全属于某类。这种用二值化(“0”or“1"”)的隶属关系遥感影像分类的过程中需要选取至少两个以上的特征参数才能
来表示影像对象与类的分类法可称作为硬分类。与之相反,很好的区分目标与背景,必须要创建多维特征空间。多维特征
软分类方法将隶属关系定义在0~1之间的不确定状态,那么空间可以通过下面两种方式来创建:
“0”代表完余不属于,“1”代表完全属于,“(0~1)”则代表不确
1)根据多维隶属度函数规则创建;
收稿日期:2012-05-15