如今,随着空间分辨率的提高,高分辨率影像所包含的信息量越来越大。我国从高分计划开始,所获取的影像已经陆续应用到土地利用、矿山监测、灾害监测等国民生产及科研中去。但是,由于其庞大的数据量和不规则噪声信息,图像的实际处理工作会遇到很多问题。面向对象的分类方法是如今高分辨率影像分类的主流方法且有着较好的分类效果。本文以“大地质”调查为背景,采用面向对象的分类方法对东营市某盐田区进行地物信息提取,取得了较好的效果。论文主要分为两部分—影像分割与分类。首先,对影像进行平滑、锐化等预处理操作,其中,引入形态学混合开闭操作进行平滑处理。影像分割过程中针对盐田区盐田的实际地物特征,引入相位一致作为分水岭分割的修改梯度算子,并采用同样具有去噪功能的Canny算子进行对比分析。在分水岭分割时引入形态学阈值算子及腐蚀操作,进行结合内外部标记的分水岭影像分割,得出较好的影像分割结果。由于高分辨率影像有着丰富的光谱、纹理以及几何等特征,所以在影像分类之前,需要以影像分割结果为基础,计算各特征量。分析其特征值之间的差异之后,选取各地物的样本数据。本文引入KNN以及随机森林(RF)分类器分别进行分类,以真实调查数据为基础,制作分类真实标签,采用混淆矩阵的方式进行精度评价。研究的主要成果如下:1.通过实验证明,在山东省沿海盐田区的分割过程中,采用相位一致梯度算子的影像分割结果更好。2.采用数学形态学滤波以及标记分水岭算法对于影像分割的处理过程有着很好地优化作用,大大减少了误分以及错分现象,尤其对于小型不需考虑的地物来说,降低了影响程度,使分割结果满足分类的需求。3.本文采用KNN以及随机森林分类器对盐田区进行分类研究,两种方法都取得了较好的效果,其中以随机森林分类器为优,并且用几何、纹理特征为盐田的分类提高了精度,实验区分类的精度可达盐田UA=0.917,OA=0.890,KAPPA系数为0.834。
