面向对象与基于像元的土地分类方法分析——以武汉市为例开题报告
2020-02-18 18:24:49
1. 研究目的与意义（文献综述）
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。2. 研究的基本内容与方案
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。
3. 研究计划与安排
第1-2周：进行毕业实习，搜集毕业设计相关参考资料；
第3-4周：书写并提交开题报告；
第5周：搜集毕业设计课题相关外文参考文献，完成外文文献翻译；
4. 参考文献（12篇以上）
| [1] Whiteside T, Ahmad W. A comparison of object-oriented andpixel-based classification methods for mapping land cover in northernAustralia[C]//Proceedings of SSC2005 Spatial intelligence, innovation andpraxis: The national biennial Conference of the Spatial Sciences Institute.2005: 1225-1231. [2] Zhang Z, Han Y, Chen J, et al. Information Extraction of EcologicalCanal System Based on UAV Remote Sensing Data for PrecisionIrrigation[C]//International Conference on Intelligent Technologies andApplications. Springer, Singapore, 2018: 403-413. [3] Yan G, Mas J F, Maathuis B H P, et al. Comparison of pixel‐based and object‐orientedimage classification approaches—a case study in a coal fire area, Wuda, InnerMongolia, China[J]. International Journal of Remote Sensing, 2006, 27(18):4039-4055. [4]Walter V. Object-based classification of remote sensing data forchange detection[J]. ISPRS Journal of photogrammetry and remote sensing,2004, 58(3-4): 225-238. [5]Yan G, Mas J F, Maathuis B H P, et al. Comparison of pixel‐based and object‐orientedimage classification approaches—a case study in a coal fire area, Wuda, InnerMongolia, China[J]. International Journal of Remote Sensing, 2006, 27(18):4039-4055. [6]裴欢,孙天娇,王晓妍.基于Landsat 8 OLI影像纹理特征的面向对象土地利用/覆盖分类[J].农业工程学报,2018,34(2):248-255. [7]江东,陈帅,丁方宇,付晶莹,郝蒙蒙.基于面向对象的遥感影像分类研究——以河北省柏乡县为例[J].遥感技术与应用,2018,33(01):143-150. [8]朱永森,曾永年,张猛.基于HJ卫星数据与面向对象分类的土地利用/覆盖信息提取[J].农业工程学报,2017,33(14):258-265. [9]郑玉晗. 大型海藻养殖区域的遥感监测及其环境效益评估[D].浙江大学,2018. [10]靳欢欢.基于逐像元和面向对象分类方法的分析研究[J].江苏科技信息,2014,(19):38-40. DOI:10.3969/j.issn.1004-7530.2014.19.015. [11]李纯,吴俐民,左小清.一种基于像元和面向对象的库塘信息提取方法[J].昆明理工大学学报（自然科学版）,2011,36(1):7-11. [12]季建万,沙晋明,金彪, 等.基于WorldView-2影像的土地利用信息提取方法对比及评价[J].计算机系统应用,2018,27(3):36-43.. [13]王蕾,杨武年,任金铜,邓晓宇.GF-2影像面向对象典型城区地物提取方法[J].测绘通报,2018(01):138-142.
[15]李杰,刘陈立,汪红, 等.基于多源遥感数据的罗平油菜种植面积提取方法研究[J].西南林业大学学报,2018,38(4):133-138. |
