摘 要

随着自动化技术和计算机的迅猛发展，遥感观测的方式也在不断变换，由最初的光学扫描成像系统逐渐转变为固体自扫描仪，遥感影像的空间分辨率、时间分辨率、光谱分辨率都发生了较大变化，高分辨率影像逐渐走进视野，因此高分辨率影像的分类成为研究的重点方向。面向像素的方法在针对高分辨率影像处理时容易出现“椒盐现象”，由此，面向对象遥感分类技术应运而生。本文采用面向对象方法得到地理元胞并利用元胞的属性选择决策树C5算法和分类回归树算法进行分类预测，相比较而言，在特征向量为光谱均值、亮度值、最大光谱差值、标准差等光谱特征和长宽比、形状指数、密度等形状特征及角二阶矩、相关性等纹理特征的情况下，决策树C5算法的分类效果明显高于分类回归树。此外，样本的选择也会影响分类的精度。

关键词：面向对象技术 决策树C5算法 多尺度 分类回归树

Abstract

With the rapid development of automation technology and computer, remote sensing observation way are also changing,the way transformed from the initial optical scanning imaging system into a solid from the scanner, great changes about remote sensing image spatial resolution, time resolution, spectral resolution have taken place in the high resolution image gradually entered the field of vision, so the classification of high resolution image become the focus of the research direction. Pixel oriented method for high resolution imaging phenomenon of "salt and pepper, easy to appear when as a result, the object-oriented classification of remote sensing technology arises at the historic moment. This paper adopts the object-oriented method of geography cellular automata, and use of cell and the C5 attribute selection decision tree algorithm of classification and regression tree algorithm classified forecast, in comparison, the characteristic vector for the mean spectrum, brightness value, maximum differential spectral values, standards, such as spectrum characteristics and the aspect ratio, shape index, density and shape characteristics, such as angular second moment, correlation, etc. Under the condition of texture feature, the classification of the decision tree algorithm of C5 effect is significantly higher than the classification and regression tree.In addition, the choice of the sample will also affect the accuracy of classification

Key word: Object-oriented technology; decision tree C5; multi-scale classification; regression tree algorithm

目 录

摘 要 i

Abstract ii

第1章 绪论 1

1.1引言 1

1.2研究意义 1

1.3国内外研究现状 2

1.3.1面向对象遥感技术的研究现状 2

1.3.2决策树分类的研究现状 3

1.4论文研究内容和组织结构 3

第2章 面向对象遥感技术的基本原理 3

2.1面向对象遥感中的重要概念 3

2.1.1分割与分类 3

2.1.2对象与尺度 4

2.2多尺度分割的基本流程 4

第3章 决策树分类的基本原理 6

3.1决策树介绍 6

3.2 C5算法的作用 6

3.3分类回归树的基本原理 6

第4章 样本区域选择 6

4.1样本区域的选取用途 6

4.2样本区域的选取要求 6

4.3样本分类类型 7

4.3.1土地利用二级分类 7

4.3.2分类类型的选取要求 7

4.4遥感选取结果 7

4.4.1遥感地区选择结果 7

4.4.2遥感分类类型选择结果 9

第5章 研究区域的数据处理 9

5.1研究区域概况 9

5.2专题图层的制作 9

5.3影像分割 10

5.4各地类的最佳分割尺度确定 10

5.5 影像分类 13

5.6 影像矫正 16

5.7 拓扑检查 16

5.8 小结 17

第6章 决策树分类处理过程 17

6.1训练集数据采集 17

6.2决策树C5算法处理 18

6.3分类回归树算法处理 23

6.4结果分析 26

第7章 总结与展望 26

7.1本文总结 26

7.2展望 27

参考文献 28

致谢 29

第1章 绪论

1.1引言

由于高分辨率卫星的大量发射，现在已经可以较为廉价的获取高分辨率遥感影像，这促使了高分辨率影像的民用化时代，目前已经有多家大型企业利用高分辨率遥感影像制作自己的专属系统提供城市管理模块,主要用于城市环境监测评估、城市整体规划、智慧城市等。

高分辨率遥感影像虽然比中分辨率更加能突出地物的结构和纹理且信息量丰富,但是其本身波段较少,光谱信息较为不足,由于地物表面可能会不均匀的光谱,而不同地物则有可能会出现局部的同样光谱，这样给遥感影像识别造成不必要的麻烦，这些因素则使得影像的信息提取变得复杂和困难，我们需要新的遥感读取技术。

1.2研究意义

高空间分辨率代表着即便没有真实的近距离观察，仍然可以达到某种程度的靠近观察，例如可以看到很远地方的建筑物修建情况。最早期高分辨率传感器的研发主要用于军事方面,主要用来对敏感地区的测量观察、特殊人员的跟踪和对地形地貌的大范围统计分析,1999年IKONOS商用卫星的投入使用说明高分辨率卫星已经被民众所认识和使用,并在随后的数年间迅速地发展起来,目前已经有快鸟、轨道观察3号、我国的高分卫星等多种不同标准的高分辨率卫星。

对遥感影像的识别在以前主要是依靠目视解译和基于像元的分类方法。目视解译指专业人员通过自己去观察或者借助某些仪器来观察影像地图，从而实现对影像的识别。目前在高分辨率遥感影像解译过程中仍然担当重要任务。当识别某一个地物的时候主要是靠判断它的形状、纹理、色彩、空间位置等；当识别的是某一地区的时候主要是将这个地区与其他地区进行对比分析，寻找它们之间的相同点和不同点；当识别的是某一片区域的时候则要多联系周边环境，或者通过对其他地图信息的复合来判断。综上所述,仅凭具有丰富经验的目视解译者来处理地图，如果是一幅俩幅还有可能接受，一旦出现海量地图的更新，那对于工作者来说是很绝望的一件事，而现代社会恰恰进入了海量信息时代。