地理信息科学总论2012：遥感04

1.WhatisOBIA?2.WhyOBIA?3.OBIA基本原理与方法4.影像对象生成5.对象分类6.目前常用软件7.基本操作步骤8.问题讨论9.基于区域不一致性度量的遥感影像分割参数优选方法研究2基于对象的遥感影像分析Geographicobject-basedimageanalysis(GEOBIA)isasub-disciplineofGeographicInformationScience(GIScience)devotedtodevelopingautomatedmethodstopartitionremotesensingimageryintomeaningfulimage-objects,andassessingtheircharacteristicsthroughspatial,spectralandtemporalscales,soastogeneratenewgeographicinformationinGIS-readyformat.Essentially,GEOBIAprovidesawaytomovefromsimplycollectingimagesofourplanet,tocreatinggeo-intelligence.Hay,G.J.,Castilla.GeographicObject-basedImageAnalysis(GEOBIA):anewnameForanewdiscipline.InObject-basedImageAnalysis:SpatialConceptsforKnowledge-DrivenRemoteSensingApplications(eds:T.Blaschke,S.Lang,andG.J.Hay).Springer-VerlagBerlinHerdelberg,2008.Object‐Oriented（OO）Analysis, Design, or ProgrammingObject‐Based Image Analysis（OBIA）或者Geographic‐Object Based Image Analysis（GEOBIA）4基于对象的遥感影像分析L.Bian,2007.Object-orientedrepresentationofenvironmentalphenomena:Iseverythingbestrepresentedasanobject?AnnalsoftheAssociationofAmericanGeographers,97(2):267~2815基于对象的遥感影像分析难以有效解决“异物同谱”和“同物异谱”问题难以有效解决“椒盐现象”所带来的制图问题难以集成地物形状、大小、上下文关系等特征进行综合的地物信息提取影像目视解译的工作量增加，以致难以承受数据量的急剧增长以往发展的基于像元的影像分析方法需要消耗大量的计算机资源，同样难以为继地物细节信息增加以往的分类体系不再适用影像分析重新重新退回人工目视解译时代6基于对象的遥感影像分析Landsat 5 TMGeoEye‐1影像分辨率与地物细节层次的关系并非始于单个的像元，而是影像中所获得的一个个视觉注意地理单元。而且，不同类型的视觉注意地理单元在颜色、形状、大小、纹理、上下文、阴影等方面具有不同的影像特征人类影像识别能力与其自身对影像所承载的客观事物的认知程度密切关联，这种对事物的认知也就构成了地理知识库9基于对象的遥感影像分析你从下图能辨别出什么呢？2012‐11‐3基于对象的影像分类103.1. 人类的视觉认知在上下文语义中，我们可以判断这是盘子2012‐11‐3基于对象的影像分类112012‐11‐3基于对象的影像分类12在这个上下文语意中，我们可以判断蓝色的圆盘是车轮：传统基于像素分析仅根据像素值，在这里能够看出什么?2012‐11‐3基于对象的影像分类13在添加了一些上下文关系以后……2012‐11‐3基于对象的影像分类14通过调整缩放比例，利用周边信息，已经可以辨别出楼上的人2012‐11‐3基于对象的影像分类152012‐11‐3基于对象的影像分类162012年11月3日基于对象的影像分类172012年11月3日基于对象的影像分类182012年11月3日地理信息科学前沿讲座192012年11月3日地理信息科学前沿讲座202012年11月3日地理信息科学前沿讲座211.影像特征的多解性2.人类影像理解和人工智能表达依然要有漫长、艰辛的道路要走。1.地理单元的概念互不重叠的、唯一的地理空间范围属性差异性时间延续性2.地理单元之间的关系逻辑地理景观层次体系空间拓扑关系邻接连通3.地理本体（Geo‐Ontology）22基于对象的遥感影像分析对象类型•本体是人们以自己兴趣领域的知识为素材，运用信息科学的本体论原理而编写出来的作品（artifacts）。本体一般可以用来针对该领域的属性进行推理，亦可用于定义该领域（也就是对该领域进行建模）。•此外，有时人们也会将“本体”称为“本体论”•地理本体：表征地理对象组成结构以及与其他地理对象之间相互关系的明确表达。随着高空间分辨率遥感影像技术的发展，运用地理本体方法进行影像分析逐渐发展成为必然的需求。①影像分割生成影像对象（imagesegmentation）②建立影像对象层次结构③建立分类或特征提取规则集（ruleset）④完成分类或特征要素提取⑤精度评价分割精度评价分类精度评价⑥获得分类结果矢量数据导出与GIS集成1.概念影像分割（ImageSegmentation）：就是依据影像的灰度/颜色、纹理等性质将影像中具有不同特征的区域分开，这些区域是互不相交的，每一个区域都满足在灰度/颜色、纹理等性质上的区域内部一致性。影像对象（Imageobjects）：亦即影像分割结果，定义为具有光谱和纹理同质性的单个影像单元26基于对象的遥感影像分析27基于对象的遥感影像分析①基于像元灰度阈值的分割方法（Pixel-basedSegmentation）a)两级阈值化b)多级阈值化c)基于熵的阈值化②基于边缘检测的分割方法（Edge-basedSegmentation）a)Robert算子b)Sobel算子c)Prewitt算子d)Kirsch算子e)Canny算子f)Laplace算子③基于区域的分割方法（Region-basedSegmentation）a)区域生长（regiongrowing）b)分裂与合并（split&merge）c)聚类（cluster）分割影像单元内部的性质同质性（homogeneity）：对象区域中的所有像元点都满足基于灰度、纹理、色彩等特征上的相似性度量准则；连通性：对象区域内存在连续任意两点的路径连通性。分割影像单元之间的性质相邻分割区域之间具有显著差异性，亦即异质性（heterogeneity）。分割质量的形状约束：分割区域形状、边界应该与对应地物特征保持一致，保持边缘的空间定位精度，保持地物的对象分割完整性。2012‐11‐3基于对象的影像分类28•通用分割函数（Scalefactor）•对于多波段影像•色彩判据（hcolor）2012‐11‐330基于对象的影像分类12121mmgobobcolorkmgkobkobkkhwnnn101fcolorcolorcolorshapecolorSwhwhw其中，1mkkkhw这里，1-wcolor即为形状因子（shapefactor）•紧凑度：影像对象周长与其中所包含的像元个数的平方根之比•光滑度：影像对象周长与对象边界最短边之比•形状判据（hshape）2012‐11‐3311122cptmgmgobobobobhncptncptncpt1122smthmgmgobobobobhnsmthnsmthnsmthlcptnlsmthb101shapecptcptcptsmoothcpthwhwhw其中，这里，1-wcpt即为紧凑度因子（compactnessfactor）33基于对象的遥感影像分析2012‐11‐3面向对象的影像分类34层次对象语义关系满足对象及其继承关系在不同分割对象层次上可用以识别不同的地理对象采用多尺度影像分割技术生成影像对象使用Aster数据进行森林破坏监测. Rondonia, Brazil在一个工程中，针对不同的分类任务，生成不同尺度的影像对象层次建立影像对象的层次网络等级，同时，可以在不同的尺度上描述影像对象包含的信息。2012‐11‐335面向对象的影像分类2012‐11‐336面向对象的影像分类影像分割单元最小：单个像元最大：整景影像①光谱特征度量②纹理特征度量③形状/大小特征度量④邻域特征度量⑤对象层次特征度量⑥语义对象关系度量37基于对象的遥感影像分析对象特征度量1.均值（mean）2.亮度（brightness）3.昀大差分（maxdiff）4.标准差（stddev）5.比值（ratio）6.昀小像元值（minpixelvalue）7.昀大像元值（maxpixelvalue）——在像元级分割尺度上，均值特征就对应于经典的基于像元的多光谱影像分类1.面积（area）2.长宽比（length/width）3.长轴（length）4.短轴（width）5.边界长度（borderlength）6.形状指数（shapeindex）7.密度（density）8.长轴方向（maindirection）9.不对称性（asymmetry）10.紧致度（compactness）11.椭圆拟合度（ellipticfit）12.矩形拟合度（rectangularfit）2012‐11‐3面向对象的影像分类38度量度量1.主线长度（不考虑环形）2.主线长度（考虑环形）3.主线宽度4.长宽比5.曲率与主线长度比6.主线曲率标准差7.骨架分支度8.分块数9.由节点表示的平均面积10.由节点表示的面积标准差11.昀大分支长度12.平均分支长度13.选定次序分支的平均长度14.待定长度的分支个数15.选定次序的分支个数16.选定次序的分支线块个数度量1.与影像边界的距离2.与影像右边界的X方位距离3.与影像上边界的Y方位距离4.与影像左边界的X方位距离5.与影像下边界的Y方位距离6.与线的距离2012‐11‐3面向对象的影像分类39度量度量1.基于子对象的影像层纹理2.子对象的平均值：标准差3.子对象邻域的平均差分对平均值4.基于子对象的形状纹理5.子对象的面积：平均值6.子对象的面积：标准差7.子对象的密度：平均值8.子对象的密度：标准差9.子对象的不对称性：平均值10.子对象的不对称性：标准差11.子对象的方向：平均值12.子对象的方向：标准差度量1.GLCM均质性2.GLCM反差3.GLCM相异性4.GLCM熵5.GLCM角度二阶矩6.GLCM均值7.GLCM标准差8.GLCM相关9.GLDV角度二阶矩10.GLDV熵11.GLDV均值12.GLDV反差2012‐11‐3面向对象的影像分类40GLDV：灰阶差分矢量度量度量•同层次对象的邻域关系•与父层对象的关系•与子层对象的关系•与整景的关系度量•基本特征•自定义算术特征•自定义关系特征•典型特征组合•植被指数•NDVI•SAVI•樱帽变换•主成份变换•边缘滤波•色彩变换•变换检测2012‐11‐3面向对象的影像分类41...neighborobjects邻近对象...sub-objects子对象...super-object上一级对象Eachobjectknowsits...多尺度分割基础上构造对象句法与层次关系ContextandHierarchicalRelation2012‐11‐342面向对象的影像分类光谱特征应用Meanspectralvalues植被在近红