面向对象分类的遥感影像最优分割尺度研究

"这篇学术论文探讨了在高空间分辨率遥感影像分类中如何解决地物空间尺度差异的问题，提出了采用多尺度分割的面向对象分类技术。通过'对象完整面积个数最多法'确定了道路、农田、居民地、裸地和水域等不同地物类型的最优分割尺度，分别是20、30、50、80和100。随后，利用成员函数法对分割后的影像进行分类，并与传统的基于像元的监督分类方法进行了比较，结果显示，面向对象分类技术的分类精度优于基于像元的方法。该研究由江苏高校优势学科建设工程和海岛（礁）测绘技术国家地理信息局重点实验室基金资助，作者丁月平和史玉峰分别来自南京林业大学土木工程学院，从事地理信息与遥感应用的研究。" 在高空间分辨率遥感影像分析中，地物的空间尺度差异是一个关键挑战。针对这一问题，研究者采用了多尺度分割的策略，这是一种以对象而非单一像元为处理单位的技术。多尺度分割允许在不同层次上分析影像，从而适应不同地物的空间特性。具体到这个研究，"对象完整面积个数最多法"被用来确定最佳分割尺度。这种方法旨在最大化地物对象的完整性，通过统计不同分割尺度下，各个地物类别的完整区域个数，选择出使得地物对象最完整的分割尺度。 研究表明，对于道路、农田、居民地、裸地和水域这五种地物，其最优分割尺度分别是20、30、50、80和100，这些数值反映了不同地物的空间特征。例如，道路可能具有较窄且连续的形态，因此需要较小的分割尺度来精确捕捉；而水域可能有较大的连续区域，所以需要较大的分割尺度。 分类阶段，研究者运用了成员函数法，这是一种评估像素属于某个类别概率的方法，它结合了像素的光谱信息和空间信息，提高了分类的准确性。通过与基于像元的监督分类结果进行对比，发现面向对象分类技术在保持或提高分类精度的同时，更能体现地物的空间结构，这对于理解和分析复杂地表特征尤其重要。 这项工作对于遥感图像处理和地物识别领域有着重要的贡献，它不仅提供了确定最优分割尺度的实用方法，还验证了面向对象分类在高空间分辨率遥感影像中的优越性。这对于提升地理信息提取的准确性和效率，以及在环境监测、城市规划、灾害响应等多个领域的应用都具有实际价值。