面向对象融合方法提升遥感图像分类精度

面向对象的遥感图像分类方法研究在2006年由杨长保和丁继红在吉林大学进行深入探讨。论文主要关注的是空间分辨率对遥感图像分类效果的影响，这是遥感领域中的一个重要挑战。传统方法往往因为多光谱图像的空间分辨率较低而限制了分类精度。为了改善这种情况，作者提出了一种创新策略，即融合多分辨率遥感图像，并将面向对象（Object-Oriented）的思维方式引入到图像处理中。 该研究方法的核心步骤包括：首先，通过对正射校正的SPOT图像进行区域分割，这一步骤利用基于区域的分割法则，将复杂的图像分解成可管理的对象，有助于提取更精确的地物特征。其次，这些分割后的SPOT图像被用作参考，采用最大似然法分类器进行分析，这是一个统计学方法，它根据像素的光谱特性来判断其最可能的类别。此外，论文还提及了使用其他经验规则，这可能是结合领域专家知识或者先前的分类经验，以提高分类的准确性和鲁棒性。 作者进一步将这些技术应用到TM（Thematic Mapper）图像上，这是一种常见的多光谱遥感数据源，通过这种方法，能够有效提升TM图像的分类效果，尤其是在空间分辨率有限的情况下。论文强调了这种方法在土地覆盖图分类中的精度测试，结果表明，面向对象的方法显著提高了分类精度和一致性，从而在实际应用中取得了良好的效果。 关键词“影像融合”、“面向对象”和“图像分类”揭示了论文的核心内容，它们都是现代遥感图像处理中的关键技术。中图分类号TP751和文献标识码A，以及文章编号1671-5888(2006)04-0642-05，表明了该研究被归类在遥感信息技术领域，并且被学术期刊发表，具有较高的学术价值。 这篇论文对于提高遥感图像分类的精度和效率具有重要意义，展示了如何通过结合不同技术手段和面向对象的方法来解决空间分辨率对遥感应用的限制。这对于现代地理信息系统、环境监测、农业资源评估等领域具有重要的理论和实践指导意义。