解决方案
Solution
联系我们
电话:010-62908360
传真:010-62908360
邮箱:info@mapcore.com.cn
地址:北京市海淀区黑泉路8号宝盛广场C座7005
应用案例
您现在的位置: 首页 >> 解决方案 >>  应用案例
土地覆盖类型提取
发布时间:2017-07-27 11:45:12 | 浏览次数:

1. 项目概述

      本项目是进行土地利用、土地覆盖自动分类的可行性研究。主要针对SPOT数据,对土地利用\土地覆盖类型进行自动\半自动的分类提取。利用该项目找出一种影像快速分类的方法,有效降低生成成本和周期。由于本项目所用的SPOT5的融合影像,空间分辨率为2.5米, eCognition软件进行的分类过程,除了使用比较常规的光谱信息外,还使用了空间信息,关系信息,纹理信息等各种特征,尽可能多的利用数据的信息,为影像的分类提供有力的支持。

 

1 原始数据

2. 实施概述

2.1 技术路线

       本项目的技术路线的制定主要是按照eCognition软件的分类提取步骤来进行的。第一步流程是数据的分割操作,主要使用多尺度分割算法;第二步流程是根据分割出来的对象中的不同特征(如光谱特征、形状特征、空间关系特征等),把不同地物区分开来;第三步流程是进行精度评价与导出操作,软件支持分类结果以shp格式的矢量文件形式导出。图2显示了本项目的技术路线。

2 项目技术路线图

2.2 分类成果

       本项目利用eCognition软件进行分类规则集的开发,主要使用绿波段的比值来提取植被类别、自定义比值提取裸地类别,使用长宽比和亮度值特征提取水体(河流)类别,使用纹理特征提取出建筑区以及细分植被类别(如园地与耕地的区分)。下图所示为分类结果。

 

3 分类结果

3. 解决的关键问题

       本项目分类的关键问题首先是如何使用合适的特征来区分不同地物。在一幅影像中,不同的地物类别可能有某个相似的特征,只要你仔细寻找,就一定可以找出区分它们的特征,如道路与水渠类别,其长宽比特征都很大,但是它们的亮度值特征有明显的区别,道路的亮度值较大,而水渠的亮度值较暗。因此,只要多比较、多思考、多观察,就能够从软件中存在的大量特征中找出区分不同地物的合适特征来。

       另一个关键问题就是纹理特征的使用,由于计算量比较大,在测试和使用纹理特征时一定要慎重。在某些情况下,可以使用某波段的标准差特征来代替纹理特征。

4. 总结

       本项目利用eCognition软件对质量相对较差的影像进行了分类提取,证明软件完全有能力分类出影像中的一级地物和部分二级地物,同时结合eCognition Server软件,可以有效的提高分类提取精度和效率,节约成本。另外,如果使用DEM、矢量专题图等辅助数据与分类过程的话,可以进一步提高分类精度。

 

官方微信

官方微博
Copyright@ 北京图源科技有限公司       ICP9863263414643413    多源世界 智图管理