基于对象多尺度响应的土地覆盖分类方法研究

The land cover classification of remote sensing researches are mainly based on spectral domain, spatial domain for retrieval of land cover classes recently, there is a little attention on scaling application. With the development of object-oriented technology, the characteristics of scale domain cause a high attention, the main works are concentrated on analysis of optimal scale selection, but mechanism research of scale change of various land covers are missed, ignoring vertical characteristics use in scaling process; multi-scale object has not linked while land cover classification, that led to unable to carry out multi-scale land cover classification. The new idea of this project is put forward to using the multi-scale characteristics of the object classification method. Based on vision theory and recognition theory and three relative analysis among image object characteristics, land cover structure and scaling, the transfer mechanism of land cover class are revealed, the scaling process model of the image object features are established, the different land cover types of the object feature of scale responded are extracted and joined the classification. The three approaches of classification are presented, such as a multi-scale the hierarchical classification, synthesis of single layer classification, multi-scale combination classification, that will improve and enhance the effect land cover classification accuracy.

目前，土地覆盖遥感分类研究多是基于光谱域、空间域信息分析，提取土地覆盖类型，缺少对尺度域的关注，随着面向对象的技术发展，尺度域特征研究开始引起重视，主要集中于最佳尺度的选择分析，但缺少对不同土地覆盖的尺度变化的机制研究，忽视了尺度推绎过程中纵向的特征利用；土地覆盖分类中多尺度对象没有形成关联，无法进行多尺度土地覆盖分类。本项目提出利用多尺度对象特征分类方法的新思路。基于视觉理论、大脑认知理论，通过影像对象特征、土地覆盖结构、尺度推绎三者相关分析，揭示土地覆盖类型的尺度推绎机制，建立影像对象特征的尺度推绎过程模型，将不同土地覆盖类型的尺度响应的对象特征提取出来参与分类，并提出了多尺度分层分类、合成单层次分类、多尺度组合分类三种途径，以进一步改进和提高土地覆盖分类精度。

本项目将基于目前面向对象研究水平及存在的问题，提出利用多尺度对象特征分类方法的新思路。基于视觉理论、大脑认知理论，通过影像对象特征、土地覆盖结构、尺度推绎三者相关分析，揭示土地覆盖类型的尺度推绎机制，建立影像对象特征的尺度推绎过程模型，将不同土地覆盖类型的尺度响应的对象特征提取出来参与分类，并提出了多尺度组合分类优化途径。具体内容包括影像分割对象中土地覆盖类型特征的尺度推绎机制分析、影像对象特征的尺度推绎过程模型研究、多类并重的多尺度土地覆盖分类方法研究、多尺度土地覆盖分类的主要影响因素及误差分析。结果表明，利用尺度差异指数判别对象的尺度，并进行全尺度的最佳对象叠加方法，得到最佳的分割效果。该方法比传统的单尺度分割提高了5%的分类准确率。该方法有两个优点：（1）准确、自动地选择合适的尺度；（2）简化多尺度分类过程。在此基础上，提出了生态系统空间结构的识别方法。分析生态系统组织尺度之间的关系、以及对应的影像空间尺度的对象特征；通过空间尺度之间的关联性、变异性，揭示不同目标的尺度变化规律、以及其区域的适应性；针对不同的组织尺度，探索最佳空间尺度提取的参数与方法，发展基于图-谱特征的植被类型、空间要素的识别方法，通过尺度关联实现生态系统的结构特征提取。 本项目的研究意义在于，通过对象的尺度优化的提取方法，使对象的地物边界拟合更加准确，进一步提高了面向对象的分类精度。该方法已推广至环境保护部2000-2010年全国生态十年遥感监测技术体系中，并开展了全国土地覆盖30米遥感监测，同时还推广至中科院碳专项的全国基于碳收支的中国土地覆盖监测的技术体系中，在30米、10米尺度上，开展1990年、2000年、2005年、2010年、2015年的中国土地覆盖遥感监测。