Page 166 - 测绘新技术的理论与实践研究

测绘新技术的理论与实践研究

利用现状调查工作中，能够自动完成 95% 以上的地类边界矢量化，分割对象的

边界比人工采集更细致和准确，节省了大量时间和人力，在第二次全国土地调查
工作中取得了较好的应用。也有学者以 SPOT5 图像作为实验数据，从影像分割、
基于规则的分类、对象特征的提取与筛选、面向对象的多分类器以及多分类器组
合等方面，深入研究了面向对象的森林分类，提取了林地、造林地、水体和道路

等地物。以 Landsat TM 图像作为实验数据，在多尺度分割的基础上建立了水体
提取的知识规则集，提取精度达到 95%。还有学者改进了多尺度共生矩阵的构造

方法，将纹理第一主方向旋转至水平方向并进行非下采样小波变换，在不同尺度
的低频、0°方向和 90°方向高频分别构造相应的共生矩阵，结合特征的物理意
义和相关性分析，保留冗余度小、相关程度低的测度用于居民地的提取。
（2）SAR 图像

2007 年有学者利用人工神经网络和面向对象方法对多时相 Radarsat-1 图像进
行分类及变化检测，所分类别为 10 类，总体分类精度达到 89.7%。也有学者从
中国土地利用调查应用出发，引入面向对象技术对中、高分辨率 SAR 影像进行

分类，解决了中国多云多雨地区土地利用分类及遥感动态监测问题。有学者运用
面向对象的技术在 SAR 图像上提取了水体、居民地、植被、道路等地物，提取
结果应用于快速制图。某学者分析比较了最邻近分类、支持向量机和基于模糊规
则集三种方法在面向对象分类中的分类精度。实验数据为 5 景 Rad arsat-l 及 3 景

Radarsat-2 数据，所分类别为 ll 类（水体、道路、公园、农作物等），3 种分类
方法的总体分类精度均在 80% 以上。也有学者利用分水岭算法实现 SAR 图像分
割，利用 SVM 实现地物分类，面向对象的方法消除了斑点噪声带来的误分，总

分类精度达到了 93.32%，与基于像素的分类精度（76.52%）相比，精度得到了
提高。属维等（曷维 2014）通过分形网络演化分割算法获取分析单元，用对象
级分析单元与邻近环境之间的上下文特征进行对象级建筑物的提取，验证了基于
面向对象特征方法比面向像素特征方法对高分辨率 SAR 建筑物提取具有更好的

效果、更高的精度。
与单极化 SAR 数据相比，极化 SAR 图像具有多个通道的观测数据，可以为

分析提供更丰富的原始信息。某学者利用极化干涉特征进行粗糙和光滑地物的
分类，提取了城市地区的树木、建筑、道路等地物。研究者选取 E-SAR 系统在
2000 年和 2001 年所观测的两组数据，每组包括 L 波段的全极化数据和 X 波段的

154