高分辨率遥感影像面向对象分类（中期报告）

---

文档主要内容

文档类型：论文（中期报告）
适用人群：遥感科学与技术、地理信息科学、图像处理、测绘工程等专业的学生及研究人员

文档核心内容：
该中期报告系统阐述了高分辨率遥感影像面向对象分类的研究进展，重点围绕影像分割算法改进、对象特征量化与组合、分类方法对比三个核心方向展开。报告详细介绍了传统分水岭算法、动态阈值标记分水岭分割法及多尺度区域合并法的原理与实现步骤，并完成了光谱、形状、纹理等特征的提取与分析，同时对比了支持向量机（SVM）与最邻近分类方法在面向对象分类中的表现。

可解决的实际问题：
帮助读者理解如何通过改进分割算法（如动态阈值标记分水岭）有效抑制过分割现象，掌握区域邻接图（RAG）与光谱形状合并准则在多尺度分割中的应用，以及如何根据分类目的合理组合对象特征以提升地物提取精度。报告还提供了SVM与最邻近分类方法的对比分析，为实际遥感影像分类任务中的算法选择提供参考。

正文内容：
高分辨率遥感影像能够清晰记录地物细节与几何特征，在多个领域具有广泛应用。为高效提取影像中的有效信息，本研究聚焦面向对象遥感影像分类技术，主要从三个方面推进。第一，影像分割算法研究。初分割采用仅需一趟扫描的分水岭算法，但该算法存在严重过分割问题。为此，引入动态阈值标记分水岭分割方法，通过梯度影像阈值分割区分标记像素与待分割像素，并利用高斯低通滤波获取局部梯度趋势，动态调整阈值，显著改善初分割效果。为进一步优化分割结果，采用区域邻接图（RAG）表达相邻区域关系，基于光谱与形状结合的合并准则对初分割对象进行多尺度区域合并，探索最优分割尺度。第二，对象特征分析与组合。研究影像对象的光谱、形状和纹理特征，分析不同地物类型各特征之间的关系，根据分类目的选取合理特征组合，从多角度精炼分类结果。第三，分类方法对比。采用支持向量机（SVM）和最邻近方法对影像对象进行分类，实现高分辨率遥感影像面向对象提取，并对比两种方法的优缺点。

当前研究进度与开题报告基本一致，已完成遥感影像分割方法研究及面向对象特征量化与组合两项工作。在分割方法方面，传统分水岭算法效率高但过分割严重；动态阈值标记分水岭分割法通过标记像素和动态阈值调整，从根源上减少伪局部极小值点，有效抑制过分割；多尺度区域合并则通过RAG组织相邻关系，并制定基于光谱形状的合并准则，进一步提升分割质量。在特征分析方面，已提取光谱、形状指数、纹理（包括分形纹理指数和形态学纹理）等特征，为后续分类提供有效描述信息。实验采用资源三号卫星影像和WorldView-2影像进行初分割、多尺度合并及分类，验证了面向对象方法的可行性与优势。

结论与建议：
该研究通过改进分水岭算法、引入动态阈值标记及多尺度区域合并，有效提升了遥感影像分割的效率和精度，并基于光谱、形状、纹理特征组合实现了面向对象分类。实验证明，面向对象信息提取方法具有可行性，且在抑制过分割、多尺度分析方面存在明显优势。建议后续在WorldView-2影像中补充实验性照片以增强论证，同时可进一步探索不同地物类型下的最优特征组合与分类参数。

文档评价：
报告结构清晰，内容详实，方法描述具体，实验数据支撑充分，对遥感影像面向对象分类的研究具有实际参考价值。

使用建议：
适合作为遥感图像处理课程设计、毕业设计中期汇报或相关领域研究的技术参考，尤其适用于需要改进分割算法或对比分类方法的场景。