1、面向?qū)ο笥跋穹治?Object Based Image Analysis，OBIA)作為連接遙感與地理信息系統(tǒng)的橋梁，是高分辨率遙感影像分析的新范式，具有傳統(tǒng)的基于像素影像分析方法難以比擬的優(yōu)勢(shì)，可以為自動(dòng)遙感影像分析與理解提供強(qiáng)大技術(shù)支持，是地理信息科學(xué)的重要分支和研究熱點(diǎn)。而客觀世界具有層次結(jié)構(gòu)和多尺度特性，物體和現(xiàn)象只有在特定尺度下才能成為有意義的實(shí)體，并在不同尺度上表現(xiàn)出不同的景觀模式，作為現(xiàn)實(shí)世界直接反應(yīng)的遙感影像也呈現(xiàn)出明顯

2、的層次結(jié)構(gòu)和多尺度特性。因此，同基于像素的影像分析方法一樣，面向?qū)ο蟮挠跋穹治龇椒ㄒ矐?yīng)該是多尺度的。本文立足于面向?qū)ο笥跋穹治黾夹g(shù)，分析高分辨率遙感影像中的多尺度現(xiàn)象與問(wèn)題，研究面向?qū)ο蟮亩喑叨冉鉀Q方法。
　　本研究分為七個(gè)部分：第一章闡述了本課題的研究背景和意義，介紹了面向?qū)ο笥跋穹治龅幕靖拍睿仡櫫薕BIA產(chǎn)生與發(fā)展的歷程，分析了OBIA的研究現(xiàn)狀，包括發(fā)展子方向、應(yīng)用領(lǐng)域、優(yōu)勢(shì)與發(fā)展趨勢(shì)，指出了當(dāng)前 OBIA研究存在的問(wèn)題

3、，最后介紹了論文的主要工作及章節(jié)安排。第二章研究了多尺度對(duì)象的構(gòu)建方法。分析了高分辨率遙感影像的特點(diǎn)，介紹了影像分割的基本理論和常用方法，總結(jié)了高分遙感影像分割的特點(diǎn)與要求，并根據(jù)遙感影像的成像機(jī)理提出了遙感影像的產(chǎn)生模型，進(jìn)而提出一種可綜合利用多光譜信息的、高效的多尺度分割方法----基于動(dòng)態(tài)統(tǒng)計(jì)區(qū)域合并的多尺度分割算法(Dynamic Statistical Region Merging，DSRM)。統(tǒng)計(jì)區(qū)域是基于影像產(chǎn)生過(guò)程構(gòu)建起

4、來(lái)的統(tǒng)計(jì)模型，而動(dòng)態(tài)統(tǒng)計(jì)區(qū)域合并的基本思想是每次都讓最相似的統(tǒng)計(jì)區(qū)域先合并，并動(dòng)態(tài)更新區(qū)域間的相似度和合并檢驗(yàn)順序，以減少誤差傳遞，降低由于模糊邊界和過(guò)渡帶造成的誤分割。實(shí)驗(yàn)證明，與傳統(tǒng)的靜態(tài)統(tǒng)計(jì)區(qū)域合并方法(Static Statistical Region Merging，SSRM)相比，DSRM具有更高的分割精度；盡管DSRM比SSRM有更復(fù)雜的生長(zhǎng)合并過(guò)程，但由于改進(jìn)了排序方法，算法時(shí)間復(fù)雜度依然是近似線性的，可以滿(mǎn)足大數(shù)據(jù)遙感

5、影像分割的需要；在同等分割粒度下，與行業(yè)領(lǐng)先的商業(yè)軟件eCognition相比，DSRM也具有更好的分割精度。第三章研究了分割尺度選擇的問(wèn)題。介紹了最優(yōu)分割尺度的概念和內(nèi)涵，闡述了最優(yōu)尺度在影像分割中的意義和價(jià)值，總結(jié)了最優(yōu)尺度的基本特性；分析了現(xiàn)有的最優(yōu)尺度選擇方法，并將其分為經(jīng)驗(yàn)選擇法、模型計(jì)算法和鑒別指標(biāo)法；分析了影像場(chǎng)景復(fù)雜度與分割尺度之間的關(guān)系，提出了一種根據(jù)Waston人眼視覺(jué)模型計(jì)算場(chǎng)景復(fù)雜度的方法，進(jìn)而將場(chǎng)景復(fù)雜度用于多

6、尺度分割的尺度參數(shù)選擇。實(shí)驗(yàn)結(jié)果表明，對(duì)于第二章提出的DSRM算法而言，自適應(yīng)選擇尺度獲得的分割結(jié)果比選擇任何固定尺度的分割結(jié)果都好，因根據(jù)以場(chǎng)景復(fù)雜度選擇最優(yōu)分割尺度是有效的。第四章研究了多尺度對(duì)象的描述方法----多尺度對(duì)象樹(shù)。闡述了構(gòu)建對(duì)象的多尺度描述的目的和意義：魯棒的遙感影像解譯系統(tǒng)應(yīng)該將分割結(jié)果保留在尺度未定的狀態(tài)，而輸出影像對(duì)象的多尺度描述，以便綜合利用各個(gè)尺度的對(duì)象以及對(duì)象之間的關(guān)系；分析了對(duì)象的多尺度描述與影像的多尺度

7、描述之間的區(qū)別，指出對(duì)象的多尺度描述不改變影像，直接組織管理不同尺度的對(duì)象；介紹了幾種常用的影像多尺度描述理論與方法，提出一種對(duì)象多尺度描述的數(shù)據(jù)結(jié)構(gòu)----多尺度對(duì)象樹(shù)；進(jìn)而基于圖的相關(guān)理論提出了一種快速構(gòu)建多尺度對(duì)象樹(shù)的方法，并為對(duì)象樹(shù)提供各種操作方法。第五章以建筑物提取為例闡述了多尺度對(duì)象樹(shù)的應(yīng)用方法。分析高分遙感影像中的建筑物特征，提出一種結(jié)合光譜、紋理、形狀、上下文和拓?fù)湫畔⒌慕ㄖ锬Ｐ?；基于多尺度?duì)象樹(shù)提出了一種建筑物提取方

8、法，利用陰影做上下文信息引導(dǎo)建筑物提取。用大數(shù)據(jù)影像進(jìn)行實(shí)驗(yàn)，并定量地評(píng)價(jià)提取性能，結(jié)果表明本文方法有不錯(cuò)的整體提取效果，具備一定的實(shí)用價(jià)值。第六章以道路為例闡述了基于骨架的對(duì)象形狀分析方法。合理有效的形狀分析在很大程度上可以提高最終的目標(biāo)識(shí)別和信息提取的精度，是面向?qū)ο蟮挠跋穹治鲋械闹匾獌?nèi)容。分析了道路的形狀特征，介紹了幾種常用的道路形狀濾波方法，并提出了一種基于骨架的自適應(yīng)尺度道路形狀濾波方法。以各骨架點(diǎn)處的寬度為骨架線的濾波尺度，