面向对象的遥感影像土地利用信息提取.docx

面向对象的遥感影像土地利用信息提取
面向对象的遥感影像土地利用信息提取
随着遥感技术的不断发展和应用，人们可以通过遥感影像获取到大量的空间数据，其中包括土地利用信息。土地利用是区域地理环境的重要组成部分，对于地理环境的管理和规划具有重要意义。利用遥感影像来获取土地利用信息是目前广泛应用的一种方法。然而，由于遥感影像本身的数据量大，图像解译工作复杂，CPU运行压力大，传统的土地利用信息提取方法已经不能满足需求。面向对象的土地利用信息提取方法应运而生。本文旨在分析面向对象的土地利用信息提取方法在遥感影像领域的应用、研究进展和未来发展趋势。
一、面向对象的土地利用信息提取方法概述
面向对象的土地利用信息提取方法是一种基于地物目标的GIS分析方法，它不仅考虑了影像像素的纹理和光谱特征，还考虑了目标物体的几何结构和空间关系。其主要步骤包括：图像分割、建立地物对象模型、属性提取与分类3个阶段。具体步骤如下：
（1）图像分割：图像分割是将由遥感图像所表示出的实体空间划分成若干具有相似特征的区域，通常是利用像元的相似性将图像分成多个小块以得到不同的目标物体。常用的分割方法有基于像素的分割法和基于对象的分割法。
（2）建立地物对象模型：建立地物对象模型是指根据不同地物对象的空间信息和特征，对其进行建模，为后续属性提取和分类做好准备。建立地物对象模型是对分割后的图像物体进行统一的描述、分类和定性的过程。
（3）属性提取与分类：属性提取是指通过建立的地物对象模型对不同地物对象进行特征提取，以建立地物对象分类规则。分类是根据提取的对象特征和分类规则进行对象的分类。这是最终实现土地利用信息提取的过程。
二、利用面向对象的土地利用信息提取方法遥感影像土地利用信息提取的应用
遥感影像技术广泛应用于土地利用信息提取领域。传统的土地利用信息提取方法往往基于像元或者像素导出的光谱信息，忽略了空间信息，这样提取出的信息不够准确。而面向对象的土地利用信息提取方法利用了目标物体的几何结构和空间关系，避免了传统方法的不足，使得提取结果更加精确。因此，当今国内外很多地区都采用面向对象的土地利用信息提取方法提取土地利用信息。
贵州省黔西南布依族苗族自治州是中国西南地区的一个地区。该地区地形复杂，气候多样，土地资源丰富，是中国的特色农业、资源型地区之一。该地区传统的土地利用信息提取系统使用的是传统的像元分割提取方法，因提取结果不准确而被代替。2010年，该地区开始采用面向对象的土地利用信息提取方法。通过对遥感影像进行分割，建立地物对象模型，提取对象特征和建立分类规则，该地区得到了精确、准确的实时土地利用信息。该方法不仅将土地利用数据制成GIS数据，而且将土地资源测量、开发、经营和保护的各方面信息加以统计、分析和比较，为土地利用规划和控制提供了科学有效的决策依据。
三、面向对象的土地利用信息提取方法研究进展
面向对象的土地利用信息提取方法在遥感影像领域的应用日益广泛，各种改进和优化的技术也不断涌现。
1、图像分割算法的优化
2009年，林瑶等人提出了一种面向对象的遥感影像分割方法（OOIT）来进行土地利用信息提取。该方法首先对影像进行多特征分割，然后使用形态学滤波器进行去除不必要的小目标。最后使用交叉变异模拟退火算法进行目标优化搜索来获取土地利用对象。
2、地物对象分类算法的优化
Leinenkugel等人提出了一种空间多尺度土地利用分类算法DMOMLD，在不同的空间尺度使用不同的特征信息。该算法主要依赖于建立的地物对象模型，将图像中的目标物体同其他物体区分开来，分类具有稳定性和一定的应用范围和空间多尺度性。
3、土地利用变换算法的优化
2003年，Hosseini等人从自动土地利用变换的角度出发，提出面向对象的土地利用变换算法（OOTUT）。该算法基于对象的空间关系，将每个像元与周围像元的信息结合起来，对其像素信息进行变换，然后将其与其他像素进行归并分类。
四、面向对象的土地利用信息提取方法未来的研究方向
未来的面向对象的土地利用信息提取方法研究方向上，大量的挑战和机遇都将面临着研究员和决策行业：
1、优化对象规划算法
面向对象的土地利用信息提取方法的关键在于目标对建模和描述，该过程目前还存在诸多问题。因此，需进一步探讨面向对象的规划算法并优化算法，改进目标模型规划方法，提高地物目标建模精度和准确度，以提高分类和精度。
2、对地物对象信息特征的优化
随着数据量的增加，地物对象信息特征越来越多，提升了土地利用信息提取的准确性和响应性。未来，应该发展更加高效的特征提取方法，并实现更加精细的特征着重，以进一步优化为提取用于土地利用信息。
3、集成地面观测数据与遥感数据
通过地面观测数据和高分辨率遥感影像共同筛选和追踪影像信息，将极大地提高土地利用信息提取的准确性。
5、开发基于深度