高分辨率遥感影像面向对象的绿地信息提取方法研究.docx

高分辨率遥感影像面向对象的绿地信息提取方法研究
高分辨率遥感影像面向对象的绿地信息提取方法研究
摘要：
随着高分辨率遥感影像技术的不断发展，绿地信息提取成为城市规划和环境保护的重要研究方向。本论文针对高分辨率遥感影像中绿地信息的提取问题展开研究。首先介绍了高分辨率遥感影像的特点和面向对象的图像分割方法，然后提出了一种基于多尺度分割和特征提取的绿地信息提取方法。最后，通过实验验证了该方法的有效性和准确性。
一、引言
近年来，城市化进程快速推进，城市绿地资源越发稀缺，绿化覆盖率的提高成为了城市规划和环境保护的重要任务。而高分辨率遥感影像由于具有分辨率高、面积大、周期短等特点，能够提供详细的城市地物信息，因此成为了绿地信息提取的重要数据来源。
二、高分辨率遥感影像的特点和面向对象的图像分割方法
高分辨率遥感影像具有分辨率高、空间信息丰富、频率高、周期性强等特点。这些特点使得对于绿地信息的提取更加准确和精细。同时，高分辨率遥感影像也存在着海量数据，数据处理和分析的难点。为了有效利用高分辨率遥感影像，许多研究者转向了面向对象的图像分割方法。面向对象的图像分割方法能够基于像元的空间和光谱特征进行图像分割，同时保留了图像的空间信息和对象的形状和结构信息。因此，面向对象的图像分割方法成为了绿地信息提取的理想方法。
三、基于多尺度分割和特征提取的绿地信息提取方法
本文提出了一种基于多尺度分割和特征提取的绿地信息提取方法。该方法主要包括以下步骤：
1.对高分辨率遥感影像进行多尺度分割，得到一组图像分割结果。
2.利用像素级特征和对象级特征提取绿地信息。像素级特征包括颜色、纹理等信息，用于提取绿地的表面特征；对象级特征包括形状、结构等信息，用于提取绿地的空间分布特征。
3.综合利用像素级特征和对象级特征对图像分割结果进行分类，将绿地和非绿地进行区分。
4.对分类结果进行后处理，包括填充、去除小区域等操作，以得到最终的绿地提取结果。
四、实验验证
本文在某市区的高分辨率遥感影像上进行了实验验证。结果表明，所提出的方法能够有效提取出绿地信息，并与实际情况相吻合。同时，与传统的基于像元分类的方法相比，该方法在准确度和精度上有了很大的提升。
五、结论
本文通过研究高分辨率遥感影像中绿地信息的提取方法，提出了一种基于多尺度分割和特征提取的方法。实验结果表明，该方法能够有效地提取出绿地信息，并且具有较高的准确性和精度。未来可以进一步研究该方法在其他区域和不同时间尺度下的应用，以进一步完善和优化绿地信息提取的方法。
参考文献：
[1]DengH,LuoZ,LyuS,etal.Greenspaceextractioninurbanareasbasedongrasslandinformation[J].EnvironmentalScienceandPollutionResearch,2019,26(13):12985-12995.
[2]JiangL,ZhangL,WuD,etal.AmultiscaleOBIAclassificationmethodforurbangardensusingWorldView-2image[J].RemoteSensing,2019,11(4):468.
[3]MeerkhanA,SotheannonP.High-resolutionObiaindicatesmallareacharacteristicsforlandcovertypes[J].InternationalJournalofGeoinformatics,2019,15(3).
[4]MikusinskiGanna,LevrelHarold.Factorsaffectingecologicalgardeningpractices:AcasestudyfromaFrenchagriculturalarea[J].PlosOne,2019,14(9):e0222176.
[5]ZhanD,NiJ,ZhengX,etal.Extractinggreenbeltvariablesbasedonremotesensingdata[J].JournalofGeographicalSciences,2017,27(4):463-478.