1 引言

随着SPOT 一5 、IKONOS 、QuickBird 等资源卫星的出现使得高分辨率遥感影像数据不断涌现，这些影像数据地物景观的结构、形状、纹理和细节等信息都非常突出，但光谱分辨率并不高。所以在分类时不能仅依靠其光谱特征，更多的是要利用其几何信息和结构信息，如何快速有效的从高分辨率影像中提取有用的信息是我们所面临的重要问题。二十世纪90 年代以来面向对象信息提取技术得到迅速的发展，它综合考虑了遥感影像的波谱和空间两方面的信息，对图像数据进行多尺度分割，从二维化的图像信息阵列中恢复出图像所反映的景观场景中目标地物的空间形状及组合方式，实现了遥感影像信息的精确提取。面向对象技术是当前高分辨率信息提取技术的发展趋势，在国土资源信息化的今天有着无可比拟的优势。

2 多尺度分割技术

2 . 1 原理

多尺度影像分割是一种既能自动生成遥感影像的影像对象，又能将这些影像对象按等级结构联接起来的一门技术。

多尺度影像分割采用异质性最小的区域合并算法，目的是实现分割后影像对象的权重异质性最小化，仅仅考虑光谱异质性最小会导致分割后影像对象的多边形边界比较破碎，因此常把光谱异质性的标准和空间异质性的标准配合使用。7151438在分割前需要确定影响异质性最小的两种因子：光谱因子与形状因子，其中形状因子包括光滑度异质性、紧密度异质性。只有保证光谱异质性、光滑度异质性、紧密度异质性最小，才能使整幅影像所有对象的平均异质胜最小．

任何一个影像对象的异质性值f 是由四个变量计算而得（公式1 . 1 ）：Wcolor （光谱信息权重）、WshaPe （形状信息权重）、hcolor （光谱异质性值）、hshaPe （形状异质性值）。w 是用户定义的权重，取值于0 一1 之间，且Wcolor + Wshape = l 。

2 . 2 多尺度影像分割参数的选取

在多尺度影像分割过程中要达到满意的分割结果，分割参数的选定很重要，主要的参数为分割尺度、波段权重、均质性因子

( 1 ）分割尺度的选择：分割尺度是一个关于多边形对象异质性最小的阑值，决定生成最小影像多边形级别的大小，分割尺度值越大所生成的对象层内多边形面积越大而数目越小，反之亦然。同时分割尺度还直接决定影像信息提取的精度，对于一种确定的地物类型，最优分割尺度值是分割后的多边形能将这种地物类型的边界显示十分清楚，并且能用一个或几个对象表示出这种地物，既不能太破碎，也不能边界模糊。

( 2 ）波段权重的选择：它是影响分割精度的重要因素之，其取值在0 一1 之间个波段的权重越高，在分割过程中这个波段的信息使用得越多，应根据不同的波段对分割结果的影响程度设置不同的权重。

( 3 ）均质性因子设置：包括色彩与形状因子（光滑度、紧密度）。通常情况下色彩因子最重要，因为光谱信息是影像数据中所包含的主要数据。同时形状因子的参与有助于避免影像对象形状的不完整，从而提高分类精度，其中光滑度用于完善具有光滑边界的影像，紧密度因子用于根据较小的差别把紧凑的目标和不紧凑的目标区分开。

2 . 3 构建多尺度分割等级网

对一幅影像进行信息提取时，通常不可能用一个分割尺度来准确描述所有待提取的影像信息，因此需要针对不同尺度的地物信息采用不同的分割尺度，根据其最优分割尺度，构建多尺度分割等级网。影像对象等级网给地物信息的提取提供了方便：影像对象的信息可以在同一时刻以不同的空间尺度来表达，因而可对它们之间的关系分类；影像对象的形状可以根据再分类的子对象进行修正；影像对象可以通过与各自仁层对象的关系对影像对象分类.

3 试验

本文利用eCognition 图像处理软件进行信息提取试验，其思想是基于影像空间和波谱两方面的信息，充分考虑了影像对象的光潜、形状、纹理和相邻关系等特征，从而解决了高分辨率遥感影像信息陕速提取的难题。

试验所用数据为北京怀柔区QuickBird 多光谱与全色波段相融合的影像，共包括四个多光谱波段和一个全色波段，成像时间为2004 年4 月24 日，分辨率为0.61m。

试验选取了11 个分割尺度的阂值：5 、8 、15、20 、25 、40 、50 、60 、70 、75 、100 对同一幅影像进行区域合并分割，部分分割尺度的效果见图1 ，其特征描述见表1 。

通过上述试验可知，由不同的分割尺度转换后的影像信息有很大差异，分割尺度小的影像层中便于植被信息提取，分割尺度大的影像层中便于建筑物或道路信息提取，构建的多尺度分割等级网见图2。

构建多尺度分割等级网以后，利用最邻近法和成员函数法对不同尺度的地物信息进行了分层提取，取得了较好的效果，每一类地物的精度非常高，总体精度达到了84 . 82 ％。该方法很大程度上克服了“同物异谱”、“异物同谱”、“边界过渡”等现象对分类结果的影响，体现了面向对象的多尺度分割信息提取技术的优点。

4 结论

本文在传统的图像分割方法基础上提出了面向对象的多尺度分割方法，实现了不同尺度地物信息的分层提取，获得了较为满意的结果具体的工作主要体现在以下几个方面：

( 1 ）对北京怀柔区遥感影像进行了多尺度分割，获得了各类地物的最优分割尺度并建立了多尺度等级网，对地物进行分层提取。此种方法具有速度快精度高等优点 。

( 2 ）对高分辨率的城区影像进行信息提取时，一些植被、建筑物、道路等地物的最优分割尺度分别为8 、20 、75 左右，为今后进行信息提取提供了依据。

( 3 ）在进行影像分割的过程中要遵循两条原则：一是尽可能的将颜色因子的权重值设的较大；二是对于那些边界不很光滑但聚集度较高的影像对象使尽可能用必要的形状因子．

参考文献

[1]刘明慧基于图像分类的图像分割算法研究与实现 [D]武汉理工大学，2005

[2]周春艳，王萍，张振勇，齐成涛，王莹．面向对象的高分辫率遥感影像信息提取技术[C]sPIE ，Xian , 2006 . 5

[3]黄慧萍面向对象影像分析中的尺度问题研究[D].中科院遥感应用研究所，2003

[4]Huang Hulplng , Wu Bln Fang , Fan Jlnlong Analysls to the Relatlonship of Classification Accuracy Seg 一mentation Scalel , nage Resolution[C]．IEEE Trans . GARSS , 2003 , 6 : 3671 3673