8.1..1연구 지역 개요
허난성 임영현을 연구 구역으로 선택하다. 임영현은 예중, 하영 상류에 위치해 있으며, 뤄허시에 소속되어 있으며, 면적은 82 1 km2, 인구는 65 만 7600 명이다. 65,438+05 개 향진, 362 개 행정촌을 관할하다. 임영현은 하영하 충적 평원에 위치해 있으며, 지세는 서북이 높고 동남은 낮다.
임영현의 토지 이용 유형은 풍부하고, 농지를 위주로 하며, 토지 이용 유형은 비교적 완비되어 있다. 토지 이용/토지 커버 정보 자동 추출의 실험 연구는 전형적이다.
그림 8- 1 허난성 임영현 5 호 원격 감지 영상
8. 1.2 데이터 수집
(1) 이미지 데이터. 이번 원격 감지 영상 해석에 사용된 데이터는 SPOT 5(2.5 m 해상도) 데이터, 장면 번호 279/28 1 및 279/282, 수신 시간 2004 년 9 월입니다. 교정 융합을 통해 클라소프 타원체와 가우스 크루거 투영을 선택하고 임영현 행정구역 경계를 이용하여 이미지 처리 소프트웨어인 ERDAS 에서 잘라서 임영현 원격감 영상 데이터를 얻습니다.
(2) 기타 벡터 데이터. 최근 몇 년 동안 토지 이용 데이터베이스 데이터.
(3) 기타 정보. 조사와 관련된 행정 구역, 농업 및 임업 서류.
8. 1.3 연구 내용
연구는 새로운 객체 지향 원격 감지 이미지 해석 아이디어를 채택한 eCognition 소프트웨어 하에서 수행되었습니다. 먼저 픽셀의 스펙트럼 정보, 로컬 텍스처 정보 및 모양 치수 매개변수에 따라 이미지를 이미지 오브젝트라는 상대적으로 동질적인 영역으로 자동 나눕니다. 이후의 모든 분류 작업은 이러한 이미지 객체를 기반으로 하므로 분류 결과는 반점 노이즈를 방지하고 무결성을 유지합니다. 객체 지향 분류 방법을 사용하여 ECOGNMENT 소프트웨어의 소속 함수를 주체로 시각 해석 과정을 모방하고 원격 감지 정보 메커니즘과 지학 법칙의 종합 분석부터 시작하여 다른 보조 정보와 함께 분류합니다. 임현군의 각종 전형적인 그림에 대한 분류 지식을 취득하여 규칙 형식으로 표현하였다. 이미지 밝기 값, 밝기 값 관계, 기하학적 모양, 텍스처, 근접 관계 등의 특징을 결합하여 실험 영역의 토지 이용/커버리지를 분류합니다.
8. 1.3. 1 분류 시스템
임영현 원격감지영상실태에 따르면 고해상도영상데이터처리와 데이터베이스건설시범사업으로 제정된 토지이용분류지표체계를 결합해 국토자원부의 토지이용분류기준을 참조한다. 이번 토지이용분류는 그림 8-2 와 같이 다음과 같은 분류체계를 채택하고 있다.
8. 1.3.2 기술 프로세스
이 연구의 기술적 과정은 그림 8-3 에 나와 있습니다.
그림 8-2 연구 지역 토지 이용 분류 시스템 프레임 워크
그림 8-3 원격 감지 이미지를 기반으로 한 토지 정보 자동 추출 실험 연구 프로세스 다이어그램.
8. 1.3.3 분류 결과와 토지 이용 데이터베이스 비교.
그림 8-4 와 같이 다음과 같은 분류 결과가 연구되었다.
자동 분류 결과를 얻은 후 토지 이용 데이터베이스와 비교할 수 있다. 그림 8-5 는 linying county 의 토지 이용 데이터베이스를 보여줍니다. 그림 8-4 와 그림 8-5 를 비교해 보면 각 토지 이용 유형의 분포 추세, 특히 건설지, 교통지, 농업지, 웅덩이 수면지가 비슷하다는 것을 알 수 있다. 이로써 분류 결과가 더 정확하여 토지 이용 데이터베이스 구축에 대한 참조를 제공할 수 있음을 알 수 있다.
그림 8-4 원격 감지 이미지를 기반으로 한 토지 이용 정보 자동 해석 결과
그림 8-5 허난 linying 카운티 토지 이용 데이터베이스
8. 1.4 결론
(1) 객체 지향 분류는 기하학적 정보, 구조 정보, 텍스처 정보, 상하 관계 정보, 인접 관계 정보 등을 유연하게 활용할 수 있습니다. 더 중요한 것은 인간의 사고를 로드하고, 인간-컴퓨터 상호 작용을 채택하고, 지식 기반을 형성하여 분류 정확도를 높이고, 다양한 그림의 분류에 더 많은 근거를 제공할 수 있다는 것이다.
(2) 이미지의 모양과 텍스처를 고려하면 강, 도로, 건물의 모양을 효과적으로 식별할 수 있다.
(3) 객체 지향 분류는 자동 분류의 정확도를 크게 향상시킵니다.
자동 멀티 스케일 이미지 분할 알고리즘의 발전이 느리기 때문에 자동 이미지 해석은 오랫동안 픽셀 지향 해석 모드로 제한되었습니다. 이 모드는 자체 메커니즘으로 극복할 수 없는 고립된 분석 픽셀의 결함을 극복할 수 없고, 해석 정확도가 낮고, 반점 노이즈를 제거하기 어렵다. 객체 지향 방법을 사용하여 원격 감지 이미지를 해석하면 이러한 문제를 잘 해결할 수 있습니다. 인간의 사고방식은 항상 특정 환경에서 사물을 분석하고 식별하는 것이다. 즉,' 환경' 은 사물을 식별하는 데 매우 중요하다. 환경이 없으면 인간의 눈은 종종 모든 것을 정확하게 식별할 수 없다. 예를 들어, 100 m2 의 고립된 식물을 SPOT 5 이미지에서 자르면 사람의 눈은 아마도 초목으로 확정될 수 있지만, 원래의 영상 환경으로 돌아가면 사람의 눈은 공원, 운동장, 농지 또는 골프장으로 쉽게 알아볼 수 있다. 좀 더 정확한 지학 지식이 있다면 밭인지 논인지, 심지어 어떤 농작물을 심을지 결정할 수 있다. 이것은 자연의 모든 것이 서로 연결되어 있다는 것을 보여 주며, 사물에 대한 인식은 환경과의 관계에서 시작되어야 하며, 이는 원격 감지 이미지 해석과 패턴 인식 연구의 중점 과제 중 하나이다.
앞으로의 작업과 연구에서 연구는 해석 결과를 소프트웨어에서 내보내고 GIS 소프트웨어와 시각적 해석을 결합하여 분류 결과를 편집하는 데 중점을 두고 분류 정확도를 더욱 높이고 토지 이용 데이터베이스 구축 및 토지 이용 현황 지도 제작을 위한 기술 지원을 제공합니다.