348　　　　　　　　　　　　　　　　光　　　学　　　学　　　报　　　　　　　　　　　　　　　　　　26卷　

影响,而高空间分辨力影像以地物类型丰富、纹理清

晰、阴影明显等为主要特征,故在高空间分辨力影像融合时,单纯利用像素级融合方法,在地物和阴影的边界等地方,更容易出现色彩激变和错误色现象。

为消除高空间分辨力影像融合中出现的上述问题,将分类信息作为融合的约束条件,再利用全色波段和多光谱波段的空间信息和光谱信息进行有机的融合是一种特征级融合与像素级融合相结合的方法,它在一定程度上消除了错误色现象[2]物纹理特征的变异性、重要的信息,Blaschke2000年指出,对影像进行逐像素分类,必将产生“椒盐效应”。而消除这个效应的唯一办法是进行滤波处理。然而滤波的应用在一定程度上损失了影像的原始信息。因此,他认为只有当图像被分割为同质对象时,图像分析的结果才有意义[3]。因此,引入图像分割技术在一定程度上可以克服基于像素分类所带来的局限[4]。

本文提出一种基于面向对象影像分类约束的融合方法,是在面向对象分类的基础上进行融合,在一定程度上消除了地物边缘的色彩激变和错误色现象,同时避免了基于像素分类的融合方法中使用滤波所带来的信息损失。这里所说的面向对象分类法是指通过对影像分割,得到同质像元组成的大小不同的影像对象(即同质的像元集合)。由于影像对象内部的光谱差异很小,因此可对任一影像对象忽略其纹理等空间信息,而从形状和光谱方面来进行描述。这样可以同时利用对象的空间特征和光谱特征来进行分类[5]。

2　基于面向对象分类的融合方法

本研究首先采用面向对象的分类方法对影像进行分类,再根据分类图在全色影像上统计各类别的直方图及空间位置信息。然后,利用统计出来的信息对多光谱各波段进行调整最后,采用色度饱和度.:1　图像分割

对多光谱影像和全色影像各层赋予不同的分割权重,指定图像分割的颜色相似度和形状因子(包括紧凑度和平滑度)的权重,并设置合适的图像分割尺度,利用分割算法对影像进行分割,得到“同质”的影像对象。2.1.2　特征提取

根据分割后的影像,采用不同的特征提取算法,提取出影像的光谱特征、形状特征、拓扑特征、纹理特征、上下文特征以及专题特征等能够区分地物类型的特征。2.1.3　面向对象的分类规则表达

利用面向对象的方法,以类或者对象为单位进行地物类别的组织和描述,设定每个类别的特征影像、特征隶属度函数、特征值等参量,以规则或者专家知识的方式进行地物类别定义,并建立层次关系。2.1.4　分类

分类过程是以影像对象为分析单位,根据对象的特定特征和专家知识库进行匹配,求出最大相似度,然后把对象归为该类,实现影像的分类。

具体流程图如图1所示

。

图1面向对象分类法流程图

Fig.1Flowchartofobject2orientedclassificationapproach