– 基于对象：
• 优点：能够包含地物的空间信息,提高转换精度。
• 缺点：如何合理定义对象的分割尺度是难点。
• 转换方法：
– 地理差异法（Geographic variance method），小波变换法（Wavelet transform method），局部差异法(Local variance method)，半方差函数 法（Semivariagram based emthod），分形方法（Fractal method）
所以颜色特征不能很好地捕捉图像中对象的局部特征
– 仅使用颜色特征查询时，如果数据库很大，常会将许
多不需要的图像也检索出来
1.1 遥感尺度问题
• 遥感尺度问题（李小文 [3],周觅[4]）：
– 遥感主要关注的是测量尺度，不同来源的遥感信息数据在时 间尺度和空间尺度上都有着很大的差距，在一个尺度上观察 到的现象、总结出的规律、构建的模型，在另一个尺度下则 有可能不适用。
– 因此，需要根据不同应用目的选择最佳的尺度，使得所选尺
度的影像能够最大限度的反映目标地物的空间分布特征。 – 例如：一张树叶到一片森林的空间尺度是数量级，很难想像 在叶片上适用的模型会同样适用于森林。
1.1 尺度转换
• 尺度问转换(周觅[4]）：
– 在同一幅影像中也会存在不同尺度的地物，导致信息 提取时所需的最佳尺度不甚一致。但是，获取的遥感 信息数据的尺度却比较单一。因此，需要进行尺度转 换来适应不同尺度地物的提取。 – 尺度转换定义为：将一幅影像从一个空间或光谱尺度 转换到另一个空间或光谱尺度的过程。
的光谱分辨率，同时还为后续的光谱运算、光谱分析提供了可能。
(周觅[4]）
1.1 融合转换
• 融合 (周觅[4]，彭晓鹃[5] ）：
– 尺度收缩的方法：基于空间域和基于变换域。 (周觅[4]） • 1.基于空间域的融合：针对影像的像素灰度值直接进行运算的 方法，算法简单、易于实现，但是细节表现力达不到要求； • 2.基于变换域的融合：先将原始图像进行变换，然后在变换域
1.1 图像特征
几何形状
颜色特征
色
亮度信息特征
（光谱）
图像 特征
边缘特征 纹理特征 空间关系
形
色调、颜色、阴影、反差
形状、大小、空间布局、纹理
1.1.1 颜色特征
• 特点：
– 全局特征、基于像素点的特征
– 描述图像或图像区域所对应的景物的表面性质
– 颜色对图像或图像区域的方向、大小等变化不敏感，
多尺度理论及图像特征
2012.6
1.1 尺度
广义尺度
Lam等【1】
空间尺度
时间尺度
语义尺度
制图尺度 地图比例尺
图上距离与实际 距离之比
大比例尺→小范 围、详细信息
地理尺度 观测尺度
研究的空间范围 或大小
如：大尺度覆盖 大的ቤተ መጻሕፍቲ ባይዱ究区域
运行尺度 有效尺度
地学现象发生的 空间范围 一定环境中发挥 效应的尺度 如：森林比树的 运行尺度大
分辨率 测量尺度
区分目标的最小 可分辨单元 (如：像元) 遥感主要关注的 尺度
1.1 尺度研究的问题
• 尺度研究的问题（Goodchild[2]）：
– 尺度在空间模式和地表过程检测中的作用，以及尺度 对环境建模的冲击； – 尺度域（尺度不变范围）和尺度阈值的识别； – 尺度转换，尺度分析和多尺度建模方法的实现。
辨率影像转换为高分辨率影像的过程。主要是通过多源遥感信息 影像融合的方法实现的。
1.1 尺度转换方法
• 方法 (彭晓鹃[5]）（按转换基础）：
– 基于像元（简单易行）：统计方式、融合转换以及分类转换
像元包括数据的空间分辨率、时间分辨率、光谱分辨率等信息 缺点：只考虑了地物的光谱信息,无法兼顾地物的空间结构形态特征, 难以解决同谱异物和同物异谱问题,致使难以得到稳定的转换效果。 而地物类别的空间结构形态是根据类别的属性差异呈聚集状分布, 因此遥感影像中的地物类别特性不仅表现在单纯的光谱信息上,还 表现在形状、纹理等特征上。
1.1 尺度转换分类
• 分类 (周觅[4],彭晓鹃[5]）（按不同的转换方向）：
– 尺度扩展（聚合）：从小尺度影像转换到大尺度影像的过程，
也就是将高分辨率影像转换为低分辨率影像的过程。 • 常见转换方法：基于统计和基于机理
– 尺度收缩（分解）：大尺度影像进行转换得到小尺度影像的
过程，从低空间分辨率数据中提取亚像元成分的信息，即把低分
1.1 融合转换
• 融合(周觅[4]，彭晓鹃[5] ） ：
– 主要用于尺度收缩的转换,通过将一个尺度影像信息融入另一尺度 影像来达到尺度转换目的。遥感影像的空间细节信息多体现在高 频信息上,而光谱信息则多集中于低频部分。 (彭晓鹃[5] ） – 在转换过程中，基本原则是在尽可能保持原图像光谱信息的前提 下,提高其空间分辨率。 (彭晓鹃[5] ） – 利用高空间分辨率影像和高光谱分辨率影像进行融合，使得融合 后的影像具有较高的空间分辨率有利于目视解译，同时还有较高
中进行信息融合，最后进行逆变换得到融合后影像的方法，细
节表现力强，但是算法相对复杂。 – 目前常用的主要有彩色模型变换方法、直方变差图、主成分分析
法、高通滤波、小波分析。 (彭晓鹃[5] ）
1.1 尺度转换结果评价
• 结果评价 (周觅[4]）：
– 遥感影像进行尺度转换后，进行了重采样，不可避免地会导致不 同程度的信息损失或变异，例如面积、形状、细节、纹理等变化。 因此，需要一些主、客观评价方法来评定不同转换方法的优劣。 – 尺度转换方法评价的标准是转换后影像能够最大限度的保持转换 前影像的有用信息。主观评价主要是靠目视解译，用目视的方法 考量尺度变换后影像的清晰程度。 – 客观评价方法： • 1.针对空间统计信息的信息熵、方差、平均梯度（清晰度）， • 2.针对光谱信息的偏差指数和相关系数等。
– 基于对象：对遥感影像纹理特征的提取及合理分割
以对象为基本单元,在高空间分辨率影像上利用影像多尺度分割技 术,构建不同尺度的影像信息等级结构,实现遥感影像信息在不同尺 度层之间的传递。
1.1 尺度转换方法
• 转换方法比较 (彭晓鹃[5]）：
– 基于像元（简单易行）：
• 优点：易于操作 • 缺点：无法有效利用影像提供的地物空间信息,导致精度难以提高。