遥感图像分辨率

比例尺作为传统地图的基本要素之一，是十分重要的技术指标，反映了地图的精确度。随着数字化测绘时代的到来，比例尺在实际应用中的重要性有所退化，开始被分辨率、精细度等指标所替代，甚至有人觉得它将不再衡量数字地图产品精确程度的指标。本人觉得，比例尺仍应该长期存在于现代测绘应用中，尤其在各种地图数据输出状态，包括纸张、胶片显示器等载体上，比例尺依然是衡量地图产品详细程度最重要的概念，即使在数字世界，仍然没有一个指标可以替代比例尺来有效地描述地图的精确程度。但是和传统地图不同，比例尺在信息时代是一个动态的指标，单纯使用比例尺这一指标来描述地图的精确度是不现实的，尤其在遥感影像应用中。

分辨率也是一个传统的术语。在模拟航空像片中，通常使用分解率来描述胶片上影像的精细度。在数字影像中，现在改用分辩率来描述。但是分辨率的类型很多，在不同的领域有不同的表示方法。仅与摄影测量与遥感有关的分辨率概念也有不下十种。

既然比例尺和分辨率都是衡量数字地图产品的精细程度，他们之间有怎样的区别和联系呢？

遥感图像的分辨率

分辨率是用于记录数据的最小度量单位，一般用来描述在显示设备上所能够显示的点的数量（行、列），或在影像中一个象元点所表示的面积。

因为遥感"拍摄"的"像片"是由位于不同高度，装在不同载体（如飞机、卫星等）上的不同清晰度（分辨率）"照像"设备，以不同的"照像"（采集）方式，获取的遥感"像片"（图像、数据、影像等），这些遥感图像是具有不同清晰度、不同分辨率的"照片"。类似我们在生活中用"135" 照相机拍摄一棵树，从汽车上拍一张，然后再从飞机上拍一张，两张"135"底片在放大同一棵树时，其放大效果是不一样的。肯定是高度低的"135"照片放大后的效果最清晰，也就是说分辨率最高。遥感卫星的飞行高度一般在4000km（千米）~600 km（千米）之间，图像分辨率一般从1 km（千米）~1m（米）之间。图像分辨率是什么意思呢？可以这样理解，一个象元，代表地面的面积是多少。象元是什么意思呢？象元相当于电视屏幕上的一个点（电视是由若干个点组成的图像画面），相当于计算机显示屏幕上的一个象素，相当于一群举着不同色板拼成画图的人中的一个。

当分辨率为1km时，一个象元代表地面1kmX1km的面积，即1km2（平方千米）；

当分辨率为30m时，一个象元代表地面30mX30m的面积；当分辨率为1m时，也就是说，图像上的一个象元相当于地面1m x 1m的面积，即1m2（平方米）。

遥感影像分辨率的类别和概念

1

胶片分解力

胶片分解力通常用于描述胶片影像的光学质量，是传统的技术指标。胶片分解力受许多条件的影响，如：记载图像的胶片和像机镜头的分辨率、曝光时无法补偿的影像移动、大气条件、胶片冲洗的状况等等。它所表示单位是“线对/毫米”，“线对”指的是一条白线和宽度相等的间隔（黑色）。国家对于航空摄影软片的分解力要求不得低于 85 线对/毫米。

2

扫描分辨率

扫描分辨率是指影像扫描仪在实现图像的模数转换时，通过扫描元件将扫描对象表示成的像素所采用的最小面元单位。通常使用的单位是 dpi，表示每英寸的像素数目，数字越大，影像精细度越高。比如：国家规定的数字栅格地图的扫描分辩率要求 300dpi，即每英寸长度包含了 300个像素。在摄影测量应用中，常使用μm来表示扫描分辨率，意味着一个扫描像素在原始胶片上的实际尺寸。在实际应用中，扫描分辨率的选取非常重要，分辨率太高，获取的数据量很大，造成数据冗余和存储困难；而扫描分辨率定得太低，影像细节很难反映出来，成图精度和信息提取会大受影响。那么航片扫描的分辨率到底取决于什么呢？经过分析发现:抛开成图比例尺、摄影比例尺、扫描仪性能等外部因素以外，应直接取决于摄影底片的胶片分解力。例如选用胶片分解力为 85线/mm，通过换算为11.46um。即胶片上每隔 11.46 um的距离能显现 1 个像素点，更小的距离就无法分辨。由此，航片扫描分辨率应大于 11.46u，否则扫描所得的数据就会产生冗余。

3

显示分辨率

显示分辨率是显示器在显示图像时的分辨率，使用像素描述。显示分辨率的数值是指整个显示器所有可视面积上水平像素和垂直像素的数量。例如800×600 的分辨率，是指在整个屏幕上水平显示 800个像素，垂直显示 600个像素。每个

显示器都有自己的最高分辨率，并且可以兼容其它较低的显示分辨率，所以一个显示器可以用多种不同的分辨率显示。目前显示器的显示分辨率指标提高很快，常用的数值有1024×768，1280×1024 等几种。

4

地面分辨率

遥感影像的地面分辨率是指在影像数据中一个像素代表地面的大小，通常也是人眼能识别的最小地物大小。这是遥感和测绘领域的专业名词，主要表示在用栅格地学要素，如遥感影像、数字高程模型、栅格地图等。对于遥感影像而言，常说的分辨率即指地面分辨率。遥感影像的地面分辨率可以在图像文件中反映，Geotiff、EOS-HDF 等用于地学应用的图像格式可以存储这项指标，也可以在文件外反映，如 tfw、jpw等。

5

实际分辨率

遥感影像的实际分辨率是图像数据中文件头信息中表示的分辨率大小，以 TIF、BMP、JPG等文件格式中专门用几个字节表示图像的实际分辨率，通常用 dpi来表示，即指每英寸打印多少个点，默认值为 72dpi。在Photoshop 中，可以显示其实际分辨率，见下图：

在影像打印的时候，很多图像软件用这个分辨率所反映的图像大小进行打印，因而实际分辨率又称之为输出分辨率。遥感影像的地面分辨率和实际分辨率不是一个概念，如果要把遥感影像按一定的成图比例尺进行打印输出，就需要重新计算实际分辨率，然后才能准确输出。

遥感影像分类精度与空间分辨率的关系验证

实验一遥感影像分类精度与空间分辨率的关系验证 实验目的： 1、掌握相同传感器多光谱影像与全色影像融合方法； 2、掌握监督分类的基本流程； 3、验证遥感影像分类精度与空间分辨率的关系。 实验要求： 1、对多光谱影像和全色影像进行融合； 2、利用马氏距离法进行监督分类； 理论基础：高分辨率影像能反映更多细节信息，但是过高的的空间分辨率也会造成地物类别内部光谱可分性下降（同物异谱和异物同谱现象更严重），通过不同分辨率遥感分类精度的比较来验证这一理论。 原始实验数据：北京市朝阳区2002年奥运公园规划区IKONOS多光谱影像4个波段与IKONOS 全色波段（两者成像时间都是2002年8月26日，即是同一传感器同时成像，植被覆盖情况一致），全色波段影像大小4000*4000。class1.roi是1m空间分辨率的参考分类ROI模板。 实验步骤： 1、将IKONOS多光谱影像4个波段与IKONOS全色波段数据进行融合，操作如下： （1）打开图像bjikonospan.img和bjikonosmultispectral.img，在Available band list对话框中，选中bjikonospan.img，点击右键，选择Edit header，查看bjikonospan.img的头文件。记 录该文件的行列数，下图1~2。

图1 图2 查看头文件

（2）在ENVI主菜单，点击Basic Tools→Resize Data，在弹出的对话框中，选择bjikonosmultispectral.img，点击OK，在接下来弹出的Resize Data Parameters对话框中，Samples后输入4001，点击回车，Lines后输入4001，点击回车，设置存储路径，OK。将重置了大小后的图像bj_resize按432的RGB模式显示，与前两个图像对比，观察其变化。 图3

高分辨率遥感卫星介绍

北京揽宇方圆信息技术有限公司 高分辨率遥感卫星有哪些 高分辨率遥感可以以米级甚至亚米级空间分辨率精细观测地球，所获取的高空间分辨率遥感影像可以清楚地表达地物目标的空间结构与表层纹理特征，分辨出地物内部更为精细的组成，地物边缘信息也更加清晰，为有效的地学解译分析提供了条件和基础。随着高分辨率遥感影像资源日益丰富，高分辨率遥感在测绘制图、城市规划、交通、水利、农业、林业、环境资源监测等领域得到了飞速发展。 北京揽宇方圆信息技术有限公司是国内的领先遥感卫星数据机构，而且是整合全球的遥感卫星数据资源，分发不同性能、技术应用上可以互补的多种卫星影像，包括光学、雷达卫星影像、历史遥感影像等各种卫星数据服务，各种专业应用目的的图像处理、解译、顾问服务以及基于卫星影像的各种解决方案等。遥感卫星影像数据贯穿中国1960年至今的所有卫星影像数据，是中国遥感卫星数据资源最多的专业遥感卫星数据服务机构，提供多尺度、多分辨率、全覆盖的遥感卫星影像数据服务，最大限度的保证了遥感影像数据获取的及时性和完整性。 一、卫星类型 (1)光学卫星：worldview1、worldview2、worldview3、worldview4、quickbird、geoeye、ikonos、pleiades、deimos、spot1、kompsat系例、spot2、spot3、spot4、spot5、spot6、spot7、landsat5(tm)、Sentinel-卫星、landsat(etm)、rapideye、alos、kompsat系例卫星、planet卫星、北京二号、高景一号、资源三号、高分一号、高分二号、环境卫星。 (2)雷达卫星：terrasar-x、radarsat-2、alos雷达卫星、高分三号卫星、哨兵卫星 (3)侦查卫星：美国锁眼卫星全系例(1960-1980) 二、卫星分辨率 (1)0.3米：worldview3、worldview4 (2)0.4米：worldview3、worldview2、geoeye、kompsat-3A (3)0.5米：worldview3、worldview2、geoeye、worldview1、pleiades

ct空间分辨率

空间分辨率的检测方法及影响因素 1. 定义 空间分辨率（spatial resolution）又称高对比度分辨率（high contrast resolution），它是衡量CT图像质量的一个重要参数，是测试一幅图像的量化指标，是指在高对比度（密度分辨率大于 10%）的情况下鉴别细微的能力，即显示最小体积病灶或结构的能力。它的定义是在两种物质 CT 值相差 100HU 以上时，能分辨最小的圆形孔径或是黑白相间（密度差相同）的线对数，单位是 mm 或lp/cm。 其换算关系为： 5÷lp/cm=可分辨的最小物体的直径(mm)。 2. 检测方法 目前常用的检测 CT 空间分辨率的方法有以下几种： (1)调制传递函数（MTF）的截止频率法。如图2，此函数将图像中对比度描述为一个空间频率的函数，而被照物中的对比度假定为100%，所以它描述了成像过程中对比度的降低，于是截止频率决定了分辨率的极限。此种方法都内置于CT机系统中，用于自检。系统可以自动计算并画出调制传递函数（MTF）曲线，由此得出MTF在百分数多少的线对值。MTF的百分数越低，线对数越高。有的厂家技术参数表中给出的是MTF=0%时的数据，即截止频率的数据，以显示较高的空间分辨率。但是截止频率的线对数是没有实际意义的，一般应采用MTF=5%或MTF=10%来判断机器的空间分辨率。 (2) 分辨成排圆孔大小法。如图3，可分辨的一组圆孔的大小，每组圆孔按彼此间的中心距离等于该组圆孔直径的2倍的方式排列。 (3)分辨线对数法。如图4，可分辨的一组黑白相间的线对的间距尺寸。不同线对数的线对卡,对应不同的空间分辨率。共有21组，即1~21 lp/cm。 3. 检测步骤 (1) 定位 将模体置于扫描野中心，并使模体轴线垂直于扫描层面。将 CT 定位线定位于空间分辨率模块所在层的中心位置。 (2) 设置扫描条件 选取被测CT内置的标准头部条件；层厚 10mm，若被测CT最大层厚小于 10mm，则选取其最大层厚；视野（FOV）为 25cm ；扫描方式为单层轴向扫描。 (3) 按设置好的条件进行扫描 (4) 图像分析 调出扫描出的图像，将窗宽调至最小 ( 一般为0或1)，再调整窗位，找出能分辨清楚的最高一级线对，要求线对中每条线不能有断缺和粘连。从而得出空间分辨率，若低于 5 lp/cm， 则判断此项为不合格。 4. CT空间分辨率的影响因素 (1) 探测器孔径的宽窄，孔径越窄，孔径转移函数越宽，空间分辨率就越高。 (2) 焦点尺寸，因焦点小的X线管产生窄的X射线，可获得较高的空间分辨率。 (3) 探测器之间的距离，它决定了采样间隔，间隔越小空间分辨率越高。 (4) 在图像重建中选用的卷积滤波器的形式不同，空间分辨率也不同。 (5) X 射线剂量、矩阵、层厚、像素大小，扫描装置噪声等对空间分辨率均有影响。层厚越薄，空间分辨率越高；但层厚越薄，噪声就越大，低对比分辨率就会降低。

几种典型高分辨率商业遥感卫星系统

几种典型高分辨率商业遥感卫星系统 1．2．1 IKONOS卫星系统 1．基本情况 IKONOS是空间成像公司(Space Imaging)为满足高解析度和高精度空间信息获取而设计制造，是全球首颗高分辨率商业遥感卫星。IKONOS-1于1999年4月27日发射失败，同年9月24日，IKONOS-2发射成功，紧接着于10月12日成功接收到第一幅影像。 IKONOS卫星由洛克希德—马丁公司(Lockheed Martin)制造，重1600lb，由Athena II 火箭于加利福尼亚州的范登堡空军基地发射成功，卫星设计寿命为7年。它采用太阳同步轨道，轨道倾角98.1o，平均飞行高度681km，轨道周期98.3min，通过赤道的当地时间为上午10:30，在地面上空平均飞行速度为6.79km/s，卫星平台自身高1.8m，直径1.6m。 IKONOS卫星的传感器系统由美国伊斯曼—柯达公司(Eastman Kodak)研制，包括一个1m分辨率的全色传感器和一个4m分辨率的多光谱传感器，其中的全色传感器由13816个CCD单元以线阵列排成，CCD单元的物理尺寸为12μm x 12μm，多光谱传感器分四个波段，每个波段由3454个CCD单元组成。传感器光学系统的等效焦距为10m，视场角(FOV)为0.931o，因此当卫星在681km的高度飞行时，其星下点的地面分辨率在全色波段最高可达0.82m，多光谱可达3.28m，扫描宽度约为11km。传感器可倾斜至26o立体成像，平均地面分辨率1m左右，此时扫描宽度约为13km。IKONOS的多光谱波段与Landsat TM的1—4波段大体相同，并且全部波段都具有11位的动态范围，从而使其影像包含更加丰富的信息。 IKONOS卫星载有高性能的GPS接收机、恒星跟踪仪和激光陀螺。GPS数据经过后处理可提供较精确的星历信息；恒星跟踪仪用以高精度确定卫星的姿态，其采样频率低；激光陀螺则可高频地测量成像期间卫星的姿态变化，短期内有很高的精度。恒星跟踪数据与激光陀螺数据通过卡尔曼滤波能提供成像期间卫星较精确的姿态信息。GPS接收机、恒星跟踪仪和激光陀螺提供的较高精度的轨道星历和姿态信息，保证了在没有地面控制的情况下，IKONOS卫星影像也能达到较高的地理定位精度。 2．成像原理 与Landsat和SPOT-4卫星相比，IKONOS卫星的成像方式更加灵活，其传感器系统采用独特的机械设计，可以十分灵活地以任意方位角成像，偏离正底点的摆动角甚至可达到60o。IKONOS卫星360o的照准能力使其既可侧摆成像以获取异轨立体或缩短重访周期，也可通过沿轨道方向的前后摆动同轨立体成像，具有推扫、横扫成像能力。 IKONOS卫星能获取同轨立体影像。当卫星接近目标时，传感器光学系统先沿着轨道向前倾斜，照准目标区域并采集第一幅影像，接着控制系统操纵传感器向后摆动，大约100s 后再次照准目标区并采集第二幅影像，如图1．1所示。由于IKONOS卫星利用单线阵CCD 传感器，通过光学系统的前后摆动实现同轨立体成像。因此，相应的立体覆盖是不连续的。

遥感图像分类方法的国内外研究现状与发展趋势

遥感图像分类方法的国内外研究现状与发展趋势

遥感图像分类方法的研究现状与发展趋势 摘要：遥感在中国已经取得了世界级的成果和发展，被广泛应用于国民经济发展的各个方面，如土地资源调查和管理、农作物估产、地质勘查、海洋环境监测、灾害监测、全球变化研究等，形成了适合中国国情的技术发展和应用推广模式。随着遥感数据获取手段的加强，需要处理的遥感信息量急剧增加。在这种情况下，如何满足应用人员对于大区域遥感资料进行快速处理与分析的要求，正成为遥感信息处理面临的一大难题。这里涉及二个方面，一是遥感图像处理本身技术的开发，二是遥感与地理信息系统的结合，归结起来，最迫切需要解决的问题是如何提高遥感图像分类精度，这是解决大区域资源环境遥感快速调查与制图的关键。 关键词：遥感图像、发展、分类、计算机 一、遥感技术的发展现状 遥感技术正在进入一个能够快速准确地提供多种对地观测海量数据及应用研究的新阶段，它在近一二十年内得到了飞速发展，目前又将达到一个新的高潮。这种发展主要表现在以下4个方面： 1. 多分辨率多遥感平台并存。空间分辨率、时间分辨率及光谱分辨率普遍提高目前，国际上已拥有十几种不同用途的地球观测卫星系统，并拥有全色0．8～5m、多光谱3．3～30m的多种空间分辨率。遥感平台和传感器已从过去的单一型向多样化发展，并能在不同平台

上获得不同空间分辨率、时间分辨率和光谱分辨率的遥感影像。民用遥感影像的空间分辨率达到米级，光谱分辨率达到纳米级，波段数已增加到数十甚至数百个，重复周期达到几天甚至十几个小时。例如，美国的商业卫星ORBVIEW可获取lm空间分辨率的图像，通过任意方向旋转可获得同轨和异轨的高分辨率立体图像；美国EOS卫星上的MOiDIS-N传感器具有35个波段；美国NOAA的一颗卫星每天可对地面同一地区进行两次观测。随着遥感应用领域对高分辨率遥感数据需求的增加及高新技术自身不断的发展，各类遥感分辨率的提高成为普遍发展趋势。 2. 微波遥感、高光谱遥感迅速发展微波遥感技术是近十几年发展起来的具有良好应用前景的主动式探测方法。微波具有穿透性强、不受天气影响的特性，可全天时、全天候工作。微波遥感采用多极化、多波段及多工作模式，形成多级分辨率影像序列，以提供从粗到细的对地观测数据源。成像雷达、激光雷达等的发展，越来越引起人们的关注。例如，美国实施的航天飞机雷达地形测绘计划即采用雷达干涉测量技术，在一架航天飞机上安装了两个雷达天线，对同一地区一次获取两幅图像，然后通过影像精匹配、相位差解算、高程计算等步骤得到被观测地区的高程数据。高光谱遥感的出现和发展是遥感技术的一场革命。它使本来在宽波段遥感中不可探测的物质，在高光谱遥感中能被探测。高光谱遥感的发展，从研制第一代航空成像光谱仪算起已有二十多年的历史，并受到世界各国遥感科学家的普遍关注。但长期以来，高光谱遥感一直处在以航空为基础的研究发展阶段，且主要

高空间分辨率遥感森林参数提取探讨

高空间分辨率遥感森林参数提取探讨 刘晓双,黄建文,鞠洪波 (中国林业科学研究院资源信息研究所,北京100091) 摘要:介绍了高空间分辨率遥感在森林参数提取方面的研究和应用情况,并结合国内外学者在此方面所做出的研究成果,对不同森林参数的提取分别做了阐述,包括单木树冠轮廓信息、胸径、森林生物量、树种识别和分类、叶面积指数、森林郁闭度、木材结构和性质。最后分析了高空间分辨率遥感在森林参数提取方面存在的问题,并对该领域的应用前景作了展望。 关键词:高空间分辨率;遥感;森林参数;树冠提取;生物量 中图分类号:TP79　文献标识码:A 文章编号:1002-6622(2009)02-0111-07 Study on Extraction of Forest Parameters by High Spatial R esolution R emote Sensing L IU Xiaoshuang ,HUAN G Jianwen ,J U Hongbo (Research Instit ute of Forest Resources and Inf ormation Technique ,CA F ,Beiji ng 100091,Chi na ) Abstract :Study and application of forest parameters extraction by high spatial resolution remote sens 2ing was introduced in this article ,combined with achievements in this field made by researchers all over the world 1Extraction of such different forest parameters was described respectively as single tree crown contour ,diameter at breast height ,biomass ,identification and classification of species ,LAI ,canopy den 2sity ,wood structure and property 1Finally ,the problems of forest parameters extraction by high spatial resolution remote sensing were discussed ,and the prospect of forest parameters extraction by high spa 2tial resolution remote sensing was expected. K ey w ords :high spatial resolution ,remote sensing ,forest parameters ,extraction of tree crown ,biomass 收稿日期:2009-01-04;修回日期:2009-04-03 基金项目:中央级公益性科研院所基本科研业务费专项基金(RIFRITZ J Z 2007006);国家自然科学基金“基于高分辨率 遥感的树冠信息提取技术研究”项目(40771141) 作者简介:刘晓双(1985-),女,甘肃兰州人,在读硕士生,主要从事遥感、GIS 技术应用研究。通讯作者:鞠洪波(1956-),男,黑龙江人,研究员,研究方向:林业信息技术。 现代林业的经营管理得以顺利进行主要依赖于对各种森林参数的调查,而森林限于其特殊的自然地理条件往往会给研究数据的采集造成很大的困 难。传统的森林调查方法一般是基于随机抽样和统计学,其样本的选择是否具有代表性对调查的精确性有很大的影响。这种传统的以个体来推断总体的 2009年4月第2期林业资源管理 FOREST RESOURCES MANA GEMEN T April 2009No 12

空间分辨率——字射线照相关键参数

空间分辨率——字射线照相关键参数

————————————————————————————————作者：————————————————————————————————日期：

空间分辨率——数字射线照相的关键参数 模拟图像是指由连续信号构成的图像，射线照相得到的底片图像就是模拟图像；而数字图像是指由大量的点（像素）构成，可用二进制数字描述的图像。数字图像早已进入我们的生活:数码相机已把胶卷相机逼入绝境；数字电视也已开始与模拟电视分庭抗礼；在医院里，CR、DR和CT装置用得越来越多，已逐步取得人体透视和拍片——这些技术得到的都是数字图像。但在工业上的应用，即工业CR、工业DR的应用则相对迟缓，目前仍然是胶片照相占据绝对优势。究其原因，主要是分辨率问题：工业应用数字图像比医用的数字图像的分辨率要求要高得多，人体检查一般要求的分辨率水平是厘米级或毫米级，而承压设备焊缝检测的分辨率水平要求达到0.1毫米级，甚至更小。 分辨率是描述数字图像质量的重要参数。分辨率包括空间分辨率和灰度分辨率两项指标。数字图像的空间分辨率取决于像素尺寸的大小。像素（Pixel）是构成数字图像的基本单元。如果把数字图像放大许多倍，会发现这些连续图像其实是由小点组成。把一幅图像按行与列分割成m×n个网格，就可用一个m×n的矩阵来表达该图像。每一格即为一个像素，m 与n数值越大，像素量就越大，单个像素的尺寸就越小，图像就越细腻，空间分辨率就越高。灰度分辨率取决于灰度的模数转换位数。每个像素的亮度称为灰度（对彩色图像则是颜色），可用一个有限长度的二进制数值表示。位数越长，灰度级别就越多，层次就越丰富（或颜色就越逼真），灰度分辨率就越高。如果是8位模/数转换，则灰度可分为28=256个级别；如果是16位模/数转换，则灰度可分为216=65536个级别。 提高数字图像的灰度分辨率相对比较容易，只要增加模/数转换位数就行，而提高数字图像的空间分辨率则困难的多。 应用于工业射线检测的数字技术有： 1、底片数字化扫描技术； 2、图像增强器实时成像技术； 3、计算机X射线照相技术（CR）； 4、线阵列扫描成像技术（LDA）； 5、非晶硅和非晶硒数字平板成像技术； 6、CMOS数字平板成像技术； 以上六种技术的空间分辨率各不相同，比较其分辨率高低大致如下：图象增强器的空间分辨率约为100-300微米，二极管阵列（LDA）的空间分辨率约为100?200微米，非晶硅/硒接收板的空间分辨率约为80-150微米，CMOS探测器的空间分辨率约为50-150微米，底片扫描约为50-100微米，CR技术的空间分辨率约为25-100微米，而胶片照相的分辨率大致相当于10-50微米。把各种检测技术分辨率从高到低排列：分辨率最高——胶片照相→CR →底片扫描→CMOS →非晶硒→非晶硅→LDA →图象增强器CCD实时成像——分辨率最低。即：到目前为止，数字图像的分辨率仍比不过胶片照相。 数字电子元器件的成本和制造难度制约了分辨率的进一步提高，无论是数字平板（CMOS、非晶硅/硒），还是二极管阵列，要想把像素元做的更小非常困难。曾经和开发二极管线阵列检测系统的两个博士讨论用于压力容器检测的线阵列设备，我建议把像素尺寸由0.2mm减小到0.1mm，这样至少可以满足厚焊缝射线照相的要求。但博士们一起摇头，说那样做成本将大大增加，以致不可行。也听美国一家公司说过，数字平板的成品率很低，因此价格很贵。想造出比目前分辨率水平更高的平板，至少近几年希望不大。 近年来分辨率提高较快的技术是CR：2003年时最好的CR是100微米，大约每2－3年，分辨率就提高一倍。2008年为完成一个航天项目做试验，我们使用了据称是目前世界上最

遥感课后习题

遥感应用的本质是通过遥感观测数据来“反演”地表有价值的信息 第一章 1.1 1. 遥感地学分析的含义是什么，对应的英文表述应该是什么样的？ 2. 遥感信息的物理属性可从哪些方面来描述？ 遥感信息的这种多源、多维的特性，可以通过不同的分辨率进行度量和描述： 空间分辨率 光谱分辨率 辐射分辨率 时间分辨率 3. 遥感图像的空间分辨率是指什么，有哪几种表达方式？ 空间分辨率：针对图像或传感器而言，指图像上能够区分的最小单元的大小，或指传感器区分两个目标物的最小角度或线性距离的度量 空间分辨率的3种表示法： 像元：指单个像元对应的地面面积大小，常以边长表示，单位为m。如NOAA/A VHRR：1100m，Landsat/TM：28.5m，QuickBird：0.61m 线对数（LP）：摄影系统的空间分辨率通常用单位宽度内可识别的线对数表示（Line pairs per millimetre），单位为LP/mm。所谓线对指一对同等大小的明暗条纹或规则间隔的明暗条对 瞬时视场（IFOV）：指传感器内单个探测元件的受光角度或观测视野，单位为毫弧度（mrad）。一个瞬时视场内的信息，表示一个像元。IFOV与传感器的高度有关，高度越高，分辨率越低；还与传感器的视角有关，视角越倾斜，观测面积越大，分辨率就越差。 4. 相同时期的遥感传感器，设计的空间分辨率越高， 则光谱分辨率越低，这是为什么？ 在遥感成像系统设计中，空间分辨率和光谱分辨率常常不可兼得，因为高光谱成像系统的光谱带宽很窄，必须用较大的IFOV才能收集足够多的光子以维持可接受的信噪比；同样，高空间分辨率系统的IFOV很小，因此必须以较宽的光谱通道才能捕捉足够的光能量。 计算：若IFOV为2mrad，传感器高度为10000m，则星下点像元对应的地面面积为多少？ 5. 遥感图像的空间分辨率越高，识别地物目标的能力越强吗？为什么？ 一般来说，遥感系统的空间分辨率越高，则识别地物目标的能力越强 但是，特定目标在图像上的可分辨程度，并不完全取决于空间分辨率的值，而是和它的形状、大小，以及它与周围物体的亮度、结构差异有关。例如，Landsat TM的空间分辨率为30m，但是10~20m宽的铁路甚至10m宽的公路通过沙漠、水域、草原、耕地等背景光谱较单调的地区时，往往清晰可辨。 可见，空间分辨率的大小仅表明图像细节的可见程度；而真正的识别效果，还要考虑环境背景复杂性等因素的影响。 扩展：经验证明，遥感系统空间分辨率的选择，一般应小于被探测目标最小直径的1/2（Jensen，1996）。例如，若要识别公园内的松树，则可以接受的最低空间分辨率应是最小松树的直径的一半。而且，若松树与环境背景之间的光谱响应差异很小，则需要更高的空间分辨率才能成功识别 6.遥感主要利用的电磁波范围是哪些？是如何划分的？

ct空间分辨率

空间分辨率的检测方法及影响因素 1.定义 空间分辨率（spatial resolution）又称高对比度分辨率（high contrast resolution），它是衡量CT图像质量的一个重要参数，是测试一幅图像的量化指标，是指在高对比度（密度分辨率大于10%）的情况下鉴别细微的能力，即显示最小体积病灶或结构的能力。它的定义是在两种物质CT 值相差100HU 以上时，能分辨最小的圆形孔径或是黑白相间（密度差相同）的线对数，单位是mm 或lp/cm。 其换算关系为：5÷lp/cm=可分辨的最小物体的直径(mm)。 2. 检测方法 目前常用的检测CT 空间分辨率的方法有以下几种： (1)调制传递函数（MTF）的截止频率法。如图2，此函数将图像中对比度描述为一个空间频率的函数，而被照物中的对比度假定为100%，所以它描述了成像过程中对比度的降低，于是截止频率决定了分辨率的极限。此种方法都内置于CT机系统中，用于自检。系统可以自动计算并画出调制传递函数（MTF）曲线，由此得出MTF在百分数多少的线对值。MTF的百分数越低，线对数越高。有的厂家技术参数表中给出的是MTF=0%时的数据，即截止频率的数据，以显示较高的空间分辨率。但是截止频率的线对数是没有实际意义的，一般应采用MTF=5%或MTF=10%来判断机器的空间分辨率。 (2)分辨成排圆孔大小法。如图3，可分辨的一组圆孔的大小，每组圆孔按彼此间的中心距离等于该组圆孔直径的2倍的方式排列。 (3)分辨线对数法。如图4，可分辨的一组黑白相间的线对的间距尺寸。不同线对数的线对卡,对应不同的空间分辨率。共有21组，即1~21 lp/cm。 3.检测步骤 (1)定位 将模体置于扫描野中心，并使模体轴线垂直于扫描层面。将CT 定位线定位于空间分辨率模块所在层的中心位置。 (2)设置扫描条件 选取被测CT内置的标准头部条件；层厚10mm，若被测CT最大层厚小于10mm，则选取其最大层厚；视野（FOV）为25cm ；扫描方式为单层轴向扫描。 (3)按设置好的条件进行扫描 (4)图像分析 调出扫描出的图像，将窗宽调至最小( 一般为0或1)，再调整窗位，找出能分辨清楚的最高一级线对，要求线对中每条线不能有断缺和粘连。从而得出空间分辨率，若低于 5 lp/cm， 则判断此项为不合格。 4. CT空间分辨率的影响因素 (1) 探测器孔径的宽窄，孔径越窄，孔径转移函数越宽，空间分辨率就越高。 (2) 焦点尺寸，因焦点小的X线管产生窄的X射线，可获得较高的空间分辨率。 (3) 探测器之间的距离，它决定了采样间隔，间隔越小空间分辨率越高。 (4) 在图像重建中选用的卷积滤波器的形式不同，空间分辨率也不同。 (5) X 射线剂量、矩阵、层厚、像素大小，扫描装置噪声等对空间分辨率均有影响。层厚越薄，空间分辨率越高；但层厚越薄，噪声就越大，低对比分辨率就会降低。

遥感图像分类方法的国内外研究现状与发展趋势

遥感图像分类方法的研究现状与发展趋势 摘要：遥感在中国已经取得了世界级的成果和发展，被广泛应用于国民经济发展的各个方面，如土地资源调查和管理、农作物估产、地质勘查、海洋环境监测、灾害监测、全球变化研究等，形成了适合中国国情的技术发展和应用推广模式。随着遥感数据获取手段的加强，需要处理的遥感信息量急剧增加。在这种情况下，如何满足应用人员对于大区域遥感资料进行快速处理与分析的要求，正成为遥感信息处理面临的一大难题。这里涉及二个方面，一是遥感图像处理本身技术的开发，二是遥感与地理信息系统的结合，归结起来，最迫切需要解决的问题是如何提高遥感图像分类精度，这是解决大区域资源环境遥感快速调查与制图的关键。 关键词：遥感图像、发展、分类、计算机 一、遥感技术的发展现状 遥感技术正在进入一个能够快速准确地提供多种对地观测海量数据及应用研究的新阶段，它在近一二十年内得到了飞速发展，目前又将达到一个新的高潮。这种发展主要表现在以下4个方面： 1. 多分辨率多遥感平台并存。空间分辨率、时间分辨率及光谱分辨率普遍提高目前，国际上已拥有十几种不同用途的地球观测卫星系统，并拥有全色0．8～5m、多光谱3．3～30m的多种空间分辨率。遥感平台和传感器已从过去的单一型向多样化发展，并能在不同平台

上获得不同空间分辨率、时间分辨率和光谱分辨率的遥感影像。民用遥感影像的空间分辨率达到米级，光谱分辨率达到纳米级，波段数已增加到数十甚至数百个，重复周期达到几天甚至十几个小时。例如，美国的商业卫星ORBVIEW可获取lm空间分辨率的图像，通过任意方向旋转可获得同轨和异轨的高分辨率立体图像；美国EOS卫星上的MOiDIS-N传感器具有35个波段；美国NOAA的一颗卫星每天可对地面同一地区进行两次观测。随着遥感应用领域对高分辨率遥感数据需求的增加及高新技术自身不断的发展，各类遥感分辨率的提高成为普遍发展趋势。 2. 微波遥感、高光谱遥感迅速发展微波遥感技术是近十几年发展起来的具有良好应用前景的主动式探测方法。微波具有穿透性强、不受天气影响的特性，可全天时、全天候工作。微波遥感采用多极化、多波段及多工作模式，形成多级分辨率影像序列，以提供从粗到细的对地观测数据源。成像雷达、激光雷达等的发展，越来越引起人们的关注。例如，美国实施的航天飞机雷达地形测绘计划即采用雷达干涉测量技术，在一架航天飞机上安装了两个雷达天线，对同一地区一次获取两幅图像，然后通过影像精匹配、相位差解算、高程计算等步骤得到被观测地区的高程数据。高光谱遥感的出现和发展是遥感技术的一场革命。它使本来在宽波段遥感中不可探测的物质，在高光谱遥感中能被探测。高光谱遥感的发展，从研制第一代航空成像光谱仪算起已有二十多年的历史，并受到世界各国遥感科学家的普遍关注。但长期以来，高光谱遥感一直处在以航空为基础的研究发展阶段，且主要

空间分辨率

空间分辨率——数字射线照相的关键参数 分类：X-Ray2010-03-17 13:28 341人阅读评论(0) 收藏举报概念：空间分辨率是指图像中可辨认的临界物体空间几何长度的最小极限，即对细微结构的分辨率。 以下： 强天鹏撰 模拟图像是指由连续信号构成的图像，射线照相得到的底片图像就是模拟图像；而数字图像是指由大量的点（像素）构成，可用二进制数字描述的图像。数字图像早已进入我们的生活:数码相机已把胶卷相机逼入绝境；数字电视也已开始与模拟电视分庭抗礼；在医院里，CR、DR和CT装置用得越来越多，已逐步取得人体透视和拍片——这些技术得到的都是数字图像。但在工业上的应用，即工业CR、工业DR的应用则相对迟缓，目前仍然是胶片照相占据绝对优势。究其原因，主要是分辨率问题：工业应用数字图像比医用的数字图像的分辨率要求要高得多，人体检查一般要求的分辨率水平是厘米级或毫米级，而承压设备焊缝检测的分辨率水平要求达到0.1毫米级，甚至更小。 分辨率是描述数字图像质量的重要参数。分辨率包括空间分辨率和灰度分辨率两项指标。数字图像的空间分辨率取决于像素尺寸的大小。像素（Pixel）是构成数字图像的基本单元。如果把数字图像放大许多倍，会发现这些连续图像其实是由小点组成。把一幅图像按行与列分割成m×n个网格，就可用一个m×n的矩阵来表达该图像。每一格即为一个像素，m与n数值越大，像素量就越大，单个像素的尺寸就越小，图像就越细腻，空间分辨率就越高。灰度分辨率取决于灰度的模数转换位数。每个像素的亮度称为灰度（对彩色图像则是颜色），可用一个有限长度的二进制数值表示。位数越长，灰度级别就越多，层次就越丰富（或颜色就越逼真），灰度分辨率就越高。如果是8位模/数转换，则灰度可分为28=256个级别；如果是16位模/数转换，则灰度可分为216=65536个级别。 提高数字图像的灰度分辨率相对比较容易，只要增加模/数转换位数就行，而提高数字图像的空间分辨率则困难的多。 应用于工业射线检测的数字技术有： 1、底片数字化扫描技术； 2、图像增强器实时成像技术； 3、计算机X射线照相技术（CR）； 4、线阵列扫描成像技术（LDA）； 5、非晶硅和非晶硒数字平板成像技术； 6、CMOS数字平板成像技术； 以上六种技术的空间分辨率各不相同，比较其分辨率高低大致如下：图象增强器的空间分辨率约为100-300微米，二极管阵列（LDA）的空间分辨率约为100?200微米，非晶硅/硒

高空间分辨率图像

高空间分辨率图像 卫星影像空间分辨率能够被传感器辨识的单一地物或2个相邻地物间的最小尺寸。空间分辨率越高，遥感图像包含的地物形态信息就越丰富，能识别的目标就越小。广西善图科技有限公司 高空间分辨率图像（简称“高分图像”）包含了地物丰富的纹理、形状、结构、邻域关系等信息，可主要应用于地物分类、目标提取与识别、变化检测等。 目前，已经商业化运行的光学遥感卫星的空间分辨率已经达到“亚米级”，如2016年发射的美国WorldView-4卫星能够提供0.3 m分辨率的高清晰地面图像。 近年来，随着我国空间技术的快速发展，特别是高分辨率对地观测系统重大专项的实施，我国的卫星遥感技术也迈入了亚米级时代，高分2号卫星（GF-2）全色谱段星下点空间分辨率达到0.8 m。

上海陆家嘴高分辨率图像 GF-2号卫星0.8 m全色与3.2 m多光谱融合结果 商业化高分图像的多领域应用 农业 法国SPOT-5 2.5 m融合图像已经被应用于农作物种植面积的小区域精细抽样调查，基于空间排列结构特征分析，可以实现人工种植园中冬小麦、水稻和棉花等种植区域的提取。 城市规划管理 GF-2图像可准确地识别城市街道、行道绿地、公园、建筑物、甚至车辆数量信息。 海岸带调查 应用美国WorldView-2高分数据，大幅提高了海岸线提取的精度，实现了围填海状况监测。 灾情评估 高分图像可以实现滑坡和洪水淹没区快速提取、建筑物毁坏等监测，还可利用如美国IKONOS高分影像生成立体像对地震灾害前后房屋做精准的损毁状况评估。 军事国防 高分图像可以精确识别敌方的人员与装备，包括装备的型号、数量、调动等重要信息。

作业2 高空间分辨率遥感影像分割方法实验

作业2 高空间分辨率遥感影像分割方法实验 学号： 课程代码： 姓名： 截止日期：2016.11.29 上交时间：2016.11.28 摘要：遥感影像分割是指把一幅影像划分为互不重叠的一组区域的过程，它要求得到的每个区域的内部具有某种一致性或相似性，而任意两个相邻的区域则不具有此种相似性。边缘检测是图像处理和计算机视觉中的基本问题，边缘检测的目的是标识数字图像中亮度变化明显的点。图像属性中的显著变化通常反映了属性的重要事件和变化。本文使用棋盘分割算法、四叉树分割算法、多尺度分割算法三种分割算法与Canny边缘检测算法对图像进行分割和提取边缘。并简单的对ecognition软件中设置的不同参数进行探索。

1.方法 1.1.分割 遥感影像分割是指把一幅影像划分为互不重叠的一组区域的过程，它要求得到的每个区域的内部具有某种一致性或相似性，而任意两个相邻的区域则不具有此种相似性。遥感影像分割是面向对象的遥感影像数据挖掘与应用中的一项关键技术，对于影像目标信息自动化提取与智能识别尤为重要，在面向对象的遥感影像处理工程中具有重要意义[1]。 1.1.1. 棋盘分割算法 棋盘分割（Chessboard Segmentation）是易康软件中一种简单的分割算法，它将一幅影像或一个父级对象分割成许多正方形的小对象。在分割过程中，棋盘分割算法主要用到的是分割尺度参数。 1.1. 2.四叉树分割算法 四叉树分割法（Quadtree-Based Segmentation）：当超过预定阀值时,将原始图像等分为4个子块,分别对应于四叉树树根的4个子节点[2]。依次考虑4个子块中的每一块,当匹配误差超过预定阀值时,这个阀值可称为剪枝判同的判决标准,可以是灰度相似性,也可以是目标均方差或其他可表示目标特征的有效信息,再将此块等分成4个子块,该过程也称之为剪枝.重复这一过程直至图像中的任意一块都能找到合适的匹配块为止[3]。下图表示一个四叉树的分割过程[4]。 图1-1 四叉树分割过程示意 1.1.3.多尺度分割算法 多尺度分割（Multiresolution Segmentation）：在指定的与感兴趣的地物目标或空间结构特征相对应的尺度下，将影像分割成高同质的、互相连结的不同影像区域，与感兴趣的地物目标或空间结构特征相对应[5]。它是一种自下而上（bottom-up）的方法，通过合并相邻的像素或小的分割对象，在保证对象与对象之间平均异质性最小、对象内部像元之间同质性最大的前提下，基于区域合并技术实现影像分割。 1.2.Canny边缘检测 Canny[6]1986年提出了一个优良的边缘检测算子应满足以下准则：1.信噪比准则，即不漏检真实边缘，也不把非边缘点作为边缘点检出，使输出的信噪比最大；2.定位精度准则，即检测出的边缘点，尽可能在实际边缘的中心；3.单边缘响应准则，即单个边缘产生的多个响应的概率要低，虚假边缘响应得到最大抑制。算法方框图如图[7]

面向对象的高分辨率遥感影像分类

二○一一届毕业设计 面向对象的高分辨率遥感影像分类Object-oriented Classification of high Resolution Remote Sensing images 学院：地质工程与测绘学院 专业：遥感科学与技术 姓名： 学号： 指导教师： 完成时间：2011年6月17日 二〇一一年七月

摘要 高空间分辨率遥感影像使得在较小的空间尺度上观察地表细节变化，进行大比例尺遥感制图，以及监测人为活动对环境的影响成为可能。随着高分辨率影像的应用越来越普及，迫切要求人们对高分辨率遥感信息提取进行研究，以满足高分辨率影像信息不断增长的应用和研究需要 高分辨率遥感影像光谱信息有限，空间信息丰富，地物的尺寸、形状及相邻地物间的关系都得到很好的反映。面向对象的分类方法与传统的基于像素的分类相比，不仅仅是依靠光谱信息，而且还充分利用影像的空间信息，分类时也克服了基于像元的逐点分类无法对相同语义特征的像素集合进行识别的缺点，是一种目前最适合于高分辨率遥感影像的分类方法。 本文采用面向对象的分类方法对高分辨率影像进行分类，该方法首先对影像进行多尺度分割获得同质区域对象，在此基础上利用模糊分类思想对分割后的对象进行分类。该方法不仅充分利用了高分辨率影像的空间信息，还将基于像素的分类提升到了基于对象的分类。 多尺度分割采用的是区域生长合并算法，通过对尺度阈值、光谱因子及形状因子等参数的控制，可以获得不同尺度下有意义的对象。分割后的对象不仅包含了原始的光谱信息，还可以提供大量辅助特征，如纹理、形状、拓扑等特征。综合利用这些特征以及模糊分类的思想，使得高分辨率影像分类在减少分类不确定性的同时，还提高了分类的精度。 最后将面向对象分类结果与传统的基于像素分类结果进行对比分析，发现其分类精度要明显高于传统法，且具有较强的抗噪声的功能，分类所得的地物结果相对较为完整，具有更丰富的语义信息，更加符合客观现实情形。 关键词：高分辨率遥感影像，面向对象的分类，影像分割，多尺度，最近邻分类

高分辨率遥感影像分类实验报告

高分辨率遥感影像分类实验报告 班级：___________________ 姓名：___________________ 学号：___________________ 指导老师：_______________ 地球科学与环境工程学院 二?一四年六月

目录 1 实验方法——面向对象方法 (1) 2 实验内容 (1) 2.1 影像预处理 (1) 2.1.1 影像数据融合 (1) 2.1.2 影像增强处理 (2) 2.2 创建工程 (2) 2.3 分割处理 (3) 2.4 分类 (4) 2.4.1 水体 (4) 2.4.2 陆地 (5) 2.4.3 植被 (6) 2.4.4 裸土 (7) 2.4.5 建筑物 (8) 2.4.6 道路 (9) 2.4.7 阴影 (10) 2.4.8 总体分类图 (12) 3 结语 (13)

1实验方法——面向对象方法 面向对象方法是一个模拟人类大脑认知的过程，将图像分割为不同均质的对 象，充分利用对象所包含的信息，将知识库转换为规则特征，从而提取影像信息。 因为分析的是对象而不是像元，因此我们可以利用对象丰富的语义信息， 结合各 种地学概念，如面积、距离、光谱、尺度、纹理等进行分析。 面向对象的遥感影像分析方法与传统的面向像元的影像分析方法不同。 首先 需要使用一定方法对遥感影像进行分割， 在提取分割单元（图像分割后所得到的 内部属性相对一致或均质程度较高的图像区域） 的各种特征后，在特征空间中进 行对象识别和标识，从而最终完成信息的分类与提取。 2实验内容及详细过程 2.1影像预处理 2.1.1影像数据融合 实验数据为QuickBird 影像，包括4个多光谱波段以及一个全色波段。 QuickBird 影像星下点分辨率：全色为 0.61m ,多光谱为2.44m 。对于面向对象 影像分类 来说，越高的高空间分辨率越好，但在对对象进行分类时，光谱信息同 样重要，因此，可将高分辨率的全色影像和多光谱影像进行数据融合。 使用 ERDAS 进行数据融合： Interprete u spatialenchancemen ^resolution mergeo 图1 全色影像与多光谱影像融合 Ib^pul Fh (*.网| MJitiMewl lfl img 乓 | nwin?_r?J_pM4 |i ■J Nurb-w of 4 Mai hod DiJput OpJcm: riHEWT^SBn-n r Bchnaiuar f* Fmcpai T Newwt Nd^ibor 厂 5Woh to Unsigned 6 W 厂 厂l|>Kj 沽Eti 臼? 一 Brcvay TividuirTi 件 iDi-tc T 呼 Nunt-B? Mulkip?cdi4 Inpui Lafin: 4 G 喑 Sca*e: Uns^ned 1E tt |1 Nlu ■弔 pecirot Uns^flrwd 1 百 b* U M ■ E -jiiiiH In EKH

高空间分辨率遥感影像分割方法研究综述

高空间分辨率遥感影像分割方法研究综述 高空间分辨率遥感影像分割方法研究综述 刘建华毛政元 （福州大学,空间数据挖掘与信息共享教育部重点实验室，福建省空间信息工程研究中心，福州350002） 摘要:遥感影像分割是指把一幅影像划分为互不重叠的一组区域的过程，它要求得到的每个区域的内部具有某种一致性或相似性，而任意两个相邻的区域则不具有此种相似性。遥感影像分割是面向对象的遥感影像数据挖掘与应用中的一项关键技术,对于影像目标信息自动化提取与智能识别尤为重要，在面向对象的遥感影像处理工程中具有重要意义。本文对常见的高空间分辨率遥感影像分割方法与应用策略进行了分析，比较了各种分割方法的应用范围、优缺点及目前存在的改进措施。建立了面向对象的遥感影像分割方法的分类体系，最后指出了面向对象的遥感影像分割方法目前所存在的问题及应用前景。 关键词:高空间分辨率遥感影像影像分割方法应用策略进展 A Survey on High Spatial Resolution Remotely Sensed Imagery Segmentation Techniques and Application Strategy Liu Jian hua Mao zheng yuan (Fuzhou University, Spatial Information Research center, Fuzhou, 350002) Abstract: Remotely sensed imagery segmentation is a process of dividing an image into different regions such that each region is, but the union of any two adjacent regions is not, homogeneous. It is one of key techniques in the object-oriented remotely sensed imagery data mining and its application, also quite essential in remote sensing image processing engineering. In this paper, we have a rough survey on different methods of high spatial resolution remotely sensed imagery segmentation, categorizing them into four groups according to the gray or color information they are exploiting. The disadvantage of current methods and the proper progress which can be attained in the near future are pointed out at the end of this essay. Keywords: High Spatial Resolution Imagery, Segmentation methods, application strategy, advances and prospects 1 引言 高空间分辨率遥感影像(如GeoEye、WorldView、QuickBird、IKONOS等，本文简称高分影像)在诸多领域（地形图更新、地籍调查、城市规划、交通及道路设施、环境评价、精细农业、林业测量、军事目标识别和灾害评估等）得以广泛应用[1]。目前，影像信息提取自动化程度低是高分影像应用潜力得不到充分发挥的主要限制因素，是理论和应用研究中必须突破的瓶颈。 遥感影像分割是面向对象的遥感影像分析方法[2]的基础和关键，在遥感影像工程中处于影像处理与影像理解的中间环节，是面向对象的影像分析理论研究的突破口。按照一般的影像分割定义[3],分割出的影像对象区域需同时满足相似性和不连续性两个基本特性；其中相似性指该影像对象内的所有像元点都满足基于灰度、色彩、纹理等特征的某种相似性准则，不连续性是指影像对象的特征在区域边界处的不连续性。迄今为止,将计算机视觉领域的图像分割算法应用于图像分割过程中,已开展了较多的研究[4-7],并提出了大量的算法；但针对遥感影像尤其是高分影像的分割方法较少[8],仍不成熟。这是由于与其它类型图像的分割相比，高分影像分割难度更大,也更具挑战性。具体体现在高分影像其空间分辨率高、纹理信息丰富而光 基金项目: 国家重点基础研究发展计划项目（973）子课题“高空间分辨率遥感影像自适应数据挖掘方法研[2006CB708306]”，国家自然科学基金项目“基于场模型的自适应空间聚类方法研究[40871206]”。 作者简介: 刘建华，男，博士研究生,曾从事GIS与RS教学工作。目前主要研究方向为空间数据挖掘、遥感图像处理以及GIS与RS集成等。E-mail：sirc.liujh@https://www.sodocs.net/doc/eb8693031.html,。