基于SEaTH算法的芦山地震无人机低空遥感影像信息对象级分类基于SEaTH算法的芦山地震无人机低空遥感影像信息对象级分类：未知摘要：在地震这种重大自然灾害面前，快速有效地从遥感影像中提取震区土地利用信息，在灾情评估及灾后重建中发挥着重要作用。选取四川省芦山地震灾区无人机影像为数据源，运用面向对象的影像分析方法，首先研究了多尺度分割中参数的选择，获取了研究区最优分割参数；然后考虑了各个“影像对象”的数字化特征值，利用改进的SEaTH算法进行特征值优化处理；最后采用了隶属度信息提取方法，获得了芦山地震灾区无人机低空?b感影像分类图，并进行了分类精度评估，结果表明：研究区影像的分类总精度为87.5%，kappa系数为0.835。关键词：面向对象；多尺度分割；SEaTH算法；无人机影像：P315.9；TP751文献标识码：A：1000-0666（2018）02-0173-070引言我国是一个自然灾害频发且种类繁多的国家，如何有效地获取与监测灾情信息、做出科学可行的应急救灾措施，是当前研究的重点和难点。以遥感技术为主要手段来获取多时相、多分辨率、多类型的遥感数据及遥感图像处理技术一直以来都被应用于各种自然灾害防治的各个环节之中（曾涛，2010）。北京时间2013年4月20日8时2分在四川省雅安市芦山县（30.3°N，102.95°E）发生了7.0级地震，震中位于芦山县庙坪上，震源深度13km。在地震灾区通信、交通被严重破坏的情况下，无人机低空遥感技术成为快速获取震区灾情信息的最佳途径。因此快速准确地处理地震灾区遥感影像数据、对影像信息进行分类、提取出震害信息是值得深入研究的问题。本文所选研究区位于芦山地震灾区，该区域为平原地貌，具有建筑用地、林地、道路、耕地、地震临时安置房等典型的地物类型，分布较为均匀，该区域在高分辨率影像中具有一定的代表性。本文综合分析获取的地震灾区遥感影像数据，结合地震发生后实际情况及灾后应急救灾、灾害评估及重建的实际需要，利用无人机航拍的芦山地震震后高空间分辨率遥感影像，以面向对象影像分析技术对影像进行了信息提取，对建筑用地、林地、道路、耕地、地震临时安置房等准确地进行了分类。在面向对象的分类过程中，被用于分类的遥感影像特征多种多样，如光谱特征、纹理特征、形状特征等。随着研究的深入，许多特征被进一步引用和演变，成为更有用的信息用以分类。与传统基于面向像元的分类方法相比，面向对象的分类方法不仅充分利用影像的光谱特征和纹理特征，还将形状特征和更多的特征运用联系起来，充分调动起了地物的特性，也提高了分类的准确度和可分性（江华，2014）。但如果使用的特征变量太多，会带来特征冗余，造成特征“维灾难”（郑云云，2015）。为了解决上述问题，一些分类特征选择方法被相继提出，如基于遗传算法的特征选择选择算法（冯莉等，2008）、基于Bayes错误率上界最小的特征选择算法（张振平，2006）、基于蚁群优化的特征选择算法（叶志伟等，2007）、基于关联规则的特征选择方法（何小晨，徐守时，2002）、基于特征知识库的遥感信息提取研究（高伟，2010）、SEaTH算法（Nussbaumetal，2006）。其中SEaTH算法是目前比较具有代表性的面向对象的特征选择方法，但是该算法仅从类间距离对特征进行评价，没有考虑到类内距离的影响。因此本文综合考虑类间距离与类内距离的综合影响，并在利用特征进行规财分类之前，优选特征，去除相关性大的特征，降低特征维数。基于此，本文将改进的SEeTH算法运用于分类规则集的自动获取。1原理与方法1.1WaTH算法分离阈值法（SEaTH）是由Nussbaum等（2006）提出的一种基于Jefries一Matudita距离和高斯分布混合模型的分类特征选取与阈值计算方法，本文结合SEaTH算法，运用隶属度分类的模糊分类规则进行分类。SEaTH算法实施的主要步骤为（王贺等，2013）：（1）样本选择：从分割后的影像中选取约2.5%具有代表性且空间分布均匀的典型样本（薄树奎，丁琳，2010），并从ecagnitionDeveloper软件中输出各样本的待选特征值。（2）计算巴氏距离B值：式中：m1和m2表示2个类别的某特征均值，σ1和σ2表示2个类别的标准差。（3）计算分离度J值：J=2（1-e-B）（2）（4）确定特征阈值：...