[论文解读] Topology, Homogeneity and Scale Factors for Object Detection: Application of eCognition Software for Urban Mapping using Multispectral Satellite Image

Polina Lemenkova|arXiv (Cornell University)|Oct 16, 2018

Land Use and Ecosystem Services参考文献 23被引用 6

一句话总结

本文提出一种基于多分辨率对象的图像分析（OBIA）方法，利用eCognition软件检测比利时布鲁塞尔高分辨率多光谱卫星影像中的建成区。通过整合拓扑结构、光谱同质性及尺度因子，该方法实现了高精度的城市土地覆盖制图，具备半自动分割与分类能力，展现出在密集大都市区城市规划与增长分析中的强大适用性。

ABSTRACT

The research scope of this paper is to apply spatial object based image analysis (OBIA) method for processing panchromatic multispectral image covering study area of Brussels for urban mapping. The aim is to map different land cover types and more specifically, built-up areas from the very high resolution (VHR) satellite image using OBIA approach. A case study covers urban landscapes in the eastern areas of the city of Brussels, Belgium. Technically, this research was performed in eCognition raster processing software demonstrating excellent results of image segmentation and classification. The tools embedded in eCognition enabled to perform image segmentation and objects classification processes in a semi-automated regime, which is useful for the city planning, spatial analysis and urban growth analysis. The combination of the OBIA method together with technical tools of the eCognition demonstrated applicability of this method for urban mapping in densely populated areas, e.g. in megapolis and capital cities. The methodology included multiresolution segmentation and classification of the created objects.

研究动机与目标

• 开发一种基于超高分辨率卫星影像的城市土地覆盖制图稳健方法。
• 解决在具有复杂空间模式的密集城市环境中检测建成区的挑战。
• 评估基于eCognition的面向对象图像分析（OBIA）在城市制图应用中的有效性。
• 研究尺度因子、拓扑结构与光谱同质性对分割精度的影响。
• 通过可靠、半自动化的城市土地覆盖类型分类，支持城市规划与空间分析。

提出的方法

• 在eCognition中采用多分辨率分割，根据光谱、形状与纹理特性将图像像素聚合成有意义的对象。
• 应用拓扑规则，确保分割过程中相邻对象之间的空间一致性与逻辑关系。
• 使用光谱同质性标准，将反射率值相近的像素聚类，提升对象的一致性。
• 优化尺度参数，平衡过分割与欠分割，提升建成区特征的检测效果。
• 采用分层分类方法，基于规则逻辑为分割后的对象分配土地覆盖类别。
• 通过与参考数据对比的视觉与定性评估验证结果，重点关注建成区检测的准确性。

实验结果

研究问题

• RQ1 尺度因子如何影响城市多光谱影像中面向对象分割的准确性？
• RQ2 在复杂城市景观中，引入拓扑结构与光谱同质性在多大程度上改善了对象边界的定义？
• RQ3 eCognition平台能否有效支持高分辨率卫星影像中建成区的半自动分类？
• RQ4 OBIA方法在密集大都市区异质性城市土地覆盖类型制图中的表现如何？
• RQ5 空间与光谱准则在提升城市制图中对象检测可靠性方面发挥何种作用？

主要发现

• eCognition中的多分辨率分割方法成功生成了适合城市特征检测的空间一致对象。
• 整合拓扑结构与光谱同质性显著提高了对象边界的准确性，并减少了碎片化现象。
• 最优尺度参数在有效检测建成区的同时，最小化了过分割与欠分割。
• 基于规则的分类系统在研究区域内实现了稳定且可解释的土地覆盖标注。
• 该方法在首都及大都市环境的半自动城市制图中展现出强大潜力。
• 结果经验证可靠，适用于城市规划与空间分析应用，尤其在监测城市增长方面表现突出。