本课题主要目的：以激光雷达数据和高分辨率影像数据，应用面向对象影像处理商业软件易康，对影像选择最优尺度进行尺度分割，建立影像对象；计算影像对象的各类分类特征，通过遥感目视判读建立分类体系，选择分类特征（如光谱，形态纹理特征等）和各地物的样本对象进行用地的分类，并在分类结果的基础上进行用地分类精度的评价。

研究目标和主要内容

本文的研究目标是开展基于激光雷达数据和高空间分辨率遥感影像数据的面向对象分类实验，应用商业软件易康（eCognition），对影像选择最优尺度进行尺度分割，建立知识规则准确分类各影像对象，评价分类精度。

本文的研究内容主要包括以下三个方面。

1）确定高空间分辨率遥感影像的分割尺度。

借助ESP工具和eCognition软件平台，通过实验确定研究区各地类最佳分割尺度和其他分割参数，建立合适的多尺度分割层次。

2）选择分类方法，建立分类规则。

主要使用基于知识规则的模糊分类方法，结合阈值分配类方法优化分类结果，实验中将激光雷达数据作为高程信息补充参与分类。

3）确定分类精度评价方法进行精度分析。

对基于隶属度模糊分类的原始分类结果，使用分类稳定性、最优分类结果评价方法；再将经编辑修改后的成果图作为样本对象，与原始分类对象进行基于样本的混淆矩阵计算，以得到总体精度和Kappa系数，分析计算结果。

本文实验研究表明，采用本套流程方法进行的面向对象的高分辨率影像数据用地分类可以取得较高的精度（如本实验研究取得了89%的用地分类总体精度），因此可以说本套流程具有一定的实用性，流程方法也具有一定的灵活性，对于使用面向对象方法提取高分影像地物可以提供借鉴参考。而且因为高度信息的参与，分类有效地识别了道路和建筑物的形状，因此具有较好的区域对象性和连贯性而接近真实地物，特别是建筑物，因包含高度信息，在精细处理中，大部分建筑物已经毋需修改能够直接进行批量三维拉伸操作，为应用航空激光雷达数据构建三维城市模型提供了新的方法思路。