道路是城市中典型的人造地物。 利用高分辨率影像进行城市道路提取, 对城市规划、 交通发展具有重要意义。 由于地物光谱的混淆性和异质性, 利用传统基于光谱的分类方法很难将道路与其他城市地物区分开。 针对这一问题, 提出了一种利用道路边缘结构信息进行分类的方法, 边缘作为光谱衍生信息对线性地物(如, 道路等)识别具有明显的意义。 首先, 根据全色光谱波段纹理信息, 利用改进的自适应Mean Shift算法进行边缘检测, 最大限度减少噪声与伪边缘; 然后, 对边缘图像中的线段进行编组, 利用统计模型依次对边缘线段求取统计特征, 并将该统计特征与多光谱特征结合作为总分类特征; 最后, 利用监督学习方法对城市道路样本进行学习并对整个实验区域进行分类。 结果表明将光谱信息与边缘统计特征融合对道路的识别精度为93%, 相比传统方法78%的精度有显著的提高, 因此, 该方法是一种有效、 可行的高分辨率遥感图像城市道路提取方法。

日益增多的城市固体废弃物不断威胁着城市的生态环境。 应用遥感技术的城市固体废弃物监测与管理比实地调查的方法省时省力。 然而, 分布不规律的城市固体废弃物成分复杂, 在高分辨率遥感影像上表现出极强的异质性, 无论是针对像素, 还是针对运用对象的影像分析方法都难以实现计算机自动提取。 针对城市固废堆在重采样低分辨率影像上异质性得到减弱、 同质性增强, 而在高分辨率上细节丰富、 位置准确的特点, 提出了一种融合多分辨率对象的城市固废提取方法。 以北京市海淀区的QuickBird影像进行实验, 结果表明, 露天城市固废堆的识别精度可达75%, 表明这种多分辨率信息提取策略对于监测露天的城市固废堆十分有效。