Conversión de topología
El rápido desarrollo de la tecnología de adquisición de datos de teledetección y la aparición de una gran cantidad de imágenes de teledetección de alta resolución como IKONOS y QuickBird han promovido en gran medida su amplia aplicación en múltiples industrias. Las imágenes de teledetección de alta resolución proporcionan más información (textura, forma, topología, etc.). ) que las imágenes de teledetección de baja resolución. En vista de las características de los datos de teledetección de alta resolución, algunos académicos han propuesto métodos de extracción de información orientados a objetos. Este método utiliza no sólo la información espectral de las características, sino también la información geométrica y estructural de las características. Esto puede compensar las deficiencias de los métodos tradicionales de extracción de información basados en píxeles. Con la mejora de la precisión de la clasificación, se puede extraer más información sobre características de imágenes de alta resolución para respaldar mejor la investigación en diversos campos.
En el método de extracción de información de imágenes de detección remota de alta resolución orientado a objetos, la segmentación de imágenes es la base y determina directamente la generación de objetos de imagen, y la selección de la escala de segmentación es una de las cuestiones clave. Diferentes escalas de segmentación conducirán a resultados completamente diferentes. Para características específicas, se puede realizar una extracción de información más efectiva en escalas de segmentación apropiadas. En los últimos años, el efecto de escala ha sido un tema candente para los investigadores, y también es una cuestión clave para obtener información de objetos terrestres a partir de imágenes altamente automatizadas; sin embargo, hasta ahora, en todos los campos, no existe un estándar de selección de escala claro y universal; . Por lo tanto, resulta muy urgente y significativo estudiar el impacto del efecto de escala en la segmentación y clasificación, determinar la escala de segmentación óptima de características en una imagen específica y así generar la jerarquía de objetos de imagen más razonable.