高分辨率遥感影像城区地物信息提取技术研究

第２９卷第１期　２０１２年２月　贵州大学学报（自然科学版）　Ｊｏｕｒｎａｌ　ｏｆ　Ｇｕｉｚｈｏｕ　Ｕｎｉｖｅｒｓｉｔｙ（Ｎａｔｕｒａｌ　Ｓｃｉｅｎｃｅｓ）　Ｖｏ１．２９　Ｎｏ．１　Ｆｅｂ．２０ｌ２　文章编号１０００～５２６９（２０１２）０１—００８８—０４　高分辨率遥感影像城区地物信息提取技术研究　邰晓雷，潘晓露，李一民　（昆明理工大学智能工程研究所，云南昆明６５０５００）　摘　要：遥感技术是２０世纪６０年代兴起并迅速发展起来的一门综合性探测技术，现在遥感技术　广泛地应用于多个领域的同时，面对遥感影像的海量数据，解译质量和解译效率就显得尤为重　要。在总结以往遥感影像信息提取技术的主要难点和不足的基础上，重点讨论了面向对象遥感　影像城区地物信息提取技术思路，最后对此思路进行总结与分析，指出了目前存在的问题和今后　的研究方向。　关键词：遥感技术；信息提取；影像分割；多尺度　中图分类号：Ｔｆｙ７５３　文献标识码：Ａ　遥感技术是在现代物理学、空间科学、电子计　算机技术、数学方法和地球科学理论的基础上建立　息从而获取知识。针对城区信息的提取主要包括　人工地物比如建筑物，道路以及绿地的分类和识　别，其中充分利用好阴影对以上分类和识别有重要　作用。遥感影像不仅依据其光谱特征、还很大程度　上依据目标形状、空间语义关系等，其落脚点往往　是小尺度的目标类别归属…，一般其数据源为高　空间分辨率的航空影像和卫星影像，因为影像空问　分辨率的提高更能反映人工行为的影响和干预。　下面对以往遥感影像城区信息提取的研究做简单　总结。　Ｉ．２建筑物特征提取方法　起来的一门新兴的、综合性的边缘科学。作为一门　先进和实用的探｝贝０技术，遥感被广泛地应用于地　理、地质、海洋、水文、环境监测、城市规划和灾害评　估等众多领域，成为人类研究全球资源、监测环境　动态变化、认识地球的有效手段之一。它的出现给　遥感应用带来了前所未有的活力。遥感数据在空　间分辨率提高的同时，数据量也成几何级数增加，　传统的目视解译提取专题信息的方法已经远不能　满足用户的需求。因此，计算机智能解译就成了解　决这一问题的唯一有效途径。现有遥感影像解译　面向几何元素的建筑物识别主要是利用建筑　算法大体上可以归为基于像元分类方法和面向对　象的影像分析方法两种。前者适用于中、低空间分　辨率影像信息提取，后者适宜处理高空问分辨率影　物形状的规则性、边缘大数多为直线和存在有直角　拐点等特征，在遥感影像图中提取外部轮廓，边缘　线，角点等几何元素，通过模型匹配的策略方法组　合候选区域，再利用先验知识判别所提取区域是否　为建筑物。Ｍａｙｕｎｇａ　ｅｔ．ａｌ利用蛇算法和径向投射　方法，提出了一种半自动的建筑物提取方法　Ｊ。　面向几何元素的方法在识别规则建筑物中起到了　较好的效果，然而该类方法没有充分利用房屋的纹　像数据。面向对象的影像分析方法已经在诸多应　用领域表现出了明显的优势。目前，国内还没有针　对高分辨率遥感影像面向对象的分析系统，这严重　制约了高分辨率遥感影像在众多领域中的应用。因　此，系统地研究高空问分辨率遥感影像信息提取技　术，开发遥感影像智能解译系统显得尤其重要和迫　切。下面将根据遥感影像城区地物信息的自身特　点，重点阐述遥感技术在城区地物信息方面的应用。　理特征以及与周边地物的关系等信息，过于依赖建　筑物自身的几何特征，容易出现识别错误和漏检测　的情况，在中低层建筑物识别中由于遮蔽阴影等影　响，效果较差。同时该类方法多用构建建筑物模型　１遥感影像城区信息提取　１．１信息提取方法概述　遥感技术的根本目标是为了从图像上提取信　收稿日期：２０１ｌ～１ｌ—Ｏ３　用以判断或拟合建筑物，对于外形连续或复杂的建　筑物的适应性不强。改进后的算法数学模型复杂，　作者简介：邰晓雷（１９８３一），男，陕西凤翔人，在读硕士，研究方向：遥感影像信息智能化提取技术，Ｅｍａｉｌ：ｔａｉｘｉａｏｌｅｉ＠１２６．ｃｏｍ　通讯作者：李一民，Ｅｍａｉｌ：ｌｙｍｐｈｄ＠１６３．ＣＯｒｎ．　第１期　邰晓雷等：高分辨率遥感影像城区地物信息提取技术研究　计算量增大，给系统带来了过多负担。目前为越来　越多人倾向于面向对象的建筑物提取识别方法。　Ｉｎｇｌａｄａ和Ｇｉｒｏｓ将影像中的物体分为１０大类，每　类对象的样例先从影像中人工识别获取，然后提取　各类对象的几何特征进行监督学习，从而产生一个　自动的分类系统　Ｊ。周小成、汪小钦、骆剑承等人　基于面向对象特征影像分析的思想，提出了一种结　合建筑物和阴影对象邻近关系特征的建筑物识别　提取方法　Ｊ。在多尺度影像分割的基础上，利用　对象的光谱和形状等特征，建立简单的分类决策　树，提取粗略的建筑物候选区和相对准确的阴影　区。通过计算相邻近阴影对象和建筑物对象的关　系特征，建立简单的知识规则，可从建筑物候选区　中消除广场等干扰噪音，获得准确有效的建筑物目　标信息。　１．３道路特征提取方法　根据道路提取的自动化程度进行划分，可以将　遥感影像道路提取方法的研究方法分为两大类：半　自动特征提取和自动特征提取。半自动道路特征　提取的算法比如：Ｓｎａｋｅｓ模型算法　和最小二乘　Ｂ样条Ｓｎａｋｅｓ模型算法　Ｊ。自动道路特征提取包　括道路特征的自动识别和几何特征的自动定位，基　本分成如下三个步骤：（１）通过全局的或者局部分　块的方法获取道路的影像特征；（２）根据上一步骤　的结果制定有关的规则获取道路的种子点，种子点　是属于道路目标的并且在相邻的区域内都具有丰　富的影像特征；（３）将种子点按照影像特征以及相　关的判别规则扩展成线段，将相关的线段连接并且　把中断的线段连接起来形成完整的道路网络。其　中规则的制定要针对不同的影像和识别目标具体　定制，不具备通用性。而整个过程包含人工智能、　计算机视觉、模式识别、数学模型建立等相关内容。　１．４绿地特征提取方法　Ｈｏｆｍａｎｎ在面向对象的分类方法中利用影像　对象的光谱、纹理、形状和背景信息识别ＩＫＯＮＯＳ　影像中的非正式居民地，得到的分类结果精度较　高　。Ｃ．Ｍ．Ｄ．Ｐｉｎｈｏ等人就利用了基于知识的　Ｑｕｉｃｋｂｉｒｄ城市土地覆盖分类，得出的分类精度满　足土地覆盖分类的要求　。　从以上各种类型地物的提取，可以总结如下：　大多研究中的遥感影像都是对已知特定种类目标　的识别，对未知的目标没有一个总体性的技术模型　作为指导，与具体目标联系太紧密、技术比较分散、　参数依赖性过高、处理目标单一化，因此造成处理　算法普适性不高。识别不同目标所利用的知识和　环境不同，其提取技术也可能不同，那么对于识别　单个目标和不同目标来说，都需要一个全局的统一　的思想，这样有利于相关技术的集成。许多研究在　特征提取，缺少高层次的知识和推理过程，存在一　定的主观性。在知识的处理与运用上，关于地物空　间语义关系知识的运用程度还不够，具体联系周围　环境因素还不够，大多是带有不确定性的模糊推理　成分。　２面向对象遥感影像城区信息提取　２．１　面向对象遥感影像城区信息提取的原理　面向对象遥感影像分类方法突破了传统分类　方法以象元为基本处理单元的局限性，以含有更多　语义信息的多个相邻象元组成的对象为处理单元，　可以实现较高层次的遥感图像分类和目标地物提　取。有关重要的思想是基于遥感影像特征基元进　行的信息提取　Ｊ。面向对象的方法通过对遥感影　像进行分割，首先得到同质对象（或基元），再根据　遥感影像分类或目标地物提取的具体要求，检测和　提取目标地物的多种特征（如光谱、形状、大小、结　构、纹理、阴影、空间位置、相关布局等），再构建知　识库以及设计推理策略和搜索方式，以达到对遥感　影像进行分类或目标地物提取的目的¨　。　２．２面向对象遥感影像城区信息提取技术体系框架　通过以上对高分辨率遥感影像城区信息提取　技术的总结与分析，下面给出面向对象遥感影像城　区地物信息提取技术思路的技术框架（见图１）．　在面向对象遥感影像城区地物信息提取技术　中，图像分割、特征提取与目标识别构成了由低层　到高层的三大任务。目标识别与特征提取都以图　像分割作为基础，图像分割结果的好坏将直接影响　到后续的特征提取与目标识别。　图１中影像预处理和影像初步分割可看做低　层处理，这部分主要是针对数据而进行的一些基本　的影像处理工作，包括图像的几何校正、图像恢复、　信息增强、信息融合、初步分割等处理。这方面的　工作都是基于影像的像元级别进行的。这里的多　尺度影像分割采用异质性最小原则的区域合并算　法，该算法从像元开始，由下至上逐渐进行区域合　并，经过多次叠代运算，同质区域由小变大，最终变　成分割后得到的多边形对象。这里提供一个自动　多尺度分割的方法，这种方法需要按照一定的尺度　序列进行分割，视效果而定而且需要人机互动。影　像分割中，最初的像元合并并不是指定某一像元，　贵州大学学报（自然科学版）　第２９卷　ｌ影像预’　处理ｌ　ｌ自动尺度序列ｌ’　　Ｉ　影像初步分割　Ｈ选择最优分割参数　ｌ得到目标大区域Ｉ　ｌ…征ｔ　瓤Ｈ　ｌ　Ｉ地　分ｌ窄ｌ司关系．ＧＩＳ属件　Ｉ构建知识库　时相变化等特征　规则推理模式匹配Ｉ．Ｌ　推理策略和搜　Ｉ　索方式　—　图１面向对象遥感影像城区地物信息　提取技术思路的技术框架　而是开始于影像中的任意一个像元，首先将性质类　似的相邻的单个像元合并成较小的影像对象，然后　将较小的影像对象合并成较大的多边形对象，在这　个过程中，影像对象不断增长，但是其内部异质性　必须达到最小。通过多尺度分割，生成多个影像对　象层，形成影像对象网络层次结构。每次分割都基　于所利用的影像对象及其下层影像对象，随后都归　并到一个新的分割中。同时，相邻较高的对象层都　严格遵守影像对象的边界限制，不可能生成一个包　含更大的父对象层，因而也不可能生成一个小于其　子对象的较小对象。经过以上步骤就有了图１中　的得到目标大区域。　初步分割得到目标大区域以后，接下来对分割　后的影像进行边缘追踪提取每一个单元对象，然后　对每一个单元对象进行特征提取计算，这些用于描　述的特征包括形状、大小、位置、光谱特征、纹理特　征、形状特征、邻接特征以及其它一些统计特征。　从而形成基于特征描述的对象集。这就涉及到知　识的有关方面。其中通过计算相邻近阴影和地物　种类的关系特征，建立相应的知识规则从而消除阴　影，以获得准确的地物种类信息。有了合适的特征　参数对每种地物目标进行描述，并构建语义知识库　结构，从而实现各种地物的逐级分层分类。知识处　理一方面需要补充其他地学相关的信息，另一方面　通过对影像信息进行地学分析来推断影像上未反　应的信息。在知识库的构建上，要综合考虑地理纹　理特征，几何形状特征，空间关系特征，时相变化特　征，地物边缘特征，ＧＩＳ属性特征等知识。以时相　变化特征来说，首先计算植被归一化指数ＮＤＶＩ　（ＮＤＶＩ＝（ＮＩＲ—ＲＥＤ）／（ＮＩＲ＋ＲＥＤ））将未分类部　分分类成植被与非植被，森林与草地利用ＲＶＩ　（ＲＶＩ＝ＮＩＲ／ＲＥＤ）对植被密度的敏感性把植被分　成森林和草地；然后利用道路和建筑物的形状特征　指数区别于裸地，对于道路和建筑物其长宽比信息　及其亮度值的不同可以将其分类；最后根据阴影与　建筑物的拓扑关系而将建筑物分离，将阴影类别提　取。知识表示由于采用面向对象的方法，使得表示　自然，符合语义，处理效率高。在地物信息提取中，　对象类就是地物类别，对于城区而言主要划分为道　路、建筑物和绿地。相关知识表示好了，设计推理　策略和搜索方式进行规则推理，从而对各个地物信　息提取的结果进行匹配并对其正确性进行判断，以　得到更加准确的理解结果。在上述步骤基础之上　对遥感影像地物进行分类提取，在分类过程中，采　用掩模的方法，对先分类的影像将其保存，然后对　未分类的影像继续分类，直到分类结束。　３研究与展望　本文针对高分辨率遥感影像城区的特点，总结　了现有信息提取方法的长处与不足，分析讨论了面　向对象遥感影像城区信息提取，通过多尺度分割增　强了目标识别能力，针对各种不同类型建立相应的　模型指导，构建知识库及提取规则，完善高层次知　识利用程度，便于各种方法模型的集成化。　在上述分析的基础上，对遥感影像进行多尺度　分割时，尺度及参数的选择将对影像的分割效果产　生不同程度的影响。在对遥感影像进行分类时，由　于选择的尺度不同，分类的效果与精度必然不同，　这就产生了尺度效应问题。通过对遥感影像城区　中的建筑物、道路、绿地等典型地物做了大量分类　实验，根据每类地物在不同尺度下的分类精度函数　曲线得出每类地物在分类精度达到最高时的分割　尺度，即最优分割尺度。对于最优分割尺度问题，　目前没有一种比较理想的模型适用于高分辨率影　像中所有地物类型最优尺度的计算。在现有的最　优分割尺度模型中，只考虑了地物信息的某一个特　征，无法得到各类特征在模型中的综合体现。因　此，基于面向对象方法多尺度分割的参数及尺度选　择、模型建立将是研究的重要方向。不同类型模型　第１期　邰晓雷等：高分辨率遥感影像城区地物信息提取技术研究　・９１・　的建立上，由于遥感影像的复杂性，要根据特定的　率卫星影像建筑物识别方法［Ｊ］．国土资源遥感，２００８（４）：２７　目标选择合适的方法。在知识的利用方面还有待　—３１．　于加强，完善知识库和推理规则辅助识别相应目　［５］刘少创，林宗坚．航空遥感影像中道路的半自动提取［Ｊ］．武汉　测绘科技大学学报，１９９６，２１（３）：６０—６６．　标，这也是今后研究的重要方向。此外，现阶段遥　［６］Ｇｒｕｅｎ　Ａ，Ａｄａｐｔｉｖｅ　Ｌｅａｓｔ　Ｓｑｕａｒｅｓ　Ｃｏｒｒｅｌａｔｉｏｎ—Ａ　Ｐｏｗｅｒｆｕｌ　Ｉｍａｇｅ　感影像海量的数据，解译效率要依赖于计算机协同　Ｍａｔｃｈｉｎｇ　Ｔｅｃｈｎｉｑｕｅ［Ｊ］．Ｓｏｕｔｈ　Ａｆｉｒｃａｎ　Ｊｏｕｒｎａｌ　ｏｆ　Ｐｈｏｔｏｇｒａｍｍｅ－　工作能力的提高。在高分辨率遥感影像城区信息　ｔｙｒ，Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　ａｎｄ　Ｃａｒｔｏｇｒａｐｈｙ．１９８５，１４（３）：１７５—１８７．　提取的基础上进行地学分析，使人们认识到城区的　［７］Ｈｏｆｍａｎｎ，Ｐ．Ｄｅｔｅｃｔｉｎｇ　ｉｎｆｏｒｍａｌ　ｓｅｔｔｌｅｍｅｎｔｓ　ｆｒｏｍ　ＩＫＯＮＯＳ　ｉｍａｇｅ　发展变化并依据其发展规律有效地做好城区的规　ｄａｔａ　ｕｓｉｎｇ　ｍｅｔｈｏｄｓ　ｏｆ　ｏｂｊｅｃｔ　ｏｒｉｅｎｔｅｄ　ｉｍａｇｅ　ａｎａｌｙｓｉｓ—ａｎ　ｅｘａｍｐｌｅ　划，以便更好地改善人类的居住环境。　ｒｆｏｍ　ＣａＰｅ　Ｔｏｗｎ（Ｓｏｕｔｈ　Ａｆｒｉｃａ）［Ｍ］．Ｕｎｉｖｅｒｓｉｔｙ　Ｒｅｇｅｎｓｂｕｒｇ：Ｒｏ—　ｍｏｔｅ　Ｓｅｎｓｉｎｇ　ｏｆ　Ｕｒｂａｎ　Ａｒｅａｓ／Ｆｅｍｅｒｋｕｎｄｕｎｇ　ｉｎ　ｕｒｂａｎｅｎ　Ｒａｕｍｅｎ．　参考文献：　Ｒｅｇｅｎｓｂｕｒｇ，２００１：１０７—１　１８．　［８］Ｃ．Ｍ．Ｄ．Ｐｉｎｈ，Ｆ．Ｃ．Ｓｉｌｖａ，Ｌ．Ｍ．Ｃ．Ｆｏｎｓｅｃａ，Ａ．Ｍ．Ｖ．Ｍｏｎｔｅｉｒｏ，　［１］童庆禧，张兵，郑兰芳．高光谱遥感的多学科应用［Ｍ］．北京：电　２００８．Ｉｎｔｒａ—Ｕｒｂａｎ　Ｌａｎｄ　Ｃｏｖｅｒ　Ｃｌａｓｓｉｉｆ—ｃａｔｉｏｎ　Ｆｒｏｍ　Ｈｉｇｈ—Ｒｅｓｏ・　子工业出版社，２００６：１８６—１８８．　ｌｕｔｉｏｎ　Ｉｍａｇｅｓ　Ｕｓｉｎｇ　Ｔｈｅ　Ｃ４．５　Ａｌｇｏｒｉｔｈｍ［Ｊ］．Ｉｎ：ＣＨＥＮ　Ｊｕｎ，ＪＩＡＮＧ　［２］Ｍａｙｕｎｇａ　Ｓ．Ｄ．，Ｃｏｌｅｍａｎ　Ｄ．Ｊ．ａｎｄ　Ｚｈａｎｇ　Ｙ．Ａ　ｓｅｎｔｉ—ａｕｔｏｍａｔｅｄ　Ｊｉｅ，Ａｌａｉｎ　Ｂａｕｄｏｉｎ　ｅｄｓ．，ｔｈｅ　Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ａｒｃｈｉｖｅｓ　ｏｆ　ｔｈｅ　Ｐｈｏｔｏ—　ａｐｐｒｏａｃｈ　ｆｏｒ　ｅｘｔｒａｃｔｉｎｇ　ｂｕｉｌｄｉｎｇ　ｆｒｏｍ　Ｑｕｉｃｋｂｉｒｄ　ｉｍａｇｅｒｙ　ａｐｐｌｉｅｄ　ｔｏ　ｒｇａｍｍｅｔｒｙ，Ｒｅｍｏｔｅ　Ｓｅｎｓｉｎｇ　ａｎｄ　Ｓｐａｔｉａｌ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｓｃｉｅｎｃｅｓ，Ｂｅｉ—　ｉｎｆｏｒｍａｌ　ｓｅｔｔｌｅｍｅｎｔ　ｍａｐｐｉｎｇ［Ｊ］．Ｉｎｔｅｒｎａｔｉｏｎａｌ　Ｊｏｕｒｎａｌ　ｏｆ　Ｒｅｍｏｔｅ　ｊｉｎｇ，２００８，７（Ｂ７）：６９５—７００．　Ｓｅｎｓｉｎｇ，２００７，２８（１０）：２３４３—２３５７．　［９］明冬萍，骆剑承，沈占锋，等．高分辨率遥感影像信息提取与目　［３］Ｉｎｇｌａｄａ．，ａｎｄ　Ｇｉｏｒｓ　Ａ．Ａｕｔｏｍａｔｉｃ　ｍａｎ—ｍａｄｅ　ｏｂｊｅｃｔ　ｒｅｃｏｇｎｉｔｉｏｎ　标识别技术研究［Ｊ］．测绘科学，２００５，３０（３）：１８—２０．　ｉｎ　ｈｉｇｈ　ｒｅｓｏｌｕｔｉｏｎ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｉｍａｇｅｓ【Ｃ］．ＩＧＡＲＳＳ‘０４，２００４　［１Ｏ］徐涛，同小平．基于面向对象的城市地物信息提取方法研究　（３）：２０１１—２０１３．　［Ｊ］．云南地理环境研究，２００９，２１（５）：４７—５１．　［４］周小成，汪小钦，骆剑承，等．结合对象关系特征的高空间分辨　Ｒｅｓｅａｒｃｈ　ｏｎ　Ｍｅｔｈｏｄｓ　ｏｆ　Ｕｒｂａｎ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｅｘｔｒａｃｔｉｏｎ　ｆｒｏｍ　Ｈｉｇｈ　Ｒｅｓｏｌｕｔｉｏｎ　ＴＡＩ　Ｘｉａｏ—ｌｅｉ，ＰＡＮ　Ｘｉａｏ－ｌｕ，ＬＩ　Ｙｉ—ｍｉｎ　（Ｒｅｓｅａｒｃｈ　ｉｎｓｔｉｔｕｔｅ　ｏｆ　Ｉｎｔｅｌｌｉｇｅｎｃｅ　Ｅｎｇｉｎｅｅｒｉｎｇ，Ｋｕｎｍｉｎｇ　Ｕｎｉｖｅｒｓｉｔｙ　ｏｆ　Ｓｃｉｅｎｃｅ　ａｎｄ　Ｔｅｃｈｎｏｌｏｇｙ，Ｋｕｎｍｉｎｇ　６５０５００，Ｃｈｉｎａ）　Ａｂｓｔｒａｃｔ：Ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｔｅｃｈｎｏｌｏｇｙ　ａｒｉｓｅｄ　ｉｎ　ｔｈｅ　１９６０ｓ　ａｎｄ　ｄｅｖｅｌｏｐｅｄ　ｉｎｔｏ　ａ　ｃｏｍｐｒｅｈｅｎｓｉｖｅ　ｄｅｔｅｃｔｉｏｎ　ｔｅｃｈｎｏｌ—　ｏｇｙ，ｗｈｉｌｅ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｔｅｃｈｎｏｌｏｇｙ　ｈａｓ　ｂｅｅｎ　ｕｓｅｄ　ｉｎ　ｍａｎｙ　ｆｉｅｌｄｓ　ｗｉｄｅｌｙ．ｔｈｅ　ｆａｃｅ　ｍａｓｓｉｖｅ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｉｍ—　ａｇｅ　ｄａｔａ，ｔｈｅ　ｑｕａｌｉｔｙ　ａｎｄ　ｅｆｆｉｃｉｅｎｃｙ　ｏｆ　ｉｎｔｅｒｐｒｅｔａｔｉｏｎ　ｉｓ　ｉｍｐｏｒｔａｎｔ．Ｂａｓｅｄ　ｏｎ　ｓｕｍｍａｒｉｚｉｎｇ　ｔｈｅ　ｍａｉｎ　ｄｉｆｉｆｃｕｌｔｉｅｓ　ａｎｄ　ｄｅｆｉｃｉｅｎｃｉｅｓ　ｏｆ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｉｎｆｏｒｍａｔｉｏｎ　ｅｘｔｒａｃｔｉｏｎ　ｔｅｃｈｎｏｌｏｇｙ　ｉｎ　ｔｈｅ　ｐａｓｔ，ｔｈｅ　ｐａｐｅｒ　ｆｏｃｕｓｅｓ　ｏｎ　ｕｒｂａｎ　ｌｅａ—　ｔｕｒｅｓ　ｏｆ　ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ　ｉｎｆｏｒｍａｔｉｏｎ　ｅｘｔｒａｃｔｉｏｎ　ｔｅｃｈｎｏｌｏｇｙ　ｉｄｅａｓ　ａｂｏｕｔ　ｏｂｊｅｃｔ—ｏｒｉｅｎｔｅｄ，ｔｈｅ　ｉｆｎａｌｌｙ，ｓｕｍｍａｒｆｉｚｅｄ　ａｎｄ　ａｎａｌｙｚｅｄ　ｔｈｉｓ　ｉｄｅａ，ｐｏｉｎｔｉｎｇ　ｏｕｔ　ｔｈａｔ　ｔｈｅ　ｃｕｒｒｅｎｔ　ｐｒｏｂｌｅｍｓ　ａｎｄ　ｆｕｔｕｒｅ　ｒｅｓｅａｒｃｈ　ｄｉｒｅｃｔｉｏｎｓ．　Ｋｅｙ　ｗｏｒｄｓ：ｒｅｍｏｔｅ　ｓｅｎｓｉｎｇ；ｉｎｆｏｒｍａｔｉｏｎ　ｅｘｔｒａｃｔｉｏｎ；ｉｍａｇｅ　ｓｅｇｍｅｎｔａｔｉｏｎ；ｍｕｌｔｉ—ｓｃａｌｅ