本技術適用于地理信息系統制圖領域，具體說是一種三維可視化遙感影像地表分類模型的制作方法。
背景技術：
隨著數字城市、數字國土和數字地球等一系列地理信息系統的實施與發展，遙感圖像以其所含的豐富信息量和直觀的表達，為人類從多視角與多尺度認識地球提供新的方法與新手段，Landsat TM影像具較高空間分辨率、波譜分辨率、極為豐富的信息量和較高定位精度，能滿足有關農、林、水、土、地質、地理、測繪、區域規劃、環境監測等專題分析和編制1∶10萬或更大比例尺專題圖，修測中小比例尺地圖的要求。但傳統的遙感影像圖，在目視判讀中多造成錯覺，特別是沒有遙感背景知識的人往往把河流看成山脊、把山脊看成河流，應用起來給人們造成很大的麻煩。而以數字高程模型(DEM)為高程的三維遙感影像雖有很大的優越性，但在描述二維信息方面很不方便。
技術實現要素：
針對現有的缺陷或不足，本發明提供了一種三維可視化遙感影像地表分類模型的制作方法，其特征在于，包括下列步驟：
步驟1，選定研究區域，獲取覆蓋所述研究區域的遙感影像數據；
步驟2，對所述遙感影像進行預處理，獲得預處理后的遙感圖像；
步驟3，進行地表覆蓋分類信息的計算機自動提取，生成自動分類的地表分類圖；
步驟4，獲取覆蓋所述研究區域的數字高程模型DEM數據；
步驟5，結合數字高程模型DEM，對所述地表分類圖進行人工修正；
步驟6，采用DEM數據融合處理技術，將所述DEM數據與地表分類圖數據進行融合處理，生成三維可視化遙感影像地表分類模型；
優選地，其中，所述步驟1，獲取的遙感影像數據為T M影像。
優選地，其中，所述步驟2，對所述遙感影像進行預處理包括：幾何校正、圖像增強、圖像鑲嵌。
優選地，其中，所述步驟3，對遙感圖像進行地表覆蓋分類信息的計算機自動提取，具體為：
步驟3-1，針對研究區域范圍，設置分割尺度，對所述遙感影像進行影像分割，得到多個待分類區域；
步驟3-2，提取各待分類區域的光譜、形狀、紋理特征信息；
步驟3-3，采集所述遙感影像中所具有的全部地表類型作為影像分類的依據，將每一類型的樣本采集數據輸入到分割矢量結果中，并對樣本點所在區域的屬性進行屬性標注；
步驟3-4，選擇分類算法和相應參數，執行遙感影像的地表自動分類。
優選地，其中，所述步驟3-1，所述分割尺度的確定根據地形的復雜程度來確定的，影像分割的尺度決定著分割的圖斑的細化程度，分割尺度越小則圖斑分割得越精細，在地形相對單一的地域采用的大分割尺度,反之則設置小的分割尺度。
優選地，其中，所述步驟3-4，采用的分類算法為：針對每個分割后的待分類區域i，分別求取其與各已知地表類型的樣本區域j之間的相關性C，全部地表類型為n類，其中，
其中，Xi為待分類區域i的光譜特征值，為待分類區域i的光譜特征平均值，Xj為樣本區域j的光譜特征值，為樣本區域j的光譜特征平均值，Si為待分類區域i的像素面積，Sj為樣本區域j的像素面積，a為調節參數。
對于每一個待分類區域i，分別計算得到其與n個類型的樣本區域j之間的n個相關性數值，選取所述n個相關性數值中數值最大且大于0的相關性所對應地表類型，將該待分類區域i歸類于所述地表類型；如果其所有n個相關性數值都小于0，則把該待分類區域i設置為未知分類。
對于每一個待分類區域i，分別計算得到其與n個類型的樣本區域j之間的n個相關性數值，選取所述n個相關性數值中數值最大且大于0的相關性所對應地表類型，將該待分類區域i歸類于所述地表類型；如果其所有n個相關性數值都小于0，則把該待分類區域i設置為未知分類。
優選地，其中，所述步驟3-2，所述光譜特征包括亮度、飽和度或色調，所述形狀特征包括協方差、像素面積、周長、長寬比、寬度、高度和密度。
優選地，其中，所述步驟5，結合數字高程模型DEM，對所述地表分類圖進行人工修正，具體包括：參考DEM中的地表高程信息以及遙感影像中地表形狀、紋理特征，對未知分類的待分類區域進行人工地表分類，并對計算機自動分類的地表分類進行進一步的人工修正，修正操作包括：修改分類屬性，剔除小圖斑，修改圖斑邊界，合并相鄰同屬性的圖斑等。
本發明將平面遙感圖像與DEM相結合，高精度多源數據融合，在建立的地表分類識別與判讀專家參與下，基于精確的分類識別方法，建立三維可視化遙感影像地表分類模型，實現快速精準分類及達到三維可視化的效果。
附圖說明
圖1本發明所提出的方法流程圖。
具體實施方式
為了更好地理解本發明，下面結合附圖參考實施例的描述，對本發明的方法進行進一步的說明。
為了全面理解本發明，在以下詳細描述中提到了眾多具體細節。但是本領域技術人員應該理解，本發明可以無需這些具體細節而實現。在實施例中，不詳細描述公知的方法、過程、組件，以免不必要地使實施例繁瑣。
參見圖1所示，本發明的一種三維可視化遙感影像地表分類模型的制作方法，其特征在于，包括下列步驟：
步驟1，選定研究區域，獲取覆蓋所述研究區域的遙感影像數據；
步驟2，對所述遙感影像進行預處理，獲得預處理后的遙感圖像；
步驟3，進行地表覆蓋分類信息的計算機自動提取，生成自動分類的地表分類圖；
步驟4，獲取覆蓋所述研究區域的數字高程模型DEM數據；
步驟5，結合數字高程模型DEM，對所述地表分類圖進行人工修正；
步驟6，采用DEM數據融合處理技術，將所述DEM數據與地表分類圖數據進行融合處理，生成三維可視化遙感影像地表分類模型；
優選地，其中，所述步驟1，獲取的遙感影像數據為T M影像。
優選地，其中，所述步驟2，對所述遙感影像進行預處理包括：幾何校正、圖像增強、圖像鑲嵌。
優選地，其中，所述步驟3，對遙感圖像進行地表覆蓋分類信息的計算機自動提取，具體為：
步驟3-1，針對研究區域范圍，設置分割尺度，對所述遙感影像進行影像分割，得到多個待分類區域；
步驟3-2，提取各待分類區域的光譜、形狀、紋理特征信息；
步驟3-3，采集所述遙感影像中所具有的全部地表類型作為影像分類的依據，將每一類型的樣本采集數據輸入到分割矢量結果中，并對樣本點所在區域的屬性進行屬性標注；
步驟3-4，選擇分類算法和相應參數，執行遙感影像的地表自動分類。
優選地，其中，所述步驟3-1，所述分割尺度的確定根據地形的復雜程度來確定的，影像分割的尺度決定著分割的圖斑的細化程度，分割尺度越小則圖斑分割得越精細，在地形相對單一的地域采用的大分割尺度,反之則設置小的分割尺度。
優選地，其中，所述步驟3-4，采用的分類算法為：針對每個分割后的待分類區域i，分別求取其與各已知地表類型的樣本區域j之間的相關性C，全部地表類型為n類，其中，
其中，Xi為待分類區域i的光譜特征值，為待分類區域i的光譜特征平均值，Xj為樣本區域j的光譜特征值，為樣本區域j的光譜特征平均值，Si為待分類區域i的像素面積，Sj為樣本區域j的像素面積，a為調節參數。
對于每一個待分類區域i，分別計算得到其與n個類型的樣本區域j之間的n個相關性數值，選取所述n個相關性數值中數值最大且大于0的相關性所對應地表類型，將該待分類區域i歸類于所述地表類型；如果其所有n個相關性數值都小于0，則把該待分類區域i設置為未知分類。
對于每一個待分類區域i，分別計算得到其與n個類型的樣本區域j之間的n個相關性數值，選取所述n個相關性數值中數值最大且大于0的相關性所對應地表類型，將該待分類區域i歸類于所述地表類型；如果其所有n個相關性數值都小于0，則把該待分類區域i設置為未知分類。
優選地，其中，所述步驟3-2，所述光譜特征包括亮度、飽和度或色調，所述形狀特征包括協方差、像素面積、周長、長寬比、寬度、高度和密度。
優選地，其中，所述步驟5，結合數字高程模型DEM，對所述地表分類圖進行人工修正，具體包括：參考DEM中的地表高程信息以及遙感影像中地表形狀、紋理特征，對未知分類的待分類區域進行人工地表分類，并對計算機自動分類的地表分類進行進一步的人工修正，修正操作包括：修改分類屬性，剔除小圖斑，修改圖斑邊界，合并相鄰同屬性的圖斑等。
可見，本發明將平面遙感圖像與DEM相結合，高精度多源數據融合，在建立的地表分類識別與判讀專家參與下，基于精確的分類識別方法，建立三維可視化遙感影像地表分類模型，實現快速精準分類及達到三維可視化的效果。
這里只說明了本發明的優選實施例，但其意并非限制本發明的范圍、適用性和配置。相反，對實施例的詳細說明可使本領域技術人員得以實施。應能理解，在不偏離所附權利要求書確定的本發明精神和范圍情況下，可對一些細節做適當變更和修改。