基于規則替換法的多源遙感數據地表覆蓋信息提取

于 歡，孔 博，楊德生

(1.成都理工大學地球科學學院，成都 610059;2.中國科學院成都山地災害與環境研究所，成都 610041;3.重慶市國土房管局信息中心，重慶 400015)

基于規則替換法的多源遙感數據地表覆蓋信息提取

于 歡1，孔 博2，楊德生3

(1.成都理工大學地球科學學院，成都 610059;2.中國科學院成都山地災害與環境研究所，成都 610041;3.重慶市國土房管局信息中心，重慶 400015)

為了更加有效地利用海量多源遙感數據提取地表覆蓋信息，根據多源遙感圖像決策級融合技術原理，提出了基于規則替換法的信息復合方法。通過對三江平原典型內陸淡水濕地的分類實驗，驗證了該方法的可行性與適用性，從而為地表覆蓋狀況調查及監測提供了一種新的技術方法。

規則替換法;多源遙感;信息提取;濕地;三江平原

0 引言

衛星遙感已成為國土資源調查、管理與保護的重要技術手段［1－3］。隨著遙感技術的發展和不同衛星傳感器對地觀測技術的應用，同一地區的遙感數據呈現出多平臺、多傳感器，以及多光譜、多空間、多時間分辨率等特征。與單一源遙感數據相比，多源遙感數據的優越性主要體現在不同數據源之間的優勢互補性上。將多源遙感數據進行復合，可以獲得比任何單一源遙感數據更豐富且精確度更高的信息［4］。圖像融合技術作為多源遙感數據復合的重要方法之一，近年來得到了廣泛關注和深入研究［5－7］。該方法從信息表征層次上可分為像元級融合、特征級融合和決策級融合［8］3個層次，其中，決策級融合是最高層次的融合，是基于對影像的理解和識別基礎上的融合:它首先對原始圖像進行特征提取或加入輔助信息，再對有價值的數據運用判別準則和決策規則加以判斷、識別和分類，最后將有用信息進行融合［9－12］。

本文提出的規則替換法屬于決策級融合范疇，研究在替換法信息融合的基礎上加入替換規則條件，形成基于規則的替換方法。將該方法用于地表覆蓋信息提取，并以三江平原典型淡水濕地為實驗對象，驗證該方法的可行性與適用性，為多源遙感地表覆蓋信息的提取提供新方法支持。

1 方法原理

替換法是以多源數據優勢互補為目的，在多源遙感圖像分類結果的基礎上進行的。具體方法為:比較同組兩幅圖像總體分類精度和對應類別生產者精度與用戶精度，將總體分類精度高的分類圖像作為替換圖像，另一幅作為被替換圖像;如果替換圖像中某一類別生產者精度與用戶精度均比被替換圖像的高，則搜索替換圖像中該類別的所有像元，并用該類別標簽取代被替換圖像中相應像元的類別標簽;對所有土地覆蓋類別的精度逐一比較、替換后，最終生成新的分類圖像［13］。

但是，在替換法應用過程中，如果簡單地用替換類別完全取代被替換類別，在很多情況下其結果并不十分理想。原因是當被替換圖像與替換圖像中的各類別空間分布差異較大時，采用簡單的單一類別完全替換方式會影響被替換圖像中其他類別正確的空間分布情況，進而影響分類精度，因此有必要建立客觀的替換規則，以便降低類別替換中存在不合理狀況的機率。本研究提出的基于影像分類錯分及漏分誤差而產生的置信度替換規則，能有效防止由替換過程導致的類別二次錯分，進而改善替換法的分類效果。

以RS1與RS2兩幅圖像上的水體信息替換為例，規則替換法的替換規則為:如果RS1圖像總體分類精度比RS2圖像的高，則選取RS1分類結果為替換圖像，而RS2圖像為被替換圖像，即

If RS1=水體，RS2=水體;

Then RS2=RS1(直接將RS2值替換成RS1值，亦即置信度T設為100%);

If RS1=水體，RS2≠水體;

Then RS2=RS1(比較RS2水體的生產者與用戶精度大小，設RS2被替換的置信度為T，T=(用戶精度/制圖精度)×50%)。

確定置信度的基本依據是:如果生產者精度與漏分誤差互補，那么漏分誤差大則表明被替換圖像中相應地類提取不夠完全，應該加大其替換力度;如果用戶精度與錯分誤差互補，那么錯分誤差大，則表明被替換圖像中相應地類已經冗余，應減少其再被替換為相應地類的機率。

當有兩種以上圖像時，則以每兩種圖像為一組，在每組中分別開展基于規則的替換，并進一步基于各替換結果再次分組和規則替換，以此類推，最終完成整個區域地表覆蓋狀況的信息提取(圖1)。

圖1 多源遙感圖像的規則替換流程Fig.1 The diagram of rule－based substitution method for multi－source images

2 實例應用與分析

2.1 實驗區與數據

實驗區位于黑龍江省三江平原東北部(圖2)。

圖2 實驗區位置示意圖Fig.2 The location of experiment region

三江平原是全國最大的沼澤濕地分布區，在全球溫帶濕地生態系統中具有典型性和代表性;實驗區覆蓋了洪河和三江兩個國家級濕地自然保護區，有3條主要水系(鴨綠河、濃江及別拉洪河)。研究中收集到的遙感數據如表1所示。

表1 遙感數據詳細信息Tab.1 Detail information of remote sensing data

除上述遙感數據外，作者還分別于2007年5月、8月以及2008年5月對實驗區及其周邊地區進行了野外調查，在實驗區內采集了314個GPS樣點數據，同時又收集了其他科研人員在2005、2006年采集的GPS樣點數據210個。這些樣點經過地形圖驗證后，用于地表覆蓋類型的識別及影像分類結果的精度評價。

2.2 多源遙感信息復合提取

為了獲取更加客觀、豐富的分類結果，以便將其用于替換法，研究中分別應用了非監督分類中的迭代自組織數據分析方法((ISODATA)［14－15］、監督分類中的最大似然法(MLC)［16－17］以及面向對象方法［18－19］對遙感影像進行分類，并基于誤差矩陣對各地類分類結果進行用戶精度與生產者精度評價，其結果如表2所示。

表2 不同分類方法的分類精度對比Tab.2 Classification accuracy comparison of different methods (%)

從表2可以看出，針對水體信息，Radarsat－2圖像面向對象分類結果的用戶精度及生產者精度總體要高于其他圖像的水體分類精度，因此選擇Radarsat－2圖像進行水體信息提取，但Radarsat－2圖像像幅的實際覆蓋范圍相對較小，不能完成整個實驗區域的水體信息提取;QuickBird圖像監督分類的提取效果也較好，但其像幅也未能完全覆蓋整個研究區域，因此也只是利用其完成局部水體信息的提取;TM與ALOS圖像監督分類的水體分類效果相當(均較好)，考慮到數據源的空間分辨率，最后選取ALOS圖像進行監督分類，完成剩余區域的水體信息提取。針對旱地信息，QuickBird圖像非監督分類結果的用戶及生產者精度均為100%，因此用QuickBird圖像完成局部旱地信息的提取;ALOS圖像面向對象的旱地分類結果的用戶、生產者精度均超過了93%，因此選擇它完成剩余區域旱地信息的提取。以此類推，針對林地、草甸、水田、沼澤及建設用地信息，依次開展數據源的對比分析，并完成規則替換的地類選擇，具體流程及相應的選擇結果如圖3所示。

圖3 不同覆蓋類型提取的數據源選擇Fig.3 The choice of data source for different land cover types

結合以上分析結果，基于生產者精度與用戶精度建立替換規則，在Matlab R2006a軟件下編程，實現各分類結果的空間分布替換，最終獲得實驗區地表覆蓋信息(圖4)。

圖4 規則替換法提取效果Fig.4 The extraction result of rule－based substitution method

基于誤差矩陣對規則替換法復合分類結果進行精度評價，總體精度達到93.65%以上，較該方法應用前各影像的提取結果精度均有所提高，同時也驗證了基于規則替換法進行多源遙感地表信息復合提取的可行性與有效性。

3 結論

本文研究了基于替換法信息融合的基本原理，引入規則替換條件，形成了基于規則替換方法的多源遙感地表信息提取新技術。以三江平原典型內陸淡水濕地區開展地表覆蓋信息提取實驗的結果表明:

(1)應用規則替換法提取結果的總體精度可以達到93.65%，較其他圖像分類方法的提取精度有所提高，據此驗證了該方法的可行性與適用性，為多源遙感地表覆被信息的提取提供了一種新的技術方法。

(2)規則替換法的應用前提是要有應用于替換過程的高精度分類結果，多種數據源的總體或個別地類分類效果會直接影響規則替換法應用的效果與精度。由于篇幅和時間上的限制，本文僅列舉了TM、CBERS、ALOS、QuickBird及 Radarsat－2 等5種具有代表性的數據源和有限的實驗來進行比較、驗證與分析，將更多已有的遙感數據和分類算法納入實驗，還需投入大量的工作。

(3)規則替換法屬于多源遙感決策級融合的地表覆蓋信息提取，與現有的普通替換法相比，該方法基于影像分類錯分及漏分誤差而產生的置信度替換規則，這就有效減少了類別替換中存在的不合理狀況，改善了替換法的效果。而與具有復雜理論基礎的多數投票、證據理論等決策級融合方法相比，該方法原理簡單、易于實現，具有很好的普及性和應用前景。

［1］牛志春，倪紹祥.土地利用動態遙感監測中數據融合方法的研究進展［J］.南京師大學報:自然科學版，2002，25(3):12 －17.

［2］白 穆，劉慧平，喬 瑜，等.高分辨率遙感圖像分類方法在LUCC中的研究進展［J］.國土資源遙感，2010(1):19－23.

［3］于 歡，張樹清，崔 利，等.基于CBERS－02遙感影像的濕地地表覆被分類研究［J］.國土資源遙感，2008(4):69－74.

［4］鮑志良，耿 俊，潘厚成.土地利用動態監測與多源遙感數據處理［J］.江蘇測繪，2002，25(4):27 －29.

［5］賈永紅.多源遙感影像數據融合技術［M］.北京:測繪出版社，2005:10－14.

［6］Nencini F，Garzelli A，Baronti S，et al.Remote Sensing Image Fusion Using the Curvelet Transform［J］.Information Fusion，2007，8(2):143 －156.

［7］Aiazzi B，Alparone L，Baronti S，et al.Context Driven Fusion of High Spatial and Spectral Resolution Images Based on Over Sampled Multi－ resolution Analysis［J］.IEEE Transactions on Geoscience and Remote Sensing，2002，40(10):2300 －2312.

［8］Pohl C，Genderen J L V.Multi－ sensor Image Fusion in Remote Sensing:Concepts，Methods and Applications［J］.International Journal of Remote Sensing，1998，19(5):823 －854.

［9］Solberg A H S，Taxt T，Jain A K.A Markov Random Field Model for Classification of Multi－ source Satellite Imagery［J］.IEEE Transaction on Geoscience and Remote Sensing，1996，34(1):100－113.

［10］Zhang Y.Understanding Image Fusion［J］.Photogrammetric Engineering and Remote Sensing，2004，70(3):657 －661.

［11］焦子銻，李小文，王錦地，等.一種基于分類的融合算法［J］.中國圖象圖形學報，2002，7(8):771 －776.

［12］貟培東，曾永年，歷 華.多尺度遙感影像融合技術及其算法研究進展［J］.遙感信息，2006(6):67－71.

［13］李光麗，杜培軍，王小美，等.多源遙感影像土地覆蓋分類結果一致性評價與集成應用［J］.地理與地理信息科學，2009，25(4):68－71.

［14］劉湘南，佟志軍，劉志明，等.遙感數字圖像處理與分析［M］.長春:吉林大學出版社，2005.

［15］Ball G H，Hall D J.ISODATA，a Novel Method of Data Analysis and Classification［R］.Stanford:Stanford University，1965.

［16］趙英時.遙感應用分析原理與方法［M］.北京:科學出版社，2003.

［17］Huguenin R L，Karaska M A，Blaricom D V，et al.Subpixel Classification of Bald Cypress and Tupelo Gum Trees in Thematic Mapper Imagery［J］.Photogrammetric Engineering and Remote Sensing，1997，63(6):717 －725.

［18］Tso B，Mather P M.Classification Methods for Remotely Sensed Data［M］.New York:Taylor and Francis Inc，2001.

［19］于 歡，張樹清，孔 博，等.面向對象遙感影像分類的最優分割尺度選擇研究［J］.中國圖象圖形學報，2010，15(2):352－360.

Land－cover Information Extraction Using Multi－source Remote Sensing Images Based on Rule－based Substitution Methods

YU Huan1，KONG Bo2，YANG De－sheng3
(1.College of Earth Sciences，Chengdu University of Technology，Chengdu 610059，China;2.Institute of Mountain Hazards and Environment，Chinese Academy of Science，Chengdu 610041，China;3.Information Center of Chongqing Land Resources and Housing Administration Bureau，Chongqing 400015，China)

With the purpose of effectively using multi－source remote sensing data to extract surface coverage information，this paper puts forward a rule－based substitution method to achieve land－cover information extraction accurately，which is based on principles of decision－making level multi－source remote sensing images fusion.Based on the classification experiments of freshwater wetlands in the Sanjiang plain regions，the authors verified the feasibility and applicability of this method，thus providing a new means for investigation and monitoring of land cover.

Rule－based substitution methods;Multi－source remote sensing;Information extraction;Wetlands;Sanjiang Plain

TP 79

A

1001－070X(2011)04－0087－05

2011－03－14;

2011－04－28

國家自然科學基金項目(編號:41101174)和成都理工大學青年科學基金項目(編號:2010QJ08)共同資助。

于 歡(1981－)，男，講師，主要研究方向為基于“3S”技術的生態環境評價與保護。

(責任編輯:刁淑娟)