面向對象的遙感分類技術在地理國情監測中的應用

仉明，汪偉，李承鑫，劉子瀟

(天津市測繪院，天津 300381)

1 背景

2010年12月，李克強副總理對測繪工作做出重要批示，首次從國家戰略高度提出了“地理國情監測”的概念，要求測繪部門開展地理國情監測工作;國家測繪地理信息局局長徐德明在全國測繪局長會議上重申了開展地理國情監測的意義，指出了地理國情監測是測繪發展的新機遇和新挑戰［1］;2011年3月，全國人大代表、國家測繪地理信息局副局長李朋德提出了《關于加強地理國情監測的建議》議案;國家測繪地理信息局《測繪地理信息發展“十二五”總體規劃綱要》明確指出測繪發展的總體戰略為:“構建數字中國，監測地理國情，發展壯大產業，建設測繪強國”［2，3］。

鑒于開展地理國情監測對社會發展和經濟建設的意義及“十二五”期間開展地理國情監測的重要性，國家測繪地理信息局成立了地理國情監測部，并在全國范圍內先后選擇了6個地理國情監測試點。2011年3月，天津市規劃局主持并啟動2011年天津市地理市情監測項目，于2012年1月完成階段性任務。

在天津市開展地理市情監測項目過程中，在遙感影像上對感興趣的目標地物要素進行分類提取是一種十分快捷的數據獲取方式。但是，如何依據地理國情監測的監測對象，盡可能地減少多種干擾因素對其分類產生負面影響，不斷提高分類的精度和智能化水平［4，5］，是地理國情監測遇到的技術難題和挑戰。

目前主要的遙感影像分類方法有非監督分類、最大似然分類、人工神經網絡分類、支持向量機分類、決策樹分類和面向對象分類方法等。與傳統基于像元的分類方法不同，面向對象方法是以由若干同質性像元組成的“對象”為處理單元，綜合分析、提取對象的光譜、紋理、形狀、空間關系等多種屬性信息用于分類，因而能在較大程度上解決基于像元方法難以克服的光譜混淆、混合像元等問題，從而有效提高分類精度［6］。

本文以天津市地理國情監測中的天津市市內六區和新四區的水域變化監測為例，利用面向對象的分類方法，對該三期航空遙感影像進行處理，從而得到在一個較長時間段內天津市市內六區和新四區的水域變化情況，以此作為地理市情監測的一項重要監測內容。

2 數據和技術方法

2.1 使用數據情況

本文所使用的數據為天津市1995年二季度1.0 m分辨率的航空攝影影像、2007年二季度SPORT衛星遙感影像和2011年二季度World View20.46 m衛星遙感影像，研究區域的Google Earth影像及天津市市內六區和新四區的基礎地形圖資料等。

2.2 技術方法

(1)遙感影像預處理

采用Erdas 2011數據處理軟件，對獲取的原始遙感影像進行投影變換、幾何校正、邊界裁定、影像增強等數據預處理工作。

(2)面向對象遙感影像分類流程

采用Erdas 2011數據處理軟件的面向對象遙感影像分類流程主要包括:影像分割、屬性計算、特征提取和對象分類等步驟。主要流程如圖1所示。

圖1 面向對象遙感影像分類流程

(3)影像分割

影像分割是基于同質性或異質性準則將一幅圖像劃分為若干有意義的子區域的過程［7，8］。分割所得的圖像區域應同時滿足以下條件:①圖像區域中的所有像元要都滿足某種相似性準則且任意兩點之間連通。②相鄰圖像區域之間針對某選定特性具有顯著差異性。③區域邊界應該規整且能夠保證邊緣的空間定位精度。遙感影像分割目的是將影像中具有某種地物特征的區域分開并使得每個區域都滿足一定的同質性條件，如灰度、光譜、紋理等。

分割分兩步驟:首先確定分割范圍，對影像進行初始化分割，后確定歸并尺度。在保證定分割精細程度及具有較小破碎性的情況下，選擇合適的歸并尺寸對圖像進行歸并。分割尺度范圍為0%～100%，值越大分割越細，分割后影像破碎化程度越高;歸并尺度范圍為0% ～100%，值越大，歸并后得到的對象數量越少，內部同質性越低。歸并尺度一般依據歸并的目視效果反復實驗，以確定最佳組合。本項目中，通過多次試驗，最終選定天津市市內六區及新四區的影像分割尺度和歸并尺度分別為60%和70%的參數水平，如此分割后，分割影像的內部同質性較高，邊界輪廓清晰，具備較好的可分離性。該操作是通過Raster Object Creators(ROC)來實現的。分割之后，產生的結果既包含空間的基于區域增長的種子點，又包含光譜的每個柵格對象像素概率屬性，這個過程將改善處理結果的可靠性。

(4)屬性計算

完成影像分割后，采用合適的參數定義和計算對象的特征空間，是面向對象分類的關鍵技術問題。Erdas 2011能夠計算對象的光譜、空間、紋理、色彩空間與波段比等四類空間屬性，光譜屬性可計算對象各波段上的相元灰度值的均值和標準差;空間屬性可計算對象的幾何特征(如長度、面積等);紋理計算相元灰度值變化范圍;色彩空間與波段比可計算對象的色調、亮度和飽和度等特征。對光譜、空間和紋理三種屬性，選擇全部指標參數參與屬性運算，色彩空間選擇3個RGB波段轉換為HIS色彩空間來構筑對象的特征空間。

(5)樣本選取與對象分類

采用對象訓練樣本選取方法提取經過定義和計算的屬性特征，并以此來建立判別規則［9］。與監督分類方法不同，面向對象提取的樣本是一個個經過分割和重新定義的“對象”，對象與對象之間的形狀、大小、數量相互差異很大［10］。結合相關資料并結合目視解譯，選取天津市中心城區和新四區水域特征明顯，內部同質性強的樣本數量20個進行訓練學習。

通過Raster Pixel Processor(RPP)操作從原始影像上通過取樣和訓練水域像素區分水域和非水域像素，通過該步驟操作將產生含有水域像素值概率的影像。

利用Erdas 2011附帶的Raster Object Operator(ROO)柵格對象算子操作所有可能水域的柵格對象，利用概率過濾器(Probability Filter)濾掉所有水域對象低概率的柵格對象，同時用一個ROO中心線轉換器(ROO Centerline Convert)將所有可能的道路柵格對象轉換為只含有單一的像素寬度的線性柵格對象。最后用Raster to Vector Conversion(RVC)模塊完成柵格到矢量的轉換，并用Vector Object Operators(VOO)矢量對象操作器中的Generalize operator、Line Link operator、Line Snap、Line Remove等算子完成矢量數據的最終編輯。

3 監測實例

采用2.1所敘的數據，利用上述方法和過程對天津市中心城區和新四區1995年，2007年和2011年的水域進行監測，得到的分類統計精度為92.38%，Kappa系數為 0.9167，得到的面向對象的分類結果如圖2所示。

通過統計和實地調查發現:2007年的水域面積比1995年減少約 84.5 km2，主要是由于城鎮化建設和工業化發展占用大量土地，小型湖泊和池塘面積不斷減少;2011年的水域面積比2007年增加了約4.1 km2，增加幅度較小，這說明了從2007年到2011年該時間段內天津市中心城區和新四區的水域保持較好，三個年份的水域面積詳細統計情況如表1所示。

圖2 中心城區和新四區水域監測分類結果

三個年代的水域監測面積統計 表1

4 結論

文章利用面向對象的遙感影像分類技術，對天津市地理市情監測中的中心城區和新四區水域面積變化情況進行了監測，得到了被監測區域的水域面積的量化指標，探討了面向對象的遙感影像分類技術在地理國情監測中的應用，為地理國情監測地表覆蓋專題的監測累積了經驗。

［1］桂德竹.貫徹中央一號文件推進地理國情監測［N］.中國測繪報，2011－05－06.

［2］王倩，姜曉虹.從美國測繪部門的轉型發展看地理國情監測［N］.中國測繪報，2011－05－10.

［3］李德仁.地球空間信息學的機遇［J］.武漢大學學報·信息科學版，2004，29(9):753 ～756.

［4］蘇偉，李京，陳云浩等.基于多尺度影像分割的面向對象城市土地覆被分類研究——以馬來西亞吉隆坡市城市中心區為例［J］.遙感學報，2007，11(4):521～530.

［5］陳杰，鄧敏，肖鵬峰等.基于分水嶺變換與空間聚類的高分辨率遙感影像面向對象分類［J］.遙感技術與應用，2010，25(5):597 ～603.

［6］莫利江，曹宇，胡遠滿等.面向對象的濕地景觀遙感分類——以杭州灣南岸地區為例［J］.濕地科學，2012，10(2):206～213.

［7］HayGJ，BlasehkeT，MareeauDJ，etal.A comparison of three image－object methods for the multi－scale analysis of landscape structure［J］.ISPRS Jounal of Photogrammetry Remote Sensing，2003，57(5，－6):327 ～345.

［8］Ewel K C.Appreciating tropical coastal wetlands from a land－scape perspective［J］.Frontiers in Ecology and the Environment，2010，8(1):20 ～26.

［9］Yildiz S，Ozbek M，Tasdemir A，et al.Identification of predominant environmental factors structuring benthic macro invertebrate com－munities:a case study in the Kucuk Menderes coastal wetland(Tur－key)［J］.Fresenius Environmental Bulletin，2010，19(1):30 ～36.

［10］彭海濤，柯長青.基于多層分割的面向對象遙感影像分類方法研究［J］.遙感技術與應用，2010，25(1):149～154.