基于圖像理解的土地利用分類信息提取

董國棟

(諸城市國土資源局，山東 諸城 262200)

隨著遙感技術的飛速發展，我國正進入一個“數據海量，信息匱乏”的時代，我國每天獲取TB級(1012 Byte )的遙感數據，但是信息提取嚴重不足。遙感數據利用率很低：航天遙感數據利用率<5%，航空遙感數據利用率<10%。當前遙感研究的一個重點就是如何快速高效的從遙感圖像中獲得所需要的信息[1]，因此利用圖像理解(Image Understanding)理論和方法進行遙感信息的提取受到越來越多的重視。

該研究選擇江蘇省宜興市中巴資源衛星02星數據，參照國家土地利用分類系統(GB/T 21010-2007)進行土地利用分類信息提取技術研究。研究軟件平臺采用德國Definiens AG公司開發的Definiens Professional 7.0遙感影像分析系統。該系統是一種面向對象分類軟件，這種分類實際上是模擬人類大腦對地物的認知過程，可以從不同的尺度對周圍的地物關系進行分析，從而識別不同地類標，實現了計算機高速處理與人類認知原理的結合，軟件提供了豐富的影像單元特征函數和分類算法，功能強大。重點研究如何利用圖像理解的理論方法最大限度地發揮CBERS的優勢為國土資源宏觀監測服務。

1 圖像理解的層次結構

圖像理解是一門研究利用計算機系統解釋圖像，實現類似人類視覺系統理解外部世界的科學[2]，計算機圖像理解的主要任務是從圖像中分析、識別、解釋各個不同類型的物體，并建立與具體應用無關的通用視覺系統為其最終目標。由于視覺系統所面對場景的復雜性和人類對人腦認識的局限性，在現階段圖像理解的主要研究工作為面向各種應用的圖像分析、識別、解釋。

基于圖像理解的分類信息提取的重點在于對不同地類的圖像分析、識別和解釋，在圖像進行多級別分割的基礎上，對現有的分類知識進行處理分析，并以特征函數的形式描述實現。

圖像理解具有鮮明的層次性，具有低層、中層和高層描述的層狀結構[3](圖1)，數字影像通常作為低層的輸入，低層輸出一般以像素為單位統計出的圖像特征，中層輸出則是在低層描述的基礎上進行編組、抽象后形成的影像單元，減少了數據量，但是卻增加了更多的可用信息，如大小、形狀等，更接近地物的本質。高層理解主要通過以影像單元描述為基本單元的、反映景物與目標特性的模型和服務于解釋的知識庫，完成解釋圖像的任務[4]。

圖1 圖像理解的層次結構

2 研究方法

2.1 影像數據預處理

選取中巴資源衛星02星的多光譜影像數據作為研究數據，同時采用研究區DEM數據參與分析，并輔以研究區土地利用現狀數據庫為對比數據，以此檢驗土地利用分類信息提取精度(表1)。

表1 研究區數據概況

由于中巴資源衛星的數據比較容易獲取并且價格相對較低，為提高分類精度，應盡量采用同年多時象數據，進行幾何校正、影像配準，并進行多波段圖像文件組合、打包，作為影像分類信息提取源數據。如圖2所示，宜興地區6月份水田植物還沒開始生長，因此在遙感影像上基本看不到植被信息，所以水田與建設用地在光譜特征上存在相似性，容易出現混分情況。8月份水田植物長勢較好，在遙感影像上主要反映的是植被信息，與建設用地比較容易區分，但是與林地草地混分情況比較嚴重，采用多時象數據打包作為數據源可以較好地解決這一問題。

圖2 兩個時相影像對比圖

2.2 多尺度分割

通過對影像數據進行多級分割得到不同級別的影像單元(image object)，影像單元則屬于中層輸出，是面向對象分類的基本單元，是數字圖像經過抽象后得到的綜合信息載體[5]。語義信息對于地物判別極其重要，而單個像素是無法表達語義信息的，只有有意義的影像對象及其相互關系才可以表達語義概念。

研究采用Definiens Professional 7.0提供的多尺度分割算法進行影像分割和信息提取。建立不同級別的影像單元，以便建立從圖像理解中層到高層的函數描述。

根據宜興地區的特點對影像數據采取了三級分割，分割尺度參數設置分別為30，20，5；其中20為主要分割尺度，5為紋理分析尺度，影像分在20的分割尺度上，由于不同的地物類別的最佳分割尺度略有不同，應根據不同地類的具體情況對分割的圖像單元的邊界進行調整，以使不同地類提取取得更好的效果(圖3)。

圖3 影像分割層次示意圖

2.3 特征函數描述

Definiens除了提供幾十種特征函數以外還允許自定義函數用于表達語義信息。軟件提供的特征函數主要分為灰度值描述(Layer Values)、形狀指數描述(shape)、紋理描述(texture)、層次描述(Hierarchy)、類臨近關系描述(Class-Related features)、場景關系描述(Scene features)等幾大類。在先驗知識的基礎上，通過多種函數的組合、變形，設置合適的隸屬度函數，形成準確的語義表達，對圖像單元進行解釋，從而達到地類識別的目的[6]。研究選取根據先驗知識，通過不同特征函數的組合對宜興地區的河渠水面、湖泊水面、坑塘水面、有林地、灌木林、農村居民點、城鎮用地、交通用地等地類進行了分類提取試驗，不同地類知識表達與函數描述如表2所示。

表2 各種地類的函數描述

根據宜興地區的特點，通過紋理、面積、形狀指數、與居民點的距離關系等幾個特征函數對宜興試驗區二級地類進行分類。采用特征閾值分類法劃分地類精度(表3)。

表3 特征閾值分類法劃分二級地類精度統計

3 結論

該研究基于圖像理解的原理，利用面向對象方法，以宜興地區為研究區進行了土地利用分類實驗，通過分析可以得到以下結論：

(1)在中低分辨率遙感數據中，影像數據所提供的有效的形狀以及紋理等空間信息很少，面向對象技術能達到較好的識別效果，總體分類精度可以達到接近70%，但在高空間分辨率數據上，可以構建更多的知識表達與函數描述，從而發揮其更大的優勢。

(2)在對影像進行分割時，分割尺度的設置對一級類的劃分精度有較大影響，它也直接影響到函數描述的構建，所以，面向對象分類方法比較靈活，也很難總結出一套適合不同數據的函數描述設置，但在同一空間分辨率數據上可以形成比較統一的知識表達，這些特點決定了面向對象的分類方法潛力很大，通過對不同數據的分析，進一步總結不同地類的通用的知識表達方式，從而進一步提高分類效率與精度，以廣泛應用于大尺度的國土資源宏觀調查。

參考文獻：

[1] 王鵬，張海燕.基于遙感技術對兗州煤田采煤塌陷地現狀調查[J]．山東國土資源，2012，28(12)：50-52．

[2] 錢樂樂．基于視覺層次感知機制的圖像理解方法研究[D]．合肥工業大學，2009:12．

[3] 劉淼．基于結構和表觀模型的圖像理解方法及其應用研究[D]．吉林大學，2008:6．

[4] 官小平，關澤群．小波分析在高分辨率遙感影像邊緣檢測中的應用[C]//第十三屆全國遙感技術學術交流會論文摘要集[A].2001:43-44．

[5] 孫曉霞，張繼賢，劉正軍．利用面向對象的分類方法從IKONOS全色影像中提取河流和道路[J]．測繪科學，2006,31(1):62-63．

[6] 張立國，吳曉，江娜，等．利用面向對象分類技術進行地理要素快速更新的方法研究[J]．山東國土資源，2010，26(9)：53-56．