基于eCognition的混合對象分類方法研究

王鐵軍，任思思，徐 明

(黑龍江地理信息工程院，黑龍江 哈爾濱 150081)

一、引 言

遙感影像的自動解譯一直是研究的熱點，也是難點。目前，主流的遙感影像處理軟件如eCognition(易康)、ERDAS、ENVI都能夠提供遙感影像自動解譯功能。其中eCognition是由德國Definiens Imaging公司開發的智能化影像分析軟件，提供面向對象的遙感信息提取功能，具有獨特的多尺度分割技術。

遙感影像的自動解譯包括分割和分類兩個步驟，其中分割是分類的基礎，分割的好壞決定著分類的精度及后續手工編輯的工作量。將eCognition軟件的多尺度分割結果與影像進行對比，可以發現雖然分割線大部分與影像紋理對象套合，但仍然存在分割對象包含多種地物，即“混合對象”的現象。這種混合對象的存在，一方面導致分類容易出錯，另一方面手工編輯時還需要分裂對象，導致工作量大大增加。本文以這種混合對象為研究內容，探索應用多種手段使結果更加準確，即分割線更加符合地物的邊界。

二、eCognition多尺度分割原理

eCognition的多尺度分割考慮地表信息在影像上不同的尺度有不同的表現，根據地物的不同尺度大小按多種尺度進行分割。多尺度分割算法是基于區域合并技術的，從任一個像素開始合并直至形成一個對象(影像區域)。相鄰對象的合并是基于兩個可量測的異質性變化因子：光譜異質性變化因子和形狀異質性變化因子，它們決定了影像分割生成的對象內部同質性和相鄰對象異質性的適宜程度。

光譜異質性變化因子h光譜的計算公式為

(1)

式中，i表示第i個影像波段；wi表示第i個影像波段所占的權重，是由用戶自己設定的；n是指對象所包含的像素數；σi是指在第i個影像波段中的像素值的標準差；a1和a2分別表示兩個相鄰的對象。

形狀異質性變化因子h形狀是由緊致因子h緊致和平滑因子h平滑決定的，它們的關系為

h形狀=W緊致·h緊致+(1-W緊致)h平滑

(2)

式中,W緊致是指緊致因子的權重。緊致因子h緊致和平滑因子h平滑的定義如下

(3)

(4)

式中,n是構成對象的像素數；l是對象的邊界長；b是對象外接矩形的周長。

兩個相鄰對象是否合并由光譜異質性變化因子h光譜和形狀異質性變化因子h形狀的權重和進行判斷，權重和f定義為

f=w·h形狀+(1-w)·h光譜

(5)

式中，w表示用戶給光譜異質性變化因子設定的權重值。如果兩個相鄰對象要合并，就需要滿足f

由多尺度算法的原理可以發現，在eCognition的多尺度分割中，需要設置的參數主要是尺度參數、形狀因子的權重和緊致因子的權重。尺度參數是個相對概念，尺度參數設置越大，分割得到的對象越大。

三、分類試驗

1. 試驗區介紹

本文以內蒙古地區的黑戈壁為研究區域，地物主要由巖石地表、礫石地表和稀疏灌木構成，3種地表交錯分布。黑戈壁地物構成相對簡單，需要考慮的變量較少，避免了種類過多干擾主要的分類過程。影像是QuickBird影像，其中全色影像分辨率為是0.6 m，多光譜影像分辨率為是2.4 m，有紅、綠、藍、近紅外4個波段。

2. 遇到的問題

對影像進行多尺度分割，將其可選參數進行多種組合的分割結果與影像進行對比，可以發現雖然分割線大部分與影像對象套合，但仍然存在分割對象包含多種地物，即“混合對象”的現象。

3. 混合對象的分類方法

針對上述遇到的實際問題，本文采用分級分割分類的思想，先將影像以一個比較大的尺度進行分割分類，地物分為4類：巖石地表、礫石地表、稀疏灌木和混合對象。然后根據地物特征再次進行分割分類，如針對已經分類為巖石地表的對象(其實際為巖石地表的置信度高，有部分礫石地表等混雜其中)再次進行分割分類試驗，挑選出最合適的分割參數，將確信為礫石地表的分為礫石地表，確信為稀疏灌木的分為稀疏灌木，不能確定的對象分為混合對象。礫石地表、稀疏灌木和混合對象的處理方法同巖石地表，最后需要處理的是混合對象。對混合對象多次進行分割分類，一直到混合對象的面積小于指標要求才結束分割分類，將混合對象就近歸并。

4. eCognition分類試驗

在eCognition中按照設計的流程建立規則集，針對地物特點進行三級分割分類(如圖1所示)。

圖1 影像分類結果

5. 分析比較

比較多尺度分割效果的同一地區，如圖2所示，可以看出分割的邊界與人工判讀的邊界比較套合。試驗證明， 在本文的嘗試處理過程中可以減少“混合對象”的產生，使分類邊界更加符合實際地物邊界。

圖2 最終分類邊界

四、結束語

對試驗中的影像，如簡單采用eCognition自動解譯，會使后續人工處理混合對象、改進分類成果工作量巨大，處理速度甚至不及手工解譯。針對這一現象，本文嘗試從以下兩個方面進行優化處理，從而減少混合對象的產生，并對混合對象進行專門處理。這樣，一方面可以提高地物分類的準確度，減少錯分的發生；另一方面，減少了后續手工編輯的工作量，大大地提高了影像解譯效率。

1. 應用多級分割手段

eCognition的多尺度分割算法，就是根據分割參數計算出對象是否合并。一套分割參數不能適宜所有地物，不能保證每種地物的分割效果都好。本文在對混合對象分類方法研究的過程中，采用多級分割的方式，就是在多尺度分割基礎之上，試驗出每一種地物最適合的分割參數，在第一級分割之后不同地物適用不同分割參數，從而得到更好的分割效果。

2. 應用分類參與分割

在本文所研究的多級分割分類過程中，將前次的分類結果用于下一次的分割，這樣可以人為調整分割分類參數，將更多的知識應用于分割分類過程之中，提升分類精度。