遙感影像分類方法的研究

楊諾爾

摘 要：該文基于ERDAS的Knowledge Engineer分類方法原理，提出一種多信息源、智能化、程序化的閾值分類技術(shù)，利用空間模型語(yǔ)言SML （Spatial Modeler Language）編程實(shí)現(xiàn)遙感影像的分類，進(jìn)而克服了傳統(tǒng)分類方法只能針對(duì)單一信息源的局限。研究工作以1999年ETM+遙感影像臨港新城為例，將該方法與傳統(tǒng)的監(jiān)督分類方法進(jìn)行比較和精度評(píng)價(jià)。結(jié)果表明，閾值分類法比監(jiān)督分類法分類精度高，指標(biāo)Kappa系數(shù)由0.6109提高到0.8204。該方法可通過(guò)模塊實(shí)現(xiàn)多信息源的調(diào)用，從已分類圖像中提取確認(rèn)的分類信息，達(dá)到一定的智能化，減少人為的重復(fù)性操作。

關(guān)鍵詞：多信息源 閾值 遙感影像 分類 精度

中圖分類號(hào)：G254 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-098X（2014）06（c）-0029-02

Abstract：Based on the principle of Knowledge Engineer in ERDAS， a multi-source of information， intelligence，and programmed threshold classification is proposed in this thesis. The Spatial Language program is applied to conduct the classification of remote sensing image，and then，to overcome the single source limitation of the traditional classification methods.Using the Lingang New City ETM+ RS image acquired in 1999 as the training example，comparing this method with the supervised classification， we evaluate the accuracy of classification by the Kappa index.The final result shows that the Kappa value is improved from 0.6109 to 0.8204. Applying this program，we can collect and gather information from multiple sources， and then extract identified patches，realize intelligent classifying procedure as well as reduce laboriously repetitive operations thoroughly.

Key Words：multi-source of information threshold remote sensing image classification accuracy

遙感影像分類是遙感圖像處理的高級(jí)階段，是對(duì)地球表面及其環(huán)境在遙感圖像上的信息進(jìn)行屬性的識(shí)別和分類，把具有相同屬性的地物劃分為同一類，以達(dá)到識(shí)別圖像信息所對(duì)應(yīng)的實(shí)際地物，提取所需地物信息的目的。它是遙感技術(shù)領(lǐng)域研究的重要課題之一，多年來(lái)一直受到遙感研究人員的普遍重視。隨著計(jì)算機(jī)技術(shù)的飛速發(fā)展，人們對(duì)遙感技術(shù)的應(yīng)用更多地從傳統(tǒng)的影像目視解譯、判讀，轉(zhuǎn)向遙感圖像的計(jì)算機(jī)處理。計(jì)算機(jī)識(shí)別就是利用計(jì)算機(jī)對(duì)傳感器所收集的遙感信息進(jìn)行處理、運(yùn)算分出類別。然而，常用的分類方法都具有各自的局限性，如何提高遙感數(shù)據(jù)分類的精度，如何更大程度的實(shí)現(xiàn)分類的智能化，是人們最為關(guān)心的問(wèn)題。

1 閾值分類法

該文基于Knowledge Engineer的分類原理，為進(jìn)一步實(shí)現(xiàn)程序化，提出閾值分類法。ERDAS軟件的SML （Spatial Modeler Language）編程有兩種方式，一是直接采用SML的編輯語(yǔ)言，二是交互式更為便捷的Model Maker模塊。本研究通過(guò)對(duì)Model Maker模塊開(kāi)發(fā)程序以達(dá)到分類目的。閾值分類法的原理是利用不同通道對(duì)各類地物間敏感度的差異，從而進(jìn)行單波段或多波段閾值的選定將目標(biāo)地物提取出，調(diào)用一個(gè)或多個(gè)已提取地物的信息源，分層實(shí)現(xiàn)地物的再提取，最終完成影像分類。

閾值分類法程序設(shè)計(jì)步驟主要分以下四部分：

（1）通道選取；（2）確定模型；（3）根據(jù)直方圖統(tǒng)計(jì)信息選定閾值；（4）運(yùn)用ERDAS IMAGINE空間建模工具（Spatial Modeler）的Model Maker模塊編寫程序（圖1所示），運(yùn)行程序最終實(shí)現(xiàn)地物分類。

2 實(shí)例分析

2.1 研究區(qū)概況

該文研究的區(qū)域?yàn)榕R港新城，位于上海東南端——南匯蘆潮港。地理坐標(biāo)為北緯121°40′12″～121°59′24″，東經(jīng)31°2′24″～31°49′48″，總面積為311.6 km2。

影像來(lái)源于美國(guó)陸地衛(wèi)星Landsat-7 ETM+，圖像色彩豐富，層次感好，具有極為豐富的地表環(huán)境信息[1]。遙感數(shù)據(jù)于1999年11月3日接收，軌道號(hào)p118 r39。該數(shù)據(jù)雖局部有云，但總體質(zhì)量很好。

2.2 研究方法

以Landsat-7 ETM+為數(shù)據(jù)源，采用ERDAS遙感影像處理軟件對(duì)上海市臨港新城主要土地類型進(jìn)行分類。監(jiān)督分類是目前較成熟的分類方法，因此分別采用監(jiān)督分類法和閾值分類法實(shí)現(xiàn)分類，并對(duì)分類結(jié)果進(jìn)行精度評(píng)價(jià)與分析。

2.3 結(jié)果展示（見(jiàn)圖2、圖3）

利用ERDAS IMAGINE的Accuracy Assessment對(duì)閾值分類法和監(jiān)督分類法分類后的1999年臨港新城四類地物分類圖做出評(píng)價(jià)。它是將專題分類影像中的特定像元與已知分類的參考像元進(jìn)行比較，實(shí)際工作上是利用分類影像與可清晰目視判別的原影像進(jìn)行對(duì)比。在分類影像中隨機(jī)產(chǎn)生200個(gè)點(diǎn)，完全覆蓋于原影像中，普及到每一地物類別。計(jì)算機(jī)將參考分類后的專題影像，按照各點(diǎn)的坐標(biāo)將地類屬性與點(diǎn)號(hào)相對(duì)應(yīng)。后依據(jù)原始影像判讀及相應(yīng)的外業(yè)調(diào)研人為做出判斷，作為各個(gè)參考點(diǎn)的實(shí)際類別值。由此得出分類的精度評(píng)價(jià)報(bào)告，如表1、表2。

2.4 分析對(duì)比（見(jiàn)圖4）

由圖表分析得，通過(guò)閾值分類法分類后影像無(wú)論是在生產(chǎn)者精度、使用者精度、Kappa系數(shù)上，都優(yōu)于監(jiān)督分類法。監(jiān)督分類因在選擇訓(xùn)練區(qū)時(shí)人為主觀因素較強(qiáng)，造成某些類別無(wú)法解譯出來(lái)，因此在對(duì)低密度的濕地分類時(shí)有一大部分未被提取而被歸類到作為背景的綠地中，精度最低，其次為人為建筑，由于分辨率較低，對(duì)于寬度小于15m的線狀地物例如公路、河道都難以反映出，只能提取其中零星的微小斑塊。而兩種方法在水域和綠地信息提取時(shí)精度都優(yōu)于人為建筑和濕地，原因是人為建筑和濕地兩類別間存在較為嚴(yán)重的“同物異譜、異物同譜”的現(xiàn)象，例如建筑物周圍的道路、道路的綠化地、較高建筑物的陰影等一些無(wú)關(guān)的影像信息在光譜特征上與建筑物比較接近，而被誤分為建筑物，并且在幾何拓?fù)涮卣魃夏繕?biāo)信息存在著大量粘連遮蓋現(xiàn)象，如樹(shù)木、車輛等。水域和綠地因面積較大多以塊狀、斑狀存在，訓(xùn)練樣品純凈，含混合像元較少，故精度較高。

3 結(jié)語(yǔ)

（1）該文所提出的閾值分類法是基于不同通道對(duì)所要提取目標(biāo)物的敏感度差異，根據(jù)直方圖統(tǒng)計(jì)信息選取閾值，通過(guò)ERDAS的Spatial Modeler模塊中的Model Maker程序設(shè)計(jì)實(shí)現(xiàn)水域、濕地、綠地、人為建筑四類地物的分類。

（2）從分類結(jié)果圖像來(lái)看，閾值分類法比監(jiān)督分類法能夠更好的保留線狀地物的空間分布特征。通過(guò)對(duì)生產(chǎn)者精度、用戶精度、各類別K值、總Kappa值等比較分析，得出閾值分類法精度高于監(jiān)督分類法，指標(biāo)Kappa系數(shù)由0.6109提高到0.8204。此外，該分類法突破了監(jiān)督分類法只能對(duì)單一信息源實(shí)現(xiàn)分類的局限性，能靈活調(diào)用不同影像源信息，并應(yīng)用于其他影像，減少人為的重復(fù)操作，效率較高，可修改性強(qiáng)。

（3）不足之處一是閾值的選擇需要反復(fù)試驗(yàn)才能確定；二是由于1999年臨港新城植被覆蓋率高、水系比較發(fā)達(dá)，閾值分類法運(yùn)用效果比較理想，該分類方法能否推廣應(yīng)用于其它地區(qū)，還有待于在今后的工作中做進(jìn)一步檢驗(yàn)；三是針對(duì)影像的光譜特征，僅是基于像元（per-pixel）的灰度值分析處理具有一定的局限性。

參考文獻(xiàn)

[1] 李鐵柱，李錚，宮斌，等.基于ETM+影像的凌源市土地利用遙感分類方法的研究[J].黑龍江科技信息，2011（22）：78-82.

2.4 分析對(duì)比（見(jiàn)圖4）

由圖表分析得，通過(guò)閾值分類法分類后影像無(wú)論是在生產(chǎn)者精度、使用者精度、Kappa系數(shù)上，都優(yōu)于監(jiān)督分類法。監(jiān)督分類因在選擇訓(xùn)練區(qū)時(shí)人為主觀因素較強(qiáng)，造成某些類別無(wú)法解譯出來(lái)，因此在對(duì)低密度的濕地分類時(shí)有一大部分未被提取而被歸類到作為背景的綠地中，精度最低，其次為人為建筑，由于分辨率較低，對(duì)于寬度小于15m的線狀地物例如公路、河道都難以反映出，只能提取其中零星的微小斑塊。而兩種方法在水域和綠地信息提取時(shí)精度都優(yōu)于人為建筑和濕地，原因是人為建筑和濕地兩類別間存在較為嚴(yán)重的“同物異譜、異物同譜”的現(xiàn)象，例如建筑物周圍的道路、道路的綠化地、較高建筑物的陰影等一些無(wú)關(guān)的影像信息在光譜特征上與建筑物比較接近，而被誤分為建筑物，并且在幾何拓?fù)涮卣魃夏繕?biāo)信息存在著大量粘連遮蓋現(xiàn)象，如樹(shù)木、車輛等。水域和綠地因面積較大多以塊狀、斑狀存在，訓(xùn)練樣品純凈，含混合像元較少，故精度較高。

3 結(jié)語(yǔ)

（1）該文所提出的閾值分類法是基于不同通道對(duì)所要提取目標(biāo)物的敏感度差異，根據(jù)直方圖統(tǒng)計(jì)信息選取閾值，通過(guò)ERDAS的Spatial Modeler模塊中的Model Maker程序設(shè)計(jì)實(shí)現(xiàn)水域、濕地、綠地、人為建筑四類地物的分類。

（2）從分類結(jié)果圖像來(lái)看，閾值分類法比監(jiān)督分類法能夠更好的保留線狀地物的空間分布特征。通過(guò)對(duì)生產(chǎn)者精度、用戶精度、各類別K值、總Kappa值等比較分析，得出閾值分類法精度高于監(jiān)督分類法，指標(biāo)Kappa系數(shù)由0.6109提高到0.8204。此外，該分類法突破了監(jiān)督分類法只能對(duì)單一信息源實(shí)現(xiàn)分類的局限性，能靈活調(diào)用不同影像源信息，并應(yīng)用于其他影像，減少人為的重復(fù)操作，效率較高，可修改性強(qiáng)。

（3）不足之處一是閾值的選擇需要反復(fù)試驗(yàn)才能確定；二是由于1999年臨港新城植被覆蓋率高、水系比較發(fā)達(dá)，閾值分類法運(yùn)用效果比較理想，該分類方法能否推廣應(yīng)用于其它地區(qū)，還有待于在今后的工作中做進(jìn)一步檢驗(yàn)；三是針對(duì)影像的光譜特征，僅是基于像元（per-pixel）的灰度值分析處理具有一定的局限性。

參考文獻(xiàn)

[1] 李鐵柱，李錚，宮斌，等.基于ETM+影像的凌源市土地利用遙感分類方法的研究[J].黑龍江科技信息，2011（22）：78-82.

2.4 分析對(duì)比（見(jiàn)圖4）

由圖表分析得，通過(guò)閾值分類法分類后影像無(wú)論是在生產(chǎn)者精度、使用者精度、Kappa系數(shù)上，都優(yōu)于監(jiān)督分類法。監(jiān)督分類因在選擇訓(xùn)練區(qū)時(shí)人為主觀因素較強(qiáng)，造成某些類別無(wú)法解譯出來(lái)，因此在對(duì)低密度的濕地分類時(shí)有一大部分未被提取而被歸類到作為背景的綠地中，精度最低，其次為人為建筑，由于分辨率較低，對(duì)于寬度小于15m的線狀地物例如公路、河道都難以反映出，只能提取其中零星的微小斑塊。而兩種方法在水域和綠地信息提取時(shí)精度都優(yōu)于人為建筑和濕地，原因是人為建筑和濕地兩類別間存在較為嚴(yán)重的“同物異譜、異物同譜”的現(xiàn)象，例如建筑物周圍的道路、道路的綠化地、較高建筑物的陰影等一些無(wú)關(guān)的影像信息在光譜特征上與建筑物比較接近，而被誤分為建筑物，并且在幾何拓?fù)涮卣魃夏繕?biāo)信息存在著大量粘連遮蓋現(xiàn)象，如樹(shù)木、車輛等。水域和綠地因面積較大多以塊狀、斑狀存在，訓(xùn)練樣品純凈，含混合像元較少，故精度較高。

3 結(jié)語(yǔ)

（1）該文所提出的閾值分類法是基于不同通道對(duì)所要提取目標(biāo)物的敏感度差異，根據(jù)直方圖統(tǒng)計(jì)信息選取閾值，通過(guò)ERDAS的Spatial Modeler模塊中的Model Maker程序設(shè)計(jì)實(shí)現(xiàn)水域、濕地、綠地、人為建筑四類地物的分類。

（2）從分類結(jié)果圖像來(lái)看，閾值分類法比監(jiān)督分類法能夠更好的保留線狀地物的空間分布特征。通過(guò)對(duì)生產(chǎn)者精度、用戶精度、各類別K值、總Kappa值等比較分析，得出閾值分類法精度高于監(jiān)督分類法，指標(biāo)Kappa系數(shù)由0.6109提高到0.8204。此外，該分類法突破了監(jiān)督分類法只能對(duì)單一信息源實(shí)現(xiàn)分類的局限性，能靈活調(diào)用不同影像源信息，并應(yīng)用于其他影像，減少人為的重復(fù)操作，效率較高，可修改性強(qiáng)。

（3）不足之處一是閾值的選擇需要反復(fù)試驗(yàn)才能確定；二是由于1999年臨港新城植被覆蓋率高、水系比較發(fā)達(dá)，閾值分類法運(yùn)用效果比較理想，該分類方法能否推廣應(yīng)用于其它地區(qū)，還有待于在今后的工作中做進(jìn)一步檢驗(yàn)；三是針對(duì)影像的光譜特征，僅是基于像元（per-pixel）的灰度值分析處理具有一定的局限性。

參考文獻(xiàn)

[1] 李鐵柱，李錚，宮斌，等.基于ETM+影像的凌源市土地利用遙感分類方法的研究[J].黑龍江科技信息，2011（22）：78-82.