基于輔助信息的遙感影像信息提取探討

李霞 伏榮

內(nèi)蒙古自治區(qū)測繪院 呼和浩特 010051

1.引言

隨著經(jīng)濟(jì)、社會的發(fā)展，遙感技術(shù)已成為土地信息提取的重要手段之一。目前常用的目視解譯方法主要借助判讀者人為的經(jīng)驗(yàn)結(jié)合遙感影像，通過影像上的地物特征經(jīng)過綜合分析和推理，解譯出具體的地物類型，能夠達(dá)到較高精度，但解譯過程耗時較長，費(fèi)時費(fèi)力；而計(jì)算機(jī)分類則是利用影像上的地物光譜信息，根據(jù)像元間的相似性進(jìn)行歸類合并與統(tǒng)計(jì)，能實(shí)現(xiàn)較高的自動化，但一般情況下受“同譜異物”與“同物異譜”現(xiàn)象的影響，計(jì)算機(jī)分類的精度不是很高。因此，針對目視解譯的高效率與計(jì)算機(jī)分類的局限性，通過影像上的輔助信息進(jìn)行計(jì)算機(jī)判讀，既能夠解決目視解譯的低效率問題，又能解決計(jì)算機(jī)分類地物信息利用不全的問題，因此，本文重點(diǎn)介紹了基于輔助信息的遙感影像的信息分類與提取[1]。

2.研究區(qū)概況

三原縣位于我國陜西省咸陽市，地處陜西關(guān)中平原中部，渭河以北，為省會西安市的北大門，距西安約36公里，咸陽約40公里，距咸陽國際機(jī)場22公里，鐵路、公路縱橫交錯，交通四通八達(dá)。地處鄂爾多斯地臺南緣褶皺帶上，第十西北高、東南低，海拔在362米～1，409米之間，南北以四十里坡為界，東西以清河相隔，自然分割成三個明顯不同的地形地貌形態(tài)，即漫步平原、北部臺原和西北山原。

3.數(shù)據(jù)獲取與預(yù)處理

3.1 數(shù)據(jù)獲取

本研究采用的數(shù)據(jù)為從專業(yè)部門獲得的SPOT5影像，成像時間是2006年6月，最大空間分辨率為2.5米，具有近紅外、紅色、綠色、短波紅外、全色等5個波段，能夠較好地反映地表不同地物的分布。選取的研究區(qū)數(shù)據(jù)充分考慮成像時間、波段組合等方面，獲得該區(qū)最佳遙感影像圖，包含的信息量大，適合遙感解譯分析。

3.2 遙感影像預(yù)處理

一方面，由于受到大氣程輻射的影響，給影像帶來了輻射干擾，以及傳感器本身的誤差使得遙感影像不能夠準(zhǔn)確反映地物的電磁輻射信息，因此需要對遙感影像進(jìn)行輻射校正，可以通過采用回歸分析法和直方圖最小值去除法等去掉程輻射及干擾。另一方面，遙感成像受到傳感器、遙感平臺移動、地形起伏和地球表面曲率等因素的影響，使得影像產(chǎn)生一定的幾何形變，因此需要對遙感影像進(jìn)行幾何校正，即建立遙感影像坐標(biāo)與地理坐標(biāo)之間的對應(yīng)關(guān)系，利用現(xiàn)有的地形圖進(jìn)行幾何校正。

此外，遙感影像獲取過程中還會受到太陽光照、大氣水汽等因素影響，使得整幅影像發(fā)暗或偏亮，有用信息不明顯，需要采用專業(yè)圖像處理軟件進(jìn)行調(diào)整，從而突出有用信息，或者采用空間增強(qiáng)方法對影像進(jìn)行圖像亮度增強(qiáng)、空間濾波等突出地物不同特征信息。由于本文研究區(qū)范圍較小，需要從單幅遙感影像中進(jìn)行剪裁，剪裁后的研究區(qū)——陜西省咸陽市三原縣影像，如圖1所示。

4.研究過程

遙感影像的計(jì)算機(jī)分類是計(jì)算機(jī)模式識別技術(shù)在遙感領(lǐng)域的具體應(yīng)用，它的依據(jù)是影像的相似度。計(jì)算機(jī)自動分類處理時間短，定位準(zhǔn)確，但易出現(xiàn)同物異譜，異物同譜，造成土地利用信息的錯分現(xiàn)象，因此，需要依靠人為經(jīng)驗(yàn)來識別地物類型進(jìn)行目視解譯[3]。本研究中，依托基于輔助信息的計(jì)算機(jī)分類方法進(jìn)行研究。

4.1 光譜特征分析

遙感影像中，由于不同地物自身的反射率不同，在不同的波段也具有不同的反射率，再加上地物空間結(jié)構(gòu)、成分組成等的不同，導(dǎo)致影像上不同地物會呈現(xiàn)不同的地物特征，因此，影像地物的光譜特征能夠反映地物反射率的大小，是進(jìn)行影像解譯的基礎(chǔ)[5]。為便于觀察目標(biāo)地物光譜特征及其變化的規(guī)律，根據(jù)第二次土地調(diào)查結(jié)果圖，將土地利用類型分為林地、園地、耕地、居民地、交通用地、水域六大類，通過對各地物樣本光譜特征的分析，在原始影像中采集了一定數(shù)目的訓(xùn)練樣本，得出表1中各研究地物樣本的灰度統(tǒng)計(jì)值。

圖1 研究區(qū)影像區(qū)進(jìn)行分類

表1 典型地物樣本亮度統(tǒng)計(jì)

為便于觀察各地物光譜特征差異，根據(jù)各地物光譜均值和方差值，分別生成了地物光譜均值與方差曲線圖，如圖2所示。

圖2 地物光譜均值曲線

從圖2可以看出，水域、林地、耕地、居民用地的均值曲線與其他地物的均值曲線距離較遠(yuǎn)，通過均值可以把它們與其他地物區(qū)分開，在第三波段，它們的均值曲線呈現(xiàn)分離趨勢。由于水體的反射率低，因此水域、林地、園地、耕地、居民用地、交通用地可把灰度均值作為區(qū)別其他地物的光譜特征指標(biāo)之一。

4.2 紋理特征分析

紋理是不同地物顏色密度的反映，不同地物由于長勢狀況、本身顏色等不同會產(chǎn)生不同的疏密相間的紋理，通過紋理特征能夠很好地反映影像的不同信息[6]。例如，果園與林地二者相比，由于果園種植一般較密集，而且排列較為整齊，因此，在影像上呈現(xiàn)出較為平滑的紋理；而林地由于不同樹木長勢高低不等，排列不規(guī)律，一般呈現(xiàn)出較為粗糙的紋理特征。

紋理信息對像元亮度的變化十分敏感，而在地物的邊緣必然出現(xiàn)明顯的亮度變化，這就造成地物類型邊緣處的紋理特征值不能真實(shí)反映地物之間紋理的差別[7]。因此，在利用紋理信息提取地物時，需要對提取結(jié)果的邊緣作相關(guān)的處理，以減少不必要的誤差。

4.3 植被覆蓋特征分析

植被覆蓋特征是判別林地與果園地、農(nóng)田地區(qū)地物類型的一個重要指標(biāo)。林地與果園地的植被蓋度均比較大，與其他地物易于區(qū)分，但他兩者則不好區(qū)分。歸一化差異植被指數(shù)（NDVI）是遙感領(lǐng)域應(yīng)用最為廣泛的一種植被指數(shù)，同植被蓋度有著較好的相關(guān)性，消除了地形和陰影的影響，真實(shí)地表現(xiàn)了地表的植被覆蓋狀況，通常被用于植被蓋度不同的地物信息提取上[8]。因此，根據(jù)植被覆蓋特征可以將果園和林地進(jìn)行區(qū)分開。

4.4 形狀特征分析

根據(jù)上文分析，利用光譜特征、紋理情況均不能有效地區(qū)分林地和果園。形狀是遙感影像地物判讀的另一重要標(biāo)志，與紋理特征不同的是，圖像的形狀信息不隨圖像顏色的變化而變化[8]。地表分布的目標(biāo)物體都具有一定的幾何形狀，根據(jù)像片上物體特有的形態(tài)特征可以判斷和識別目標(biāo)地物。由此可知，形狀指數(shù)與周長成反比，與面積的平方根成正比，圓具有最大的形狀指數(shù)，線性地物具有很小的形狀指數(shù)，非規(guī)則地物的形狀指數(shù)與形狀的復(fù)雜程度成反比[9]。人造地物一般具有規(guī)則的幾何外形和清晰的邊界，自然地物往往具有不規(guī)則的幾何外形和邊界，依據(jù)此可知園地一般形狀指數(shù)比較大，相反，林地不具有規(guī)則的外形和邊緣。因此，根據(jù)形狀將林地與園地這兩種地物區(qū)分開。

4.5 顏色性質(zhì)分析

人眼能夠區(qū)分二百余種顏色，因此能夠更加豐富的表達(dá)地物的信息。顏色主要由亮度、色度、飽和度來度量，因此，通過分析對遙感影像的亮度、色度、飽和度的差異，能夠找到不同地物類型的不同特征。

5.結(jié)果分析

從分類結(jié)果看，分類模型基本能夠準(zhǔn)確區(qū)分遙感影像中的不同地物類型，為了對分類結(jié)果進(jìn)行準(zhǔn)確評價，這里采用簡單隨機(jī)采樣的方法，從分類結(jié)果圖像中隨機(jī)選取255個樣點(diǎn)，通過比較分類結(jié)果與參考數(shù)據(jù)的異同，評價分類精度如表2所示。

精度分析結(jié)果表明，基于輔助信息的土地信息提取精度較高，Kappa一致性較好，達(dá)到0.8114，總體分類精度較高，可達(dá)86.34%，基于輔助信息區(qū)分林地、果園、耕地、水體、道路精度較高。

表2 分類結(jié)果精度評價

6.結(jié)語

輔助信息能夠給影像的解譯提供更多的信息量，增加影像解譯的準(zhǔn)確率。本文利用地物光譜、紋理、形狀等特征對影像的解譯加以輔助，能夠避免計(jì)算機(jī)分類只限于利用的影像光譜信息的不足，實(shí)驗(yàn)證明，利用輔助信息進(jìn)行遙感信息的提取能偶取得較好的分類結(jié)果，明顯提高分類精度。

本研究受研究資料的限制，在分類時未考慮人為因素及其他影響因素，這就使分類精度存在一定的不確定性。因此，基于輔助信息進(jìn)行影像的分類雖然取得了較為合理的分類結(jié)果，但還有待于進(jìn)一步完善，以使判別規(guī)則和分類結(jié)果更符合實(shí)際。

[1]李靜,趙庚星,楊佩國.基于知識的墾利縣土地利用/覆被遙感信息提取技術(shù)研究[J].科學(xué)通報,2006,51.

[2]劉瑤琳,何建華.土地信息學(xué)[M].北京:科學(xué)出版社,2007:61-62.

[3]王雪梅.BP神經(jīng)網(wǎng)絡(luò)算法在土地覆蓋分類中的應(yīng)用研究[J].新疆農(nóng)業(yè)科學(xué),2009,46(1):144-145.

[4]梅安新,彭望,秦其明,劉慧平.遙感導(dǎo)論[M].北京:高等教育出版社,2001:145-149.

[5]趙萍,傅云飛,鄭劉根.基于分類回歸樹分析的遙感影像土地利用/覆被分類研究[J].遙感學(xué)報,2005,9(6):708-715.

[6]王大鵬.沙漠化遙感信息提取及定量評價—以額濟(jì)納地區(qū)為例[D].煙臺:魯東大學(xué)地理與規(guī)劃學(xué)院,2007.

[7]高志海,李增元,魏懷東.干旱地區(qū)植被指數(shù)（VI）的適宜性研究[J].中國沙漠,2006,26（2）:243-248

[8]張文元,秦昆,張成才等.基于知識的遙感圖像地物提取方法研究[J].地理空間信息,2007,5(1):51-55.

[9]李朝峰.基于知識發(fā)現(xiàn)和決策規(guī)則的遙感圖像城區(qū)土地覆蓋/利用分類方法[J].計(jì)算工程與應(yīng)用,2004,23:212-215.