基于SPOT5遙感影像的土地分類信息提取

吉　雅　李秋萍

內(nèi)蒙古測(cè)繪院　呼和浩特　010051

基于SPOT5遙感影像的土地分類信息提取

吉雅李秋萍

內(nèi)蒙古測(cè)繪院呼和浩特010051

近年來(lái)，隨著現(xiàn)代遙感技術(shù)的發(fā)展，高分辨率、多波段、多時(shí)相、周期性的遙感衛(wèi)星不斷更新，如：SPOT、IKONOS、QuickBird等，為土地分類信息的提取提供了豐富、可靠、高精度的基礎(chǔ)數(shù)據(jù)源信息。本文選取陜西省三原縣部分地區(qū)作為試驗(yàn)區(qū)，探討利用SPOT5遙感影像進(jìn)行土地分類信息提取，對(duì)數(shù)據(jù)預(yù)處理、遙感影像分類方法的選取及分類結(jié)果精度的評(píng)價(jià)等問題進(jìn)行了探究，采用最大似然法，通過計(jì)算機(jī)自動(dòng)分類對(duì)SPOT5遙感影像土地分類信息進(jìn)行提取。實(shí)驗(yàn)證明，將SPOT5遙感數(shù)據(jù)應(yīng)用于土地信息類型的提取可以極大地提高影像分類的效率，得到較好分類效果。

遙感影像土地分類SPOT5信息提取

引言

遙感影像是利用遙感傳感器按一定的成像機(jī)理，客觀真實(shí)地記錄來(lái)自地表物體的電磁輻射的強(qiáng)弱信息的體現(xiàn)形式。因此，遙感技術(shù)應(yīng)用的一個(gè)關(guān)鍵問題是根據(jù)地物輻射電磁輻射強(qiáng)弱在遙感圖像上表現(xiàn)的特征，判讀識(shí)別地物的類型及其分布特征。這就涉及信息提取，而分類是提取遙感信息的一種有效方法［1］。此外，隨著遙感技術(shù)的發(fā)展、3S技術(shù)的結(jié)合，遙感技術(shù)將成為土地分類信息提取的重要手段［2］。本文利用陜西省咸陽(yáng)市三原縣2.5m分辨率的SPOT5遙感數(shù)據(jù)，運(yùn)用最大似然法進(jìn)行監(jiān)督分類，對(duì)土地分類信息的提取過程進(jìn)行探討。

1.研究區(qū)概況

本文選取陜西省咸陽(yáng)市三原縣部分地區(qū)為研究區(qū)。該研究區(qū)位于陜西省咸陽(yáng)市東北方向，陜西省關(guān)中平原的中部，素有八百里秦川“白菜心”之美譽(yù)，總面積為569平方千米，地理?xiàng)l件優(yōu)越，區(qū)位優(yōu)勢(shì)突出，南距西安，西距咸陽(yáng)，北距銅川，東距閆良等省內(nèi)大中城市均約30公里左右，處于得天獨(dú)厚的“弧心”位置。

2.數(shù)據(jù)獲取與預(yù)處理

2.1數(shù)據(jù)選取

SPOT5是由法國(guó)國(guó)家航天研究中心發(fā)射的，它具有較高的空間分辨率，最高可達(dá)2.5m，能夠?qū)崟r(shí)獲取立體像對(duì)；在數(shù)據(jù)壓縮、存儲(chǔ)和傳輸?shù)确矫娑加辛孙@著的提高［3］。

本文使用的SPOT5遙感影像的獲取時(shí)間是2010年4月，最大的空間分辨率為2.5m，能夠較清晰的判讀地物信息，特別適合作為土地分類信息提取的數(shù)據(jù)源。

2.2數(shù)據(jù)預(yù)處理

2.2.1數(shù)據(jù)剪裁

影像剪裁又稱矩形分幅裁剪或取出矩形子區(qū)，是指在一個(gè)較大的圖像中取出一個(gè)小的部分及子區(qū)的過程。其中一種做法是分別定出子區(qū)左上角和右下角在大圖像中的行列號(hào)，作為讀取子區(qū)圖像的起始點(diǎn)和結(jié)束點(diǎn)，并將其存為新圖像。取出的子區(qū)圖像要在以后分類或作其他處理時(shí)用來(lái)作為感興趣區(qū)的區(qū)域［4］。

由于獲取的原始數(shù)據(jù)比例尺為1∶10000，長(zhǎng)寬各為5km的遙感影像，區(qū)域較大，為了減少數(shù)據(jù)量，提高研究效率，在原始數(shù)據(jù)上選取地類較為齊全的具有代表性的區(qū)域，對(duì)其進(jìn)行剪裁。剪裁后的數(shù)據(jù)如圖1所示。

圖1　剪裁后影像

2.2.2幾何校正

圖像幾何校正一般包括兩方面：一是圖像像元空間位置的變換，另一個(gè)是像元灰度值的內(nèi)插。故本次遙感圖像幾何校正主要包括空間變換與像元灰度值內(nèi)插［5］。

本文采用標(biāo)準(zhǔn)地形圖作為參考影像進(jìn)行幾何校正，采用多項(xiàng)式變換調(diào)用多項(xiàng)式模型時(shí)，需要確定多項(xiàng)式的次方數(shù)，根據(jù)研究區(qū)范圍選取多項(xiàng)式的次方數(shù)為3。次方數(shù)與所需要的最少控制點(diǎn)是相關(guān)的，最少控制點(diǎn)計(jì)算公式為［（t+1）×（t+2）］/2，式中t為次方數(shù)［6］。

校正后標(biāo)準(zhǔn)圖像空間中像元的灰度值也要重新采樣，即用原始圖像空間的數(shù)據(jù)進(jìn)行擬合，常用方法有最鄰近法，雙線性內(nèi)插法和三次卷積法。經(jīng)過空間的變換和重采樣，完成幾何校正。其幾何校正流程圖如圖2所示：

3.研究方法與過程

3.1分類方法

本文主要探討利用最大似然法對(duì)SPOT5影像進(jìn)行土地分類信息的提取。

最大似然分類法是基于圖像統(tǒng)計(jì)的監(jiān)督分類法，它基于Bayes準(zhǔn)則，側(cè)重于影像像元集群分布的統(tǒng)計(jì)特征，是使用較為普遍的分類方法之一。MLC核心算法的判別函數(shù)由公式1表示：

3.2研究過程

3.2.1訓(xùn)練樣本確定的原則和方法

為保證分類結(jié)果的精度，訓(xùn)練樣本的選擇應(yīng)做到：每一地物類型的訓(xùn)練樣本中像元對(duì)應(yīng)的實(shí)際地物類型應(yīng)與該地物類型相同；選擇的訓(xùn)練樣本應(yīng)具有代表性，即訓(xùn)練樣本的統(tǒng)計(jì)特征量與該類型總體統(tǒng)計(jì)特征相接近［6］。

依據(jù)第二次全國(guó)土地調(diào)查分類標(biāo)準(zhǔn)，本文將研究區(qū)地物類型分為耕地、公路、果園、林地、居民區(qū)、水體和其他等七類［7］，各種訓(xùn)練樣本的解譯標(biāo)志如圖3所示。

圖3　各種訓(xùn)練樣本的解譯標(biāo)志

3.2.2分類過程

由于高分辨率的遙感圖像能很清晰的反映地面地物的類型及特征，從圖像上不僅可以區(qū)分不同的地物，而且還能辨識(shí)它們。因此，借助高分遙感圖像選擇樣本，以保證樣本的準(zhǔn)確性。

在ENVI中，采取手動(dòng)選擇感興趣區(qū)ROIs，結(jié)合目視解譯經(jīng)驗(yàn)，在影像中繪制?？梢赃x擇點(diǎn)，線，面等各種方式，采用不同的顏色選取感興趣區(qū)。

利用選取的訓(xùn)練樣本，采用最大似然分類法對(duì)研究區(qū)SPOT5影像進(jìn)行分類，具體分為耕地、公路、果園、林地、居民區(qū)、水體和其他類型七類，流程如圖4所示：

圖4　最大似然法流程圖

4.分類結(jié)果及分類后處理

4.1分類結(jié)果

在ENVI軟件中選擇分類器，執(zhí)行最大似然分類方法得到的分類圖如圖5：

圖5　分類結(jié)果

對(duì)基于陜西省咸陽(yáng)市三原縣高分辨率的SPOT5遙感影像進(jìn)行最大似然法分類后，會(huì)存在一些細(xì)小的塊兒或點(diǎn)兒。運(yùn)用ENVI軟件對(duì)最大似然法分類結(jié)果圖進(jìn)行類別集群，將一些碎塊進(jìn)行合并，使圖像中的土地利用類別更加清楚明了［8］。

圖像分類精度評(píng)價(jià)是遙感分類過程中不可或缺的部分，分類精度的評(píng)價(jià)通常是用分類圖與標(biāo)準(zhǔn)數(shù)據(jù)（已有的專題信息圖或地面實(shí)測(cè)值）進(jìn)行比較，以正確的百分比來(lái)表示。精度評(píng)價(jià)必須客觀的通過某種方法，定量的將一幅圖像與另一幅同一區(qū)域的參考圖像或其他參考數(shù)據(jù)進(jìn)行對(duì)比。

對(duì)最大分類法分類結(jié)果圖進(jìn)行精度評(píng)價(jià)，首先要建立精度混淆矩陣，此次研究在ENVI4.5的支持下，由計(jì)算機(jī)自動(dòng)進(jìn)行混淆矩陣的計(jì)算。ENVI可以使用一幅地表真實(shí)圖像或地表真實(shí)感興趣區(qū)來(lái)計(jì)算混淆矩陣。在本次研究中通過在遙感影像上建立7類感興趣區(qū)樣點(diǎn)，分別是林地、耕地、水體、居民區(qū)、果園、公路、其他作為分類精度檢驗(yàn)的標(biāo)準(zhǔn)。記錄結(jié)果都包括：總體分類精度、Kappa系數(shù)和混淆矩陣等結(jié)果。具體分類精度評(píng)價(jià)見表1。

4.2分類后處理

針對(duì)分類后某些類型的地物誤差較大的問題，對(duì)訓(xùn)練樣本進(jìn)行優(yōu)化和提純。主要采用N維可視化分析器對(duì)研究區(qū)進(jìn)行提純。其原理為：當(dāng)某些像元始終聚集在一起運(yùn)動(dòng)時(shí)，這些就是所需的最純像元；若在運(yùn)動(dòng)時(shí)，像元分成了兩個(gè)部分，則說(shuō)明選擇了兩類地物的訓(xùn)練區(qū)，需把此訓(xùn)練區(qū)像元分開處理。

表1　最大似然算法精度評(píng)價(jià)表

在n-DVisualizer窗口中用鼠標(biāo)選擇某類訓(xùn)練區(qū)的純像元進(jìn)行提純，提純后的訓(xùn)練區(qū)將出現(xiàn)在ROITool窗口中；然后進(jìn)行下一個(gè)類型訓(xùn)練區(qū)的提純，最后完成所有訓(xùn)練區(qū)的提純。提純后對(duì)其進(jìn)行最大似然分類，得到的分類圖如圖6。

圖6　樣本提純后分類結(jié)果

將提純后的各個(gè)類型訓(xùn)練區(qū)進(jìn)行精度評(píng)價(jià)。其最大似然法與訓(xùn)練樣本提純后的精度比較見表2。可以看出，樣本提純后各類訓(xùn)練區(qū)精度及總體分類精度大大提高。

表2　最大似然法與訓(xùn)練樣本提純后的精度比較

5.結(jié)論

本文運(yùn)用最大似然法對(duì)陜西省咸陽(yáng)市三原縣部分區(qū)域SPOT5高分遙感影像進(jìn)行監(jiān)督分類，經(jīng)過提純處理后得到了較為準(zhǔn)確的分類結(jié)果，分類后成果可以作為制作土地利用分類或土地利用現(xiàn)狀圖提供一定的借鑒與參考，為后期的地籍管理、調(diào)查、更新提供基礎(chǔ)資料。

［1］沈璐璐，蔡麗娜.基于非監(jiān)督分類的遙感信息提取方法嘗試［J］.科技創(chuàng)新論壇，2010.

［2］郎剛，王鶴.SPOT5遙感影像在土地調(diào)查中的應(yīng)用［J］.北京測(cè)繪，2010.

［3］樓立明，劉衛(wèi)東，馮秀麗.基于高分辨率遙感影像的土地利用變化監(jiān)測(cè)［J］.遙感技術(shù)與應(yīng)用，2004，（19）.

［4］曾志遠(yuǎn).衛(wèi)星遙感圖像計(jì)算機(jī)分類與地學(xué)應(yīng)用研究［M］.北京:科學(xué)出版社，2004.

［5］常慶瑞，蔣平安，周勇等.遙感技術(shù)導(dǎo)論［M］.北京:科學(xué)出版社，2004

［6］劉濤，孫忠林，孫林.基于最大似然法的遙感圖像分類技術(shù)研究［J］.福建電腦，2010.

［7］杜福光.面向?qū)ο蠓诸惙ㄔ谔粕侥虾b感信息提取中的優(yōu)越性分析［J］.唐山師范學(xué)院學(xué)報(bào)，2014，2:146-149.

［8］陳敬柱，賀瑞霞，郭恒亮.最大似然法在植被信息識(shí)別提取中的應(yīng)用［J］.水文地質(zhì)工程地質(zhì)，2004.