基于決策樹的鄉(xiāng)村遙感影像分類算法

韓東升

（內(nèi)蒙古自治區(qū)航空遙感測(cè)繪院，內(nèi)蒙古呼和浩特　010010）

基于決策樹的鄉(xiāng)村遙感影像分類算法

韓東升

（內(nèi)蒙古自治區(qū)航空遙感測(cè)繪院，內(nèi)蒙古呼和浩特010010）

航空遙感測(cè)繪的重要內(nèi)容是獲取地理信息。鄉(xiāng)村地區(qū)是航空遙感測(cè)繪的重要研究區(qū)域。本文嘗試了利用植被指數(shù)信息構(gòu)建決策樹算法，以有效區(qū)分鄉(xiāng)村區(qū)域遙感影像的植被、水體和裸露土壤這三類地物。利用一景內(nèi)蒙古巴盟地區(qū)的EO-1多光譜遙感影像開展了算法實(shí)例驗(yàn)證，說明本文的方法可以快速、有效地得到鄉(xiāng)村地區(qū)分類結(jié)果。

遙感影像分類鄉(xiāng)村地區(qū)決策樹

1　引言

近年來(lái)，隨著3S技術(shù)的興起，航空遙感測(cè)繪在數(shù)字城市建模中發(fā)揮了重要作用。然而，中國(guó)的大面積國(guó)土仍屬于鄉(xiāng)村區(qū)域，其航空遙感的相關(guān)研究相對(duì)較少。因此，本文針對(duì)鄉(xiāng)村地區(qū)的遙感影像，開展了分類研究。決策樹是一種非參數(shù)的分類算法，它通過一系列兩類分類的節(jié)點(diǎn)，可以將多類分類的復(fù)雜問題簡(jiǎn)化。決策樹的一個(gè)十分突出的優(yōu)勢(shì)是：它除了可以獲得較為滿意的分類精度外，還可以得出分類的樹形流程圖，為用戶提供重要參考，并幫助其理解分類過程。

2　方法

在決策樹算法的構(gòu)建中，最重要的是對(duì)各個(gè)節(jié)點(diǎn)的分類條件進(jìn)行設(shè)置。在鄉(xiāng)村遙感影像中，植被是主要的地物，例如樹林、莊稼等。而對(duì)于植被，一般是利用歸一化植被指數(shù)（Normalized Difference Vegetation Index）來(lái)進(jìn)行信息提取的。大量研究表明，植被的NDVI大于0.3，而水體的NDVI小于0.1。然而，受到天氣狀況、光照角度、遙感器噪聲等因素的影響，在不同的地區(qū)，各種地物的NDVI值也會(huì)略有變化。因此，利用決策樹和NDVI來(lái)進(jìn)行地物分類，需要根據(jù)研究區(qū)域和數(shù)據(jù)類型來(lái)具體選定閾值。

圖1　決策樹分類算法結(jié)構(gòu)圖

圖2 ALI實(shí)驗(yàn)原圖（a），NDVI（b）與分類結(jié)果（c）

圖1是本文所構(gòu)建的決策樹分類器，該圖可以直觀地反映出分類算法的流程。首先，當(dāng)NDVI值大于0.3時(shí)，地物被判定為植被（V），否則，進(jìn)入下一個(gè)節(jié)點(diǎn)的判斷：若NDVI大于0.2，則表明是裸露土壤（V），否則是水體（W）。圖1決策樹的構(gòu)建是根據(jù)一景EO-1中分辨率遙感影像數(shù)據(jù)來(lái)進(jìn)行的，第三節(jié)實(shí)驗(yàn)部分對(duì)該數(shù)據(jù)進(jìn)行了更為詳細(xì)的說明。

3　實(shí)驗(yàn)

本文算法所采用的數(shù)據(jù)由EO-1改進(jìn)型陸地成像儀（Advanced Land Imager，ALI）獲取。EO-1于2000年升空，承擔(dān)了輔助Landsat系列衛(wèi)星對(duì)地觀測(cè)的任務(wù)，其遙感器ALI參數(shù)與Landsat的相似，其多光譜影像的空間分辨率為30米。美國(guó)地質(zhì)調(diào)查局（USGS）免費(fèi)提供了ALI數(shù)據(jù)的下載鏈接。本文實(shí)驗(yàn)數(shù)據(jù)的獲取日期為2013年7月20日，地點(diǎn)為內(nèi)蒙古巴盟地區(qū)的五原縣。

數(shù)據(jù)處理主要包括兩步：（1）輻射校正，（2）NDVI提取。第一步是由業(yè)務(wù)化的遙感數(shù)據(jù)處理軟件ENVI完成，這一步的目的是從原始的DN值中得到反射率信息。在第二步中，也利用了ENVI軟件所提供的光譜波段計(jì)算模塊，可以方便、快速地提取NDVI。其計(jì)算公式為：NDVI=（bNIR-br）/（bNIR+br），其中b為反射率數(shù)據(jù)，NIR表示近紅外波段，r表示紅色波段。圖2顯示了本文實(shí)驗(yàn)所用的數(shù)據(jù)、從其中提取的NDVI，以及決策樹分類結(jié)果。圖2c分類結(jié)果的顏色與圖1是對(duì)應(yīng)的。顯然，圖2c的分類結(jié)果較為準(zhǔn)確地反應(yīng)了當(dāng)?shù)氐牡匚锔采w信息。例如圖2a西南方月牙形的海子（當(dāng)?shù)厝藢?duì)湖泊的稱謂），在圖2c中被較為完整地提取了出來(lái)；大部分村莊、道路等地物，由于主要是由裸露土壤組成的，在分類結(jié)果中也都得到了很好地展現(xiàn)。

4　結(jié)語(yǔ)

本文利用EO-1 ALI影像開展了基于決策樹的鄉(xiāng)村地區(qū)遙感圖像分類研究。通過實(shí)驗(yàn)結(jié)果分析，說明本文構(gòu)建的決策樹可以較為準(zhǔn)確、快速地提取鄉(xiāng)村地區(qū)遙感影像的地物信息，因此在遙感影像解譯中具有一定的參考價(jià)值。