基于面向?qū)ο蟮腖andsat8遙感影像分類研究

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）

基于面向?qū)ο蟮腖andsat8遙感影像分類研究

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）

遙感圖像分類在航空遙感測(cè)繪中扮演著重要角色。隨著遙感技術(shù)的進(jìn)步，遙感影像的獲取手段逐漸增多，雖然這降低了多種地物信息獲取的難度，但是日益增多的遙感圖像也給其處理帶來(lái)了困難。本文探索了一種基于面向?qū)ο髨D像分析（Object-based Image Analysis，OBIA）的遙感圖像分類技術(shù)，將其應(yīng)用于Landsat-8業(yè)務(wù)化陸地成像儀（Operational Land Imager，OLI）的影像分類中。實(shí)驗(yàn)結(jié)果說(shuō)明，OBIA可以得到不錯(cuò)的分類效果。

面向?qū)ο髨D像分析 遙感圖像分類 圖像分割 支持向量機(jī)

1　引言

遙感圖像分類是航空遙感測(cè)繪的重要技術(shù)之一。利用監(jiān)督或非監(jiān)督的分類算法，可以快速、準(zhǔn)確地從遙感影像中提取地物類別信息，從而極大方便了測(cè)繪制圖等業(yè)務(wù)化的工作。近年來(lái)，一種新興的遙感圖像處理技術(shù)——面向?qū)ο髨D像分析（Object-based Image Analysis，OBIA），得到了越來(lái)越廣泛的關(guān)注。與傳統(tǒng)的遙感圖像分類算法不同的是，OBIA操作的對(duì)象不是像素，而是由若干像素組成的地物斑塊（或區(qū)域）。然而，近年來(lái)大多數(shù)有關(guān)OBIA的研究都是針對(duì)高分辨率遙感影像開展的。實(shí)際上，很多新型遙感器都只提供中等分辨率的數(shù)據(jù)，其中最典型的是Landsat-8業(yè)務(wù)化陸地成像儀（Operational Land Imager，OLI）了。本文主要探索了OBIA在Landsat-8 OLI影像分類上的應(yīng)用。

2　方法

OBIA主要包括兩個(gè)最為基本的步驟：（1）圖像斑塊產(chǎn)生；（2）圖像斑塊分類。第一步主要是利用圖像分割技術(shù)來(lái)實(shí)現(xiàn)的。近年來(lái)，大多數(shù)OBIA都采用了分形網(wǎng)演化算法（Fractal Net Evolution Approach，F(xiàn)NEA）來(lái)進(jìn)行圖像分割。該算法已經(jīng)被集成到一個(gè)商業(yè)遙感圖像處理軟件——易康，作為其多分辨率圖像分割算法的模塊。

FNEA是一種基于區(qū)域生長(zhǎng)實(shí)現(xiàn)的圖像分割算法。它采用自底向上的策略，即從像素開始，迭代合并那些在光譜上十分相似的區(qū)域，直到圖像中各個(gè)斑塊的光譜差異達(dá)到了用戶預(yù)先設(shè)置的閾值為止。值得一提的是，F(xiàn)NEA在斑塊并的過(guò)程中，還考慮了斑塊的形狀信息，以此來(lái)提高分割結(jié)果的視覺(jué)效果。FNEA需要設(shè)置3個(gè)參數(shù)，分別是形狀參數(shù)、緊湊性參數(shù)和尺度參數(shù)。前兩個(gè)參數(shù)都是控制分割過(guò)程的合并標(biāo)準(zhǔn)的，第三個(gè)參數(shù)則影響分割結(jié)果中斑塊的平均大小。

圖1　OLI影像（a）及其分割（b）與分類結(jié)果（c）

在圖像分割過(guò)后，就是面向?qū)ο髨D像分類了。對(duì)于每一個(gè)斑塊，其各個(gè)波段組成的光譜均值向量被作為分類算法的輸入，這與基于像素的圖像分類不同，因?yàn)楹笳邔⒏鱾€(gè)像素的光譜向量作為分類算法輸入的。由于OBIA的分類算法是基于圖像斑塊進(jìn)行的，因此其分類結(jié)果不會(huì)出現(xiàn)椒鹽噪聲，這也是OBIA分類算法的突出優(yōu)勢(shì)之一。本文在圖像分類中采用了支持向量機(jī)（Support Vector Machine，SVM）算法。

3　實(shí)驗(yàn)

本文采用了一景Landsat-8 OLI影像來(lái)開展OBIA遙感影像分類實(shí)驗(yàn)。Landsat-8是Landsat系列中最新發(fā)射的一顆衛(wèi)星，它搭載了兩個(gè)主要的遙感器：陸地成像儀（OLI）和熱紅外傳感器（TIRS）。OLI共包含9個(gè)波段，其中多光譜波段的空間分辨率為30米，全色波段的分辨率為15米。

本文采用數(shù)據(jù)的獲取日期是：2013年4月14日，其云量小于10%。首先在數(shù)據(jù)預(yù)處理中，對(duì)數(shù)據(jù)進(jìn)行了輻射校正。由圖1a可見，該影像主要包含的地物有：水體、陸地、建筑等；值得一提的是，由黑色矩形構(gòu)成的區(qū)域是水產(chǎn)養(yǎng)殖區(qū)，這是該地區(qū)典型的人工地貌。

在進(jìn)行圖像分割時(shí)，不同算法的參數(shù)需要根據(jù)具體影像來(lái)進(jìn)行調(diào)節(jié)。FNEA的三個(gè)分割參數(shù)依次被設(shè)置為：0.1，0.5，30。

圖1b和c分別顯示本文實(shí)驗(yàn)的分割結(jié)果和分類結(jié)果。可見，分割結(jié)果較好地提取了各個(gè)地物對(duì)象的斑塊。將分類結(jié)果與專家手動(dòng)分類結(jié)果進(jìn)行對(duì)比，可得到定量的分類評(píng)價(jià)結(jié)果。基于OBIA的分類精度為83.08%，高于基于像素的SVM分類算法精度79.07%。

4　結(jié)語(yǔ)

本文利用Landsat-8 OLI影像開展了基于OBIA的遙感圖像分類實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果說(shuō)明，基于OBIA的分類精度高于基于像素的分類精度。本文的方法對(duì)于航測(cè)遙感影像解譯具有一定的參考價(jià)值。