地理國情普查中地表覆蓋自動解譯問題研究

吳海新，吳延斌

（1.河南省有色測繪有限公司，河南 鄭州 450016；2.欒川縣地理信息中心，河南 欒川471500）

地理國情普查中地表覆蓋自動解譯問題研究

吳海新1，吳延斌2

（1.河南省有色測繪有限公司，河南 鄭州 450016；2.欒川縣地理信息中心，河南 欒川471500）

針對地表覆蓋自動解譯時經常遇到的分割尺度設置、影像噪聲、判讀差異、DLG數據與影像不一致等問題，在實際應用中，根據影像分辨率與測區地類設定合適的分割尺度，采用合理的解譯順序、調整分割尺度和采樣率來降低噪聲影響，用人機交互解譯來解決判讀差異問題，人工解譯與現場核實相結合判斷DLG數據與影像不一致區域。以上措施較好地解決了自動解譯遇到的問題。

地表覆蓋；自動解譯；分割尺度；影像噪聲；判讀差異

現今，利用eCognition或ENVI進行自動解譯已經在地理國情普查項目中得到了認可，自動解譯的成果可以部分應用于測繪生產。如果自動解譯應用得當，在地理國情普查項目中可以節省30%～50%的工作量。不可否認，人工解譯的工作還占有較大比重，但自動解譯仍然降低了地理國情普查項目中地表覆蓋分類的難度和規模[1]。在進行自動解譯的工作中，遇到了很多問題，如何避免這些問題以及遇到這些問題時如何快速處理，是本文討論的重點。

1 地物分割尺度

無論是用eCognition還是ENVI進行解譯，都需要對影像進行分割，最常用的方法是“多尺度分割”，即按照影像的光譜特征，沿地物的分界線將影像分割成若干個小圖斑，并把分界線保存在一個矢量面層中[2]。

1.1 影像分割存在的問題

圖1 房屋和道路粘連

1）房屋和道路粘連。如圖1所示，無論怎么調整多尺度分割算法的參數，分割結果都不能完全讓人滿意。通過目視判讀，能夠很清楚地區分房子和道路，但是影像分割結果表明，雖然大部分道路和房子分割效果較好，道路和房子總存在部分粘連現象。通過分析道路和房子的影像特性，得出粘連的原因：①二者在空間距離上相隔太近，粘連通常發生在道路與房子中間毫無間隔的情況；②灰屋頂與水泥道路的工程材料近似，造成光譜反射值十分接近，在分割算法中這二者的異質性很小，所以這兩類易被合并為一類；③影像成像時角度、陰影的影響，導致在影像上不能判別出兩類地物的差異。

2）裸耕地與鄉村道路粘連。如圖2所示，裸耕地是指在影像中沒有種植作物的耕地，但曾經是耕地，也是邊界平整，內部分布均勻，呈塊狀或條帶狀分布；鄉村道路通常是泥質地表，只不過經常有人、畜、車行走，地面緊實，內部分布均勻，也呈條帶狀分布。裸耕地與鄉村道路的光譜差異不大，形狀也相似，有時裸耕地與道路連接，在分割時不可避免地粘連在一起。

圖2 裸耕地與鄉村道粘連

3）房屋分割問題。建筑區房屋的樣式不同，使用的建筑材料也不同，甚至一個單棟房屋的屋頂也可能由好幾種建筑材料構成，這就造成一棟房屋的光譜反射特性不相同，在進行影像分割時，會把這種類型的房屋分割為好幾部分，而不是一個整體，如圖3所示。

1.2 解決方法

地物分割時最重要的一個指標是分割尺度，分割尺度設置得是否合理，決定了分割出的矢量數據的準確性。一般分割尺度要配合光譜指數和緊致度一起使用，光譜指數一般設置在0．7～0．9之間；緊致度一般設置在0．5～0．7之間，緊致度越大生成的邊界彎曲度就越小，邊界就越整齊。分割尺度設置越小，分割的圖斑就越細碎；反之，分割的圖斑就越大。分割尺度的設置與兩個因素有關，第一個因素是影像的分辨率，一般0．5 m分辨率的影像分割尺度可以給大些，例如300～500，1 m分辨率或2 m分辨率的影像分割尺度給小些，例如100～200；第二個因素是測區地類數量，一般地類較多，分布越零碎，分割尺度就給小些，地類較少，分布有規律性，分割尺度就給大些。值得注意的是，分割尺度不是一個可以嚴格設定的數字，需要根據經驗并結合試驗才能得出一個較為合理的數值[3]。在實際應用中，如果分割尺度設置過小，一個地物就容易被分割得過于破碎。因此，應該根據影像分辨率、測區地類設定合適的分割尺度。

圖3 分割破碎的房屋

2 高分辨率影像噪聲

常見的高分辨率遙感影像空間分辨率為0．5 m，也就是說在實際地表上0．5 m的地物在影像上為1個像素。對同一個地物，分辨率越高的影像細節展示越豐富，從某方面來說，這種情況有助于判別地物。另一方面，需要關注的是這個地物的類別信息，它的細節信息并不重要，這種過于豐富的細節對這個地物而言就是噪聲，對影像進行分割分類時就會造成干擾[4]。

2.1 存在的主要問題

1）道路噪聲。城市道路有相對固定的寬度，用水泥或者瀝青作為鋪面材料，通常是比較好提取的。影像獲取的環境肯定是在白天天氣晴好的情況下，這時候城市道路上車流量還比較大。一輛小汽車長度在4～6 m之間、寬度在1．5～2 m之間，在全色影像中占12個像素以上，每輛小汽車都是清晰可見的，這些汽車對于道路提取就是噪聲。如圖4所示，對這幅影像進行影像分割時道路就會被割成一塊塊的，影響長寬比特征和密度特征的使用。

圖4 道路噪聲

2）房屋噪聲。房屋建筑區是指人工地物中的建筑，對建筑的提取關注的是建筑的最外圍輪廓邊界，如果兩棟房屋間距小于單倍樓體間距，這兩棟房屋可以合并表示。房屋建筑屋頂上豐富的內容，如露臺、熱水器等，這些對于房屋建筑區的提取都是噪聲，如圖5所示。

圖5 房屋噪聲

2.2 解決方法

如果對解譯成果精度要求比較高，可以對道路和房屋進行預處理，利用矩形工具和即時平行線工具先繪制道路和房屋，然后再對剩余的圖斑進行解譯；如果對解譯成果精度要求不高，可以考慮適當調大分割尺度，降低采樣率，最大限度地保存圖斑原有的邊緣。

3 計算機視覺與人工判讀差距

3.1 存在的問題

計算機視覺是一門研究如何使機器“看”的科學，指用攝影機和電腦代替人眼對目標進行識別、跟蹤和測量等，并進一步作圖形處理，用電腦處理成為更適合人眼觀察或傳送給儀器檢測的圖像。計算機視覺的挑戰是要為計算機和機器人開發具有與人類水平相當的視覺能力。機器視覺需要圖像信號、紋理和顏色建模、幾何處理和推理以及物體建模。計算機視覺關注的目標在于充分理解電磁波（主要是可見光與紅外線部分）遇到物體表面被反射所形成的圖像，因此，計算機視覺處理的是影像信息。但是人工判讀不僅處理影像信息，還能根據地物的特性來分析影像。目前，計算機視覺技術還遠遠不能和人工判讀相比。

3.2 解決方法

在實際應用中，可以采取人機交互解譯方式，根據地理國情普查中地表覆蓋解譯的特點及要求，先進行專題圖層分割，然后進行人機交互式解譯，也可以采用規則庫自動解譯輔以人機交互或全人工人機交互式解譯等方法，但其根本是要確定合適的分割尺度，盡可能突出地物的典型信息，智能化地確定不同地物的規則庫，提高自動解譯的精度水平[2]。

4 DLG數據應用

4.1 存在的問題

DLG數據的幾何信息和屬性信息能夠輕松地被eCognition和ENVI軟件充分利用起來，但是DLG信息存在著現勢性不夠、地物綜合過多的問題，如何有效地應用DLG數據是研究的一個關鍵點。因為季節的變換、時間的變遷，水域邊界會經常變化；房屋建筑區也會發生拆遷和新建；1∶10 000的耕地信息綜合尺度大。而本論文提取的目標是大于400 m2的地物。假設DLG的正確程度達到90%，但實際上我們并不明確哪些信息是屬于90%正確的范圍，哪些信息是錯誤的。如何充分利用DLG的正確信息，而不被錯誤信息誤導，是應用DLG信息的關鍵。另外，因為地物提取出的結果都是面狀，而DLG的點狀信息、中心線信息都是不能夠直接用于地物提取的。

4.2 解決方法

在地理國情普查中，DLG數據主要起到地類及其范圍的輔助判斷的作用。實際應用中，遇到DLG數據與遙感影像不一致的地方，應分析原因，明顯可以判讀的，以遙感影像信息為準；難以判斷的，應采取人工解譯、現場核實等方法避免出現錯誤。

5 結 語

自動解譯技術還存在很多不完善的地方，在影像質量較差的情況下，自動解譯幾乎無能為力。在地理國情普查實際工作中還有可能遇到新的問題，需要進一步探討，并有針對性地采取不同的方法[5-7]，以便更好地為地理國情普查乃至今后的測繪工作保駕護航。

[1] 喬五十,郭喜絨,劉妍,等．地表覆蓋遙感制圖耕地要素提取的方法與相關問題探討[J]．測繪標準化,2013, 29(3)：21-23 [2] 胡艷,袁超．多方法的地理國情地表覆蓋分類研究[J]．地理空間信息,2014,12(1)：6-9

[3] 陳濟才,申學林,李國明,等．基于1∶10 000DLG數據的地表覆蓋要素自動提取研究[J]．測繪,2013,36(5)：204-206

[4] 湯育紅． 地理國情普查地表覆蓋與國情要素信息的提取方法探討[J]．測繪與空間地理信息,2013,36(12)：89-91

[5] 麻靜． 談地理國情要素及地表覆蓋要素的采集、編輯[J]．黑龍江科技信息,2013 (32)：117

[6] 任慧,談亞光．基于面向對象的國情普查地表覆蓋提取方法[J]．地理空間信息,2014,12(3)：14-16

[7] 陳俊勇．關于地理國情普查的思考[J]．地理空間信息,2014, 12(2)：1-3

P208

B

1672-4623（2016）04-0004-03

10.3969/j.issn.1672-4623.2016.04.002

吳海新，高級工程師，注冊測繪師，主要從事工程測量、地籍測量、地理信息系統方面的工作。

2014-09-03。