基于多尺度分割技術的高分辨率影像信息提取方法分析

李靖霞 文金花

摘要：高分辨率遙感影像已成為幫助人們觀察自然的常用技術，它不僅擴大了觀測范圍，而且承載了更為豐富的信息。然而，如何有效地處理和應用收集到的數據信息，成為使用該技術的一個棘手問題。例如，在QuickBird和Geo-Eye等高分辨率遙感影像中，可以發現地物的光譜、形狀、紋理等信息，但傳統的信息提取方法會降低信息的提取精度，同時占用大量的數據空間，造成資源的嚴重浪費。多尺度分割技術的應用可以提高高分辨率遙感圖像的應用效率，使衛星遙感數據信息提取技術得到極大地發展。

關鍵詞：多尺度分割;高分辨率圖像;信息提取方法

Abstract： High-resolution remote sensing image has become a common technique for people to observe nature. It expands the scope of observation and also hosts more abundant information. However， how to effectively process and apply the collected data information has become a thorny problem for using this technology. For example， in the high resolution remote sensing images such as Quik Bird and Geo-Eye， spectral， shape， texture and other ground object information can be found， but the traditional information extraction method will reduce the accuracy of information and occupy a large amount of data space at the same time， resulting in serious waste of resources. To develop the information extraction technology of satellite remote sensing data， the application efficiency of high-resolution remote sensing images can be improved by studying the multi-scale segmentation technology.

Keywords： Multi-scale segmentation; High-resolution images; Information extraction method

1引言

隨著傳感器技術的不斷進步，遙感觀測技術逐漸成熟，與中、低分辨率遙感圖像相比，高分辨率圖像顯示的地物尺度更小，內部細節更準確，與周圍環境的關系更清晰，更有利于遙感圖像數據信息的處理和分析。因此，高分辨率遙感技術在許多領域都顯示了其應用價值，特別是在地物信息提取方面。

然而，由于高分辨率遙感圖像提供的地物信息相對復雜，以及目標結構的變化引起的干擾，對地物信息的提取產生了嚴重的影響。在處理高分辨率遙感圖像的過程中，像素法主要關注目標地物的光譜信息，而忽略了目標地物的形狀、紋理和背景等空間信息。因此，出現了嚴重的“椒鹽現象”，導致高分辨率遙感影像沒有被充分利用。因此，為了提高高分辨率遙感數據的應用價值，有必要深入研究其信息特征，掌握適合于提取地物信息的技術。因此，本研究通過仔細分析尺度參數、光譜異質性和形狀異質性等影響因素，闡述了多尺度分割的原理。首先，將地物邊緣參數和多尺度分割相結合，將與地物相關的實際信息生成到圖像目標層中，改進了地物邊緣信息的提取方法。其次，結合閾值分類和模糊分類方法提取研究區主要地物信息，并對影像對象的特征進行深入分析。最后，選擇合適的樣本對其混淆矩陣進行評價，以滿足提取結果的精度要求。

作為一種新的遙感圖像處理方法，多尺度分割技術一直受到研究者的密切關注。傳統的地物信息提取技術將地物信息的最小單位定義為單個像素，而多尺度分割技術則關注圖像對象本身。該方法提取的地物信息能有效地將地物的光譜特征和空間特征結合起來。因此，它根據影像對象的空間特征，簡單地劃分出每個地面對象所反映的不同的地面對象信息，從而掌握了新的信息提取方法。

楊暉[1]等同時采用多尺度分割技術和基于像素的方法從SPOT數據和航空影像中提取森林信息，經實踐證明，多尺度分割技術更為準確。同樣，蒲智[2]等以高分航空數據為數據源，利用該技術對研究區土地利用進行了分類，取得了滿意的效果。這些實驗充分證明了多尺度分割技術具有較高的應用價值。此外，為了證明該方法在提取地物信息方面的有效性，周成虎等[3]根據地物非均質性差異和光譜特征，對極化雷達數據進行了綜合分析，并從圖像中提取了大量的植被信息。除了考慮光譜特征外，還考慮了目標的空間特征，從IKONOS圖像中依然獲得了足夠的居民信息。這也說明高分辨率遙感數據的應用具有良好的發展潛力。隨后，在分析不同地物特征差異的過程中，朱連奇[4]等將地物之間的相互關系結合起來，利用IKONOS圖像對洪災進行監測。在植被專題圖與NOAA數據融合工作中，Willhauek采用多尺度分割方法對SAR數據進行處理，以專題圖像的形式對森林火災進行了監測，取得了良好的監測效果。近年來，徐涵秋[5]利用多尺度分割技術和傳統方法提取QuickBird衛星圖像數據信息，分類精度提高了26.71%。

2 研究區

本文以天水市城市地區為研究對象，坐標位置在東經105°40′～105°56′、北緯34°30′～34°38′之間，多光譜圖像分辨率為2m，全色光譜為0.5m。研究區的形象涉及水、居住用地、道路等多種信息，而且地物信息比較全面。此外，圖像中含有大量的噪聲信息，給地物邊緣的檢測帶來了一定的干擾。Robert、Sobel、Prewitt和Canny是自動檢測地面目標邊緣的常用算法[6][7]，它們各有優缺點。Robert、Sobel和Prewitt算法在識別噪聲信息方面功能較弱，且容易將噪聲作為地物的邊緣進行檢測，而忽略了真實的邊緣信息，可信度較差。而canny算法在檢測邊緣信息時能夠有效地自動屏蔽噪聲信息，從而能夠檢測出真實的邊緣信息，具有良好的效果。

3 研究方法

3.1影像分割

只有高質量的圖像分割才能保證提取出的圖像的精度，因此提高圖像分割技術一直是各國所追求的目標。該技術是將圖像分成若干塊，塊之間沒有重疊或空間，但它們之間有一定的聯系，具有相同的特征，每個塊的圖像都對應于實際物體。

3.2多尺度分割

在整個高分辨率圖像中，有一些具有代表性的物體或地貌特征。有些在光譜上有差異，有些在形狀或大小上有差異。多尺度分割技術就是識別這些差異，并根據不同的特征將其劃分為不同的模塊。差分最小化是每個塊劃分的標準。在設置了最基本的參數后，需要根據參數來判斷差異。如果滿足條件，則對差異進行分割，反之則分割結束。這種嚴格的方法在很大程度上保證了多尺度分割的準確性。這些參數也可以合并不需要分割的部分，從而確定分割對象的大小，該技術可以在很大程度上優化分割結果。

3.3多尺度分割的最優尺度

由于圖像分割的基本單位是單個像素，分割尺度可以改變。為了從一些高分辨率圖像中提取更多的信息，需要找到最佳的分割尺度。在最佳尺度下，應盡可能保證圖像與目標的一致性，以獲得最高的精度。

不同的分割尺度通常取決于多尺度分割本身的設置。必須建立一個更真實的數字模型，以最小的差異集成每個圖像的目標層的目標信息。該技術保證了在不丟失信息的前提下，可以添加其他對象的特征，從而為最終的信息提取提供了方便。

由于對象層和實際對象是最平緩的，只有在尺度最優的情況下才能提高信息提取的成功率，因此保證最合適的尺度是至關重要的。遙感技術中地表特征的差異可以通過光譜等因素反映出來，因此要保證尺度的多樣性和目標的完整性。此外，應保持邊界的明確性，以保證被識別對象之間的差異。此外，不同的尺度也應該能夠分析不同的對象。綜合以上因素，保證目標的最佳分割尺度。

3.4多尺度分割步驟

合理的分割參數設置是多尺度分割的前提。保證實際效果達到要求是關鍵。影響因素及其相互關系可以用以下結構圖表示：

根據真實的目標圖像，通過多尺度分割技術將整個遙感圖像生成與其對應的目標層次，從而更好地提取目標。但是，僅僅依靠多尺度分割技術來有效提取地物信息是遠遠不夠的。在構建對象層時，必須對相關數據進行集成，以方便多尺度分割。基礎數據的添加可以解決多尺度分割技術無法解決的問題。例如，在提取建筑光譜和道路光譜信息數據時，需要使用高程數據來區分具有相似特征的光譜信息，而這僅僅依靠圖像光譜是無法實現的。除了利用高程數據輔助多尺度分割外，道路邊緣信息的整合與提取還可以提高分割效果，為地物信息的提取奠定良好的基礎。

4結果與討論

4.1融合地物邊緣參與多尺度分割

提取復雜地物信息，如果僅僅依靠多尺度分割技術，很難達到理想的分割效果，因此必須結合其他技術輔助多尺度分割。本文將canny算法與Geoway軟件相結合，有效地檢測出地面目標的邊緣。在此基礎上，對比簡單多尺度分割的效果，直接分析了兩種方法的差異。通過比較可以看出，在相同的分割尺度下，單一的多尺度分割得到的圖像對象遠不如有地物邊緣時得到的結果理想。由于清晰的輪廓線增強了地物的可分性，因此在地物邊緣的參與下，獲得的地物信息更加完整，分割效果較好。利用地物的邊緣信息，改變分割尺度，觀察各種地物最大面積的變化趨勢，變化關系曲線如下圖2-6所示：

從以上曲線可以看出，在20～200的尺度變化過程中，水的最大面積一般逐漸增大，且與尺度成正比。當尺度超過200時，水的最大面積保持在相對穩定的狀態，曲線幾乎平行，因此可以取200作為水的最佳尺度。對于植被目標，在同一尺度變化范圍內，尺度上升到180后，植被目標的最大面積幾乎平行，因此植被的最佳尺度為180。采用同樣的方法，住宅用地最優規模為80，道路最優規模為120，裸地最優規模為100。在此基礎上，引入其他參數設置（表1）來構建相應的圖像對象層。

4.2主要地物信息的提取

從成像角度看，水體呈現暗化特征，水體反射率由可見光逐漸降低到近紅外波段，特別是近紅外波段反射率極低。因此，亮度值、近紅外波段值和歸一化水體指數可以作為水體提取的參考標準。

城市的主要組成部分是居住區，也是遙感圖像信息提取的主要對象。目前高分辨率遙感應用的重點和難點是如何提取居住區的信息。因此，研究居住區特征是提高信息提取準確性的重要方法。

總體而言，居住區反射率較高，亮度值較高，藍、綠、紅波段反射率呈上升趨勢。反射值類似于道路和裸地的反射值。在遙感影像中，住宅用地內部灰度值的變化幅度減小，呈現穩定的趨勢，但住宅用地邊緣灰度值波動明顯。

通過高分辨率遙感影像可以看出，住宅用地呈現出平面覆蓋。獨立建筑的形狀通常是矩形或L或U形，是不規則的幾何形狀。小區具有自動構建拓撲多邊形的特性，建筑將被道路、平地、草地所包圍，可能會被高大茂密的樹木所阻擋。在拍攝自然環境的過程中，建筑周圍往往會出現陰影。建筑物的光譜值與道路的光譜值相似，不能根據光譜值來區分建筑物與道路。但從肌理分布來看，建筑與道路的差異明顯，建筑肌理變化不大。此外，通過多尺度分割創建圖像對象層時，住宅用地和道路的幾何屬性存在顯著差異，體現在長、寬、長寬比和形狀指數的不同上。

4.3精度分析

信息提取后的結果評價起著關鍵的作用。基于精度的評估可以推斷出信息提取方法是否與特定的圖像和表面對象一致。精度分析和推理的第一步是通過目測來判斷信息提取的結果是否符合實際。第二步是計算混淆矩陣的值來推斷地物信息提取的質量。根據混淆矩陣的結果，通過分析可以得到相應類別的錯分誤差值和漏分誤差值。本實驗從所有地物信息中提取幾個樣本，計算混淆矩陣，如表2所示。根據形式，它可以發現地面對象的所有生產精度大于0.9，用戶精度大于0.9，總體精度等于0.946，kappa系數達到93.1%，證明從地物信息提取的精度值通過多尺度分割技術是相當高的。該方法作為一種高分辨率遙感影像地形信息的提取方法，具有較高的有效性。

5結論

本實驗在研究影響因素的基礎上，采用多尺度分割技術進行圖像分割，建立了圖像目標層。實驗結果表明，該方法能將干擾因素與周圍像素點結合起來，形成相似、一致的區域，對減小干擾對研究結果的影響具有重要意義。它既能消除圖像的局部不均勻性，又能解決圖像中“同物不同譜”和“同譜不同物”的問題，避免了傳統方法在高分辨率圖像處理中經常出現的“椒鹽現象”。因此，在高分辨率遙感圖像地物信息提取過程中，多尺度分割技術具有可靠性和準確性。曲面特征信息提取的關鍵是多尺度分割技術的應用。圖像分割的質量決定了表面特征提取的準確性，而圖像分割的質量取決于分割的尺度。根據目標最大面積法進行尺度選擇，以明確不同地物的最佳分割尺度。雖然分割質量有所提高，但這種方法并不完善，缺乏可移植性。因此，如何選擇最佳的地物分割尺度，需要深入研究科學、準確、可量化的標準。

參考文獻：

【1】楊暉， 曲秀杰. 圖像分割方法綜述[J]. 電腦開發與應用， 2005， 18（3）： 21-23.鄭偉， 曾志遠. 遙感圖像大氣校正的黑暗像元法[J]. 國土資源遙感， 2005， 17（1）： 8-11.

【2】蒲智， 楊遼， 白潔. 基于面向對象技術的高分辨率遙感影像的陰影檢測與去除[J]. ?遙感技術與應用， 2008， 23（6）： 735-738.

【3】周成虎，駱劍承.高分辨率衛星遙感影像地學計算[M].北京：科學出版社，2009.125.

【4】朱連奇， 許叔明， 陳沛云. 2003. 山區土地利用覆被變化對土壤侵獨的影響[J]. 地理研究， 22（4）： 432-438.

【5】徐涵秋. 利用改進的歸一化差異水體指數 （MNDWI） 提取水體信息的研究[J]. 遙感學報， 2005， 9（5）： 589-595.

【6】XueliangZhang，PengfengXiao，XiaoqunSong，JiangfengShe.Boundary-constrained multi-scale segmentation method for remote sensing images[J]. ISPRS Journal of Photogrammetry and Remote Sensing，2015（1）：15-25

【7】Chao Wang，WeiXu，Xiao-fang Pei，Xiao-yanZhou.An unsupervised multi-scale segmentation method based on automated parameterization [J]. Arabian Journal of Geosciences， 2016 （15）：25-29.