幾種基于高分辨率遙感影像分類(lèi)技術(shù)的分析與探討.doc

幾種基于高分辨率遙感影像分類(lèi)技術(shù)的分析與探討吳洪濤 天津市測(cè)繪院摘要 本文初步分析了應(yīng)用高分辨率遙感影像進(jìn)行分類(lèi)處理的三種特殊方法即基于光譜信息及相關(guān)監(jiān)測(cè)模型綜合分類(lèi)技術(shù)、利用高程信息輔助分類(lèi)技術(shù)和面向?qū)ο蟮奶卣飨嚓P(guān)屬性分類(lèi)技術(shù)的基本原理。分析比較了它們?cè)谶M(jìn)行遙感影像分類(lèi)的特點(diǎn)和優(yōu)勢(shì)，探討總結(jié)了它們?cè)谵r(nóng)作物監(jiān)測(cè)、城市建筑物分類(lèi)、土地利用調(diào)查等實(shí)際生產(chǎn)中應(yīng)用方法和效果。關(guān)鍵詞 影像分類(lèi) 光譜 高程 特征相關(guān)1前言 我們知道，隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展，人們的生活需求與資源環(huán)境的矛盾越來(lái)越突出，遙感技術(shù)(RS)作為一種準(zhǔn)確、客觀、及時(shí)獲取地球表面宏觀信息的手段，在城市規(guī)劃建設(shè)、土地利用監(jiān)測(cè)、農(nóng)業(yè)、林業(yè)以及自然災(zāi)害預(yù)報(bào)等方面越來(lái)越得到廣泛的重視和應(yīng)用。另外由于航空航天遙感以及計(jì)算機(jī)技術(shù)的迅猛發(fā)展，應(yīng)用于遙感的傳感器分辨率越來(lái)越高，獲取的遙感影像質(zhì)量也越來(lái)越好。特別是SPOT、IKONOS、QUICKBIRD等高分辨率遙感衛(wèi)星影像的出現(xiàn)更為后期遙感影像的分析和應(yīng)用帶來(lái)了更好的數(shù)據(jù)源和更廣大深入的應(yīng)用前景。要更好地利用遙感影像進(jìn)行資源調(diào)查和動(dòng)態(tài)監(jiān)測(cè)就必須利用各種方法對(duì)獲取的高分辨率遙感影像進(jìn)行融合、分類(lèi)等處理，以提取并區(qū)分各種地物地貌信息，同時(shí)對(duì)分類(lèi)結(jié)果加以統(tǒng)計(jì)分析以滿(mǎn)足不同的需要。當(dāng)今，進(jìn)行遙感影像分類(lèi)處理的方法很多如常用的監(jiān)督分類(lèi)法、非監(jiān)督分類(lèi)法、最大似然法以及人工神經(jīng)元網(wǎng)絡(luò)、小波變換等方法。他們進(jìn)行遙感影像分類(lèi)主要是利用這一基本原理即：不同的地物在同一波段影像上表現(xiàn)的亮度互不相同，同時(shí)不同地物在各個(gè)波段影像上亮度呈現(xiàn)的規(guī)律也不同，也就是說(shuō)遙感影像上的地物光譜特征通常是以地物在多光譜影像上的亮度體現(xiàn)出來(lái)的。這一點(diǎn)構(gòu)成了區(qū)分不同影像地物的依據(jù)。但是我們很多的影像分類(lèi)技術(shù)與算法更多地著重于遙感影像上像元亮度或光譜信息的本身而沒(méi)有綜合考慮影像地物之間的特征相關(guān)性如植被和土壤的關(guān)系、土壤與水分的關(guān)系；也沒(méi)有考慮到地形起伏或地物高度變化的影響因素；更沒(méi)有將一幅遙感影像而非像素來(lái)作為一個(gè)對(duì)象進(jìn)行面向?qū)ο蟮木C合分析如紋理、形狀、特征繼承相關(guān)等特殊要素。 為了得到更好的分類(lèi)結(jié)果，更好地提取遙感信息，本論文結(jié)合自己的工作實(shí)踐以及國(guó)內(nèi)外相關(guān)應(yīng)用實(shí)例的分類(lèi)效果比較，經(jīng)過(guò)分析探討認(rèn)為以下三種基于高分辨率遙感影像分類(lèi)技術(shù)在實(shí)際生產(chǎn)中可以得到更好的分類(lèi)結(jié)果。即基于光譜信息及相關(guān)監(jiān)測(cè)模型綜合分類(lèi)技術(shù)、利用高程信息輔助分類(lèi)技術(shù)和面向?qū)ο蟮奶卣飨嚓P(guān)屬性分類(lèi)技術(shù)。下面將逐一進(jìn)行分析比較與總結(jié)。2 基于光譜信息及相關(guān)監(jiān)測(cè)模型綜合分類(lèi)技術(shù)應(yīng)用分析 對(duì)于植被的光譜反射特性我們都很熟悉，植物對(duì)不同光譜段能量的反射和吸收的狀況與其葉綠素含量有關(guān)，葉綠素能夠大量反射近紅外能量，而吸收大部份的可見(jiàn)光波段的能量。健康的綠色植物含有大量的葉綠素，通常反射4050%的近紅外（0.71.1m）波段的能量，吸收將近8090%的可見(jiàn)光波段（0.40.7m）的能量（詳見(jiàn)圖1）。相反，枯萎和衰老植物的在可見(jiàn)光波段所反射的能量要大大高于健康植物的反射值，而在近紅外波段所反射的能量則要低于健康植物的反射值1。因此，在遙感影像中，處于不同生長(zhǎng)期的植物就能通過(guò)光譜反射特性基本地區(qū)分出來(lái)。 三種不同地表光譜反射曲線(xiàn)圖 我們使用ERDAS或ENVI等遙感應(yīng)用軟件已有功能我們可以根據(jù)植被或地物的光譜特性進(jìn)行影像相減、比值法進(jìn)行分類(lèi)。但是為了得到更好更細(xì)致的分類(lèi)效果，在農(nóng)業(yè)和林業(yè)遙感監(jiān)測(cè)中我們通常在利用光譜信息的基礎(chǔ)上使用更多的輔助分類(lèi)方法得到更豐富的分類(lèi)信息。2.1 多時(shí)相數(shù)據(jù)融合 可以利用不同時(shí)期的監(jiān)測(cè)數(shù)據(jù)進(jìn)行多時(shí)相數(shù)據(jù)融合、濾波處理迅速得到植被變化區(qū)域或變化程度，便于宏觀決策。如下多時(shí)相數(shù)據(jù)融合圖。 多時(shí)相數(shù)據(jù)融合圖2.2利用歸一化植被指數(shù)（NDVI）及農(nóng)作物生長(zhǎng)模型的綜合應(yīng)用所謂歸一化植被指數(shù)（NDVI）在農(nóng)業(yè)或林業(yè)監(jiān)測(cè)方面應(yīng)用十分廣泛。如下圖：植被對(duì)于不同波的反射曲線(xiàn)圖NDVI=（IR-R）/（IR+R）（IR為近紅外光波段，R為紅色波段）通過(guò)遙感影像NDVI指數(shù)的變換分析處理我們可以根據(jù)應(yīng)用需要達(dá)到幾個(gè)要求即：消除地形起伏的影響減少大氣的輻射和反射影響利用歸一化可以改正掃描角和亮度的影響。另外，在精細(xì)農(nóng)業(yè)生產(chǎn)中為了預(yù)先統(tǒng)計(jì)農(nóng)作物的產(chǎn)量、計(jì)算種植面積或者監(jiān)測(cè)病蟲(chóng)害情況等，我們可以將農(nóng)作物的NDVI指數(shù)與農(nóng)作物的生長(zhǎng)模型一起綜合考慮進(jìn)行分類(lèi)統(tǒng)計(jì)。以水稻種植為例： 水稻生長(zhǎng)期模型曲線(xiàn)圖：水稻生長(zhǎng)期模型曲線(xiàn)圖NDVI指數(shù)隨月份（1-8）變化曲線(xiàn)見(jiàn)下圖：水稻NDVI指數(shù)隨時(shí)間變化圖綜合考慮NDVI指數(shù)及水稻生長(zhǎng)模型后的遙感影像進(jìn)行分類(lèi)結(jié)果見(jiàn)下圖： NDVI指數(shù)+水稻生長(zhǎng)模型分類(lèi)結(jié)果圖中黃色為RICE1，深灰為RICE2，淺灰為RICE3，紅色為建筑物，藍(lán)色為水域，綠色為稀疏植被。RICE1、RICE2和RICE3細(xì)為三個(gè)不同生長(zhǎng)階段的水稻，它被分為三類(lèi)。經(jīng)實(shí)地檢驗(yàn)，分類(lèi)精度符合預(yù)想的統(tǒng)計(jì)分類(lèi)要求可以用來(lái)估計(jì)水稻的產(chǎn)量。2.3 各種機(jī)械或經(jīng)驗(yàn)?zāi)Ｐ驮谶b感監(jiān)測(cè)及影像分類(lèi)中的綜合應(yīng)用 在有些遙感影像分類(lèi)過(guò)程中除了需要了解地物基本反射光譜特性以外還可以加入輔助決策信息如作物生長(zhǎng)模型WOFOST及SUCROS等因素。這些模型主要設(shè)計(jì)用于如禾本科等草本作物，針對(duì)各種作物考慮專(zhuān)用的一套參數(shù)，進(jìn)而模擬作物從出苗、營(yíng)養(yǎng)生長(zhǎng)、生殖生長(zhǎng)直到作物衰老死亡的整個(gè)生長(zhǎng)循環(huán)過(guò)程。所以在遙感影像分類(lèi)過(guò)程中由這些模型庫(kù)中各種農(nóng)作物的模型參數(shù)特點(diǎn)等等信息作為專(zhuān)家知識(shí)進(jìn)行輔助分類(lèi)。也可以作為分類(lèi)的判決條件大大提高分類(lèi)效果。 總之，在實(shí)際分類(lèi)過(guò)程中以上三種分類(lèi)一般都是綜合進(jìn)行的，作為分類(lèi)判決條件越精確那么分類(lèi)的效果會(huì)更好，這需要了解植被、土壤、水等等基本地物要素在不同條件下的基本屬性。3利用高程信息輔助分類(lèi)技術(shù) 在常用的遙感分類(lèi)算法中，大多數(shù)是基于光譜信息進(jìn)行的，而高分辨率遙感影像具有豐富的紋理信息，并且在后期處理過(guò)程中很容易地提取高程信息，因此在分類(lèi)中除了利用常用的基于光譜信息外，常常引入相應(yīng)的高程等三維信息進(jìn)行分類(lèi)，其效果也十分地明顯，經(jīng)實(shí)驗(yàn)證明是一種提高分類(lèi)精度的有效措施。 我們知道在山地、丘陵等地形變化的地區(qū)，由于地形起伏的影響，地物的光譜將發(fā)生不同的變化。例如在不同坡面上的同一種類(lèi)型的地物在影像上可能表現(xiàn)為不同的光譜響應(yīng)特性，而位于不同坡面上的不同類(lèi)型的地物在影像上可能又表現(xiàn)為相同的光譜響應(yīng)特性。 在遙感影像分類(lèi)總加入高程信息判斷條件是：某類(lèi)別的先驗(yàn)概率P（wi）和某個(gè)高程帶區(qū)h中分布的先驗(yàn)概率P（wirn）不相同，即P（wi）P（wirn）。所以可以將Bayes分類(lèi)器中的判別函數(shù)變?yōu)椋篜（wiX，rn）= (P（wiX，rn）. P（wirn）)/P(X) 如果高程信息的引入不顯著改變隨機(jī)變量X的統(tǒng)計(jì)分布特性，那么帶有高程信息的Bayes分類(lèi)器中的判別函數(shù)可變?yōu)镻（wiX，rn）= (P（Xrn）. P（wirn）)/P(X) 我們?cè)趯?shí)際軟件分類(lèi)算法中一般利用已有的和遙感影像配準(zhǔn)糾正完成的數(shù)字高程模型數(shù)據(jù)來(lái)確定影像中沒(méi)一個(gè)像素的高程數(shù)值h，然后依據(jù)h選擇相應(yīng)的類(lèi)別先驗(yàn)概率P（wirn）。所以在充分考慮到高程不同的影響因素后我們就可以使分類(lèi)結(jié)果更加地精確。 另外在建筑物密集的城區(qū)我們同樣可以利用建筑物的高程信息來(lái)對(duì)不同層次的建筑進(jìn)行分類(lèi)。如果有立體遙感像對(duì)，我們可以建立立體測(cè)圖環(huán)境，測(cè)繪建筑物的高度，直接得到各建筑物的離散點(diǎn)高度信息。另外我們可以通過(guò)測(cè)量建筑物的陰影長(zhǎng)度來(lái)計(jì)算建筑物的高度。建筑物的高度h和陰影長(zhǎng)度L的關(guān)系為： 。為太陽(yáng)高度角。一定的情況下，建筑物的高度和陰影長(zhǎng)度的關(guān)系也保持不變，所以在同一影像上可以根據(jù)建筑物陰影長(zhǎng)度計(jì)算建筑物高度。在得到高度信息后我們經(jīng)過(guò)一系列處理可以得到建筑物高度影像而作為一個(gè)波段引入融合影像中，將高程信息作為主要因素對(duì)建筑物進(jìn)行分類(lèi)。在利用多光譜信息及高程信息四個(gè)波段進(jìn)行分類(lèi)后可以基本區(qū)分高層建筑及中層建筑。當(dāng)然我們也可以進(jìn)一步結(jié)合遙感影像紋理信息進(jìn)行特征分類(lèi)得到不同高度建筑物分類(lèi)詳細(xì)結(jié)果。中國(guó)地震局宋曉宇作過(guò)這方面的實(shí)驗(yàn)研究，得到很好的效果。4面向?qū)ο蟮奶卣飨嚓P(guān)屬性分類(lèi)技術(shù) 在當(dāng)前許多傳統(tǒng)高分辨率遙感影像分類(lèi)軟件中都是基于像素的分類(lèi)，考慮單個(gè)像素的特性。但是這種分類(lèi)方法有很大局限性。首先，基于像素的分析的不能滿(mǎn)足有著多樣信息的高分辨率遙感圖像，它沒(méi)有顧及影像的不同類(lèi)型及信息多樣性；其次，基于像素的分析主要是利用影像顏色的灰度數(shù)值及部分紋理信息而沒(méi)有充分利用影像中地物類(lèi)別間及同類(lèi)地物之間的各種相關(guān)屬性。因此在分類(lèi)中我們可以使用面向?qū)ο蟮奶卣飨嚓P(guān)分類(lèi)技術(shù)。所謂面向?qū)ο蟮奶卣鞯姆诸?lèi)主要有兩個(gè)特點(diǎn)：4.1 多分辨率多尺度的影像分割 多分辨率多尺度的影像分割就是對(duì)遙感影像按照一定的尺度依據(jù)紋理或者亮度變化自動(dòng)分割（Segmentation）成大小不一的小區(qū)域，以作為進(jìn)一步分類(lèi)的基礎(chǔ)。切割過(guò)程是一個(gè)非監(jiān)督的約束的最優(yōu)化步驟，使影像對(duì)象的帶有權(quán)重的異質(zhì)性達(dá)到最小化。影像分割主要和分割的比例尺參數(shù)、顏色與形狀的比例、類(lèi)間緊密度與平化度等三個(gè)參數(shù)有關(guān)，并以影像對(duì)象大小為權(quán)重來(lái)進(jìn)行運(yùn)算。在每一次的影像分割任務(wù)都有其自己特定的尺度。例如具有區(qū)分房屋和樹(shù)木的分類(lèi)主題很明顯地要比一個(gè)區(qū)分森林和城市的分類(lèi)主題形容的是一個(gè)更小的尺度。每一個(gè)主題都需要影像對(duì)象具有最恰當(dāng)?shù)某叨群娃D(zhuǎn)遞對(duì)于特定分類(lèi)任務(wù)最佳的信息。包含了對(duì)于樹(shù)木和房屋的分類(lèi)最佳信息的影像對(duì)象，與帶有對(duì)于森林和城市的分類(lèi)最適當(dāng)信息的切割相比，顯然平均要明顯小得多。所以多分辨率的切割使得可以用一個(gè)簡(jiǎn)單的途徑對(duì)影像的分辨率進(jìn)行調(diào)整，以適應(yīng)特定的分類(lèi)精度任務(wù)和特定的數(shù)據(jù)也有利于后期統(tǒng)計(jì)分析。它特別是適合紋理的或低對(duì)比度的數(shù)據(jù)，可以形成金子塔式的分割層。 在對(duì)新的圖像數(shù)據(jù)進(jìn)行分割時(shí)，最適宜的方法是先做試驗(yàn)，充分利用色彩信息，使用不同的參數(shù)進(jìn)行不同尺度的分割，直到取得滿(mǎn)意的結(jié)果。見(jiàn)圖9： 分割比例尺參數(shù)25 不同分割參數(shù)對(duì)比圖 分割比例尺參數(shù)404.2 利用特征相關(guān)屬性進(jìn)行分類(lèi) 在面向?qū)ο蟮姆诸?lèi)過(guò)程中主要使用的分類(lèi)特征相關(guān)屬性有繼承屬性、分組屬性、先驗(yàn)知識(shí)判斷及地物特征相關(guān)等屬性。所謂繼承屬性是指父對(duì)象把它們的屬性傳遞給子對(duì)象。在父對(duì)象中的變化無(wú)需在每一個(gè)子對(duì)象中重做，因?yàn)樽訉?duì)象自動(dòng)繼承了這些變化。例如：父類(lèi)“水體”可用光譜平均值來(lái)描述。它把它的類(lèi)型描述傳遞給子類(lèi)“河流”和“湖泊”?！昂恿鳌焙汀昂础边@兩個(gè)不同的子類(lèi)就繼承包含了水體相同的類(lèi)型描述。分組屬性是指用分類(lèi)中用不同語(yǔ)義來(lái)定義不同的類(lèi)別。它允許非常不同的類(lèi)型分組為一個(gè)具有通常語(yǔ)義的更高的類(lèi)。例如：類(lèi)型“城市林地”、“城市不透水表面”和“城市綠地”在繼承層次中是不同類(lèi)型“森林”、“不透水表面”和“草地”的子類(lèi)，從這些類(lèi)型中繼承了它們的類(lèi)型描述的一部分。然而，在分組層次中它們是同一個(gè)父類(lèi)“城市”的子類(lèi)，“城市林地”、“城市不透水表面”和“城市綠地”成為同一個(gè)高層語(yǔ)義類(lèi)型的一部分。先驗(yàn)知識(shí)判斷指的是在分類(lèi)中可以加入專(zhuān)家或常識(shí)性知識(shí)輔助分類(lèi)。例如，我們發(fā)現(xiàn)影像上的在城區(qū)建筑物包圍中有一大片形狀不規(guī)則的綠地，我們依據(jù)常識(shí)可以判斷其可能為公園；由影像上的水域的長(zhǎng)度和寬度我們可以很容易區(qū)分湖泊和河流；另外根據(jù)林地的稀疏（類(lèi)間距離）可以區(qū)分不同類(lèi)型的樹(shù)種。地物特征相關(guān)屬性是指在分類(lèi)中充分利用對(duì)象特征如圖層值、顏色、紋理、形狀、面積、專(zhuān)題屬性、長(zhǎng)度、亮度、標(biāo)準(zhǔn)值、方差等等我們能想到的全部特征進(jìn)行綜合判決。不同的組合可以實(shí)現(xiàn)不同的分類(lèi)要求。下圖即為面向?qū)ο蠓诸?lèi)的實(shí)驗(yàn)效果：5 總結(jié)與展望 從上文可以看出，基于光譜信息及相關(guān)監(jiān)測(cè)模型綜合分類(lèi)技術(shù)、利用高程信息輔助分類(lèi)技術(shù)和面向?qū)ο蟮奶卣飨嚓P(guān)屬性分類(lèi)技術(shù)這三種分類(lèi)方法在對(duì)高分辨率遙感影像分類(lèi)過(guò)程中都取得了很好的效果。當(dāng)然了，在實(shí)際生產(chǎn)中我們必須根據(jù)我們統(tǒng)計(jì)分類(lèi)目的需要來(lái)選擇分類(lèi)方法，為了是分類(lèi)結(jié)果更好我們應(yīng)盡量使用已有的判決條件或者輔助其它相關(guān)分類(lèi)信息進(jìn)行分類(lèi)。在使用基于光譜信息及相關(guān)監(jiān)測(cè)模型綜合分類(lèi)方法對(duì)一幅遙感影像進(jìn)行分類(lèi)時(shí)我們更多關(guān)注的是影像中地物在不同環(huán)境或不同時(shí)間條件下的光譜特性而不僅僅是關(guān)注影像本身所包含的光譜信息，而且通過(guò)這種分類(lèi)還可以為下一次的分類(lèi)建立更準(zhǔn)確的相關(guān)監(jiān)測(cè)輔助分類(lèi)的模型。對(duì)于利用高程信息輔助分類(lèi)技術(shù)進(jìn)行遙感影像分類(lèi)在當(dāng)前還是有一定的局限性，只是在植被或不同高度的建筑物分類(lèi)中比較有效，同時(shí)應(yīng)輔助紋理等信息。不過(guò)這種分類(lèi)技術(shù)使我們的視野把影像從二維轉(zhuǎn)換到三維，可以為三維建模提供參考。面向?qū)ο蟮奶卣飨嚓P(guān)屬性分類(lèi)方法是一種新型的影像分類(lèi)技術(shù)，他打破了像素的局限，充分利用了地物內(nèi)在的特征相關(guān)性，使用一種模糊邏輯語(yǔ)言來(lái)分類(lèi)。這種分類(lèi)方法已經(jīng)在商業(yè)軟件Ecognition中得到很好的應(yīng)用。 總之，本文只是對(duì)提出的三種分類(lèi)方法進(jìn)行了初步分析與探討，要想在實(shí)際生產(chǎn)中得到更好的應(yīng)用必須做更多的實(shí)驗(yàn)分析和研究，積累更多的分類(lèi)判決知識(shí)。隨著遙感影像分辨率越來(lái)越高，獲取的光譜信息越來(lái)越豐富，影像分類(lèi)技術(shù)也會(huì)越來(lái)越多，高分辨率遙感影像將在人們生產(chǎn)生活中得到更廣泛更深入的應(yīng)用。參考文獻(xiàn)1 李德仁.周月琴、金為銑.影像信息處理學(xué).武漢：武漢大學(xué)出版社,1996.2 宣家斌.航空與航天攝影技術(shù).武漢：測(cè)繪出版社，1991.3 李德仁.攝影測(cè)量與遙感概論.北京: 測(cè)繪出版社，2001.4 孫家柄,舒寧,關(guān)澤群. 遙感原理、方法和應(yīng)用. 北京：測(cè)繪出版社,1997.5 李德仁.空間信息學(xué)及其應(yīng)用.武漢: 武漢測(cè)繪科技大學(xué)出版社，1998.6 張永生，鞏丹超.高分辨率遙感衛(wèi)星應(yīng)用-成像模型、處理算法及應(yīng)用技術(shù).北京: 科學(xué)出版社，20047 宋曉宇.高分辨率衛(wèi)星影像在城市建筑識(shí)別中的應(yīng)用.北京: 遙感信息，20028 林輝，童顯德.遙感技術(shù)在我國(guó)林業(yè)中的應(yīng)用與展望.北京: 遙感信息，20029 ECognition培訓(xùn)教材.北京現(xiàn)代天目影像技術(shù)有限公司,2004年8月.10 Andr Mller* & Ursula Benz* eCognition and hyperspectral HyMap data allow advanced land use classification.德國(guó)：2001年8月.11 Agricultural parcel detection with eCognition 2.0德國(guó)：Definiens Imaging GmbH 2001年8月12 Ioannis