第33卷增刊2008

年10月

测绘科学

ScienceofSurveyingandMapping

Vol 33SupplOct 2008

面向对象的高分辨率遥感影像土地覆盖信息提取

王文宇,李 静

( 北京建筑工程学院,北京 100044; 北京东方道尔科技有限公司,北京 100032)

!摘 要 利用高分辨率影象提取土地覆盖信息的关键技术在于如何利用丰富的纹理信息来弥补光谱信息的不足。

面向对象的图像分类技术改变了传统的面向像素的分类技术:(1)用来解译图像的信息并不在单个像元中,而是在图像对象和其相互关系中;采用多分辨率对象分割方法生成图像对象,提高了分类信息的信噪比;基于对象的分类技术不同于纯粹的光谱信息分类,图像对象还包含了许多的可用于分类的一些其他特征:形状、纹理、相互关系、上下关系等信息。面向对象的土地覆盖分类结果与传统分类方法相比,其特征提取算子更加地适合于几何信息和结构信息丰富的高分辨率图像的自动识别分类。!关键词 高分辨率遥感图像;图像分类;面向对象

!中图分类号 TP79 !文献标识码 A !文章编号 1009 2307(2008) 0196 02DOI:10 3771/j issn 1009 2307 2008 07 078

1 引言

随着高分辨率卫星遥感系统(空间分辨率优于5m,特别是1m左右)投入商业运行,实时、高精度、可靠的遥感数据越来越受到重视。现代高分辨率的卫星图像实际上已超过了许多航空像片的分辨率,如比例尺为1#10000的航空像片的分辨率大约为2m左右,而0 61m分辨率的Quick Bird图像大约相于比例尺在1#5000左右的航空像片,随着卫星图像分辨率进一步提高,遥感图像上不仅能显示出大的地形地貌,还能清楚地反映出地物的细部特征,在这种图像上进行小斑区划和面积求算可以高精度地满足生产要求[1]。高分辨率图像的光谱分辨率并不高,往往其几何纹理信息丰富,图像上地物景观的结构、形状、纹理和细节等信息都非常突出。

近些年来,面向对象的分类方法成为一种主要的地面分类的方法,在分类时不能仅依靠其光谱特征,更多的是要利用其几何信息和结构信息[2]。专业高分辨率遥感影像分类软件eCognition是基于影像空间和波谱两方面信息的信息提取,采用全新的面向对象的图像分类技术来进行影像的分类和信息提取,是直接面向高分辨率影像和雷达影像的分类处理。高分辨率影像的出现和分类技术方法的改进,为城市中土地覆盖现状分析开辟了新的道路。本文以高分辨率遥感影像数据为基础,设计分类算法,提高城市土地覆盖信息提取的自动化水平。

2 方法

一般来说,面向对象的分类技术包括二个主要的步骤:图像分割和图像分类。图像分割后影像的最小单元不再是单个的像素,而是一个个对象。从二维的图像信息阵列中恢复出图像所反映的景观场景中的目标地物的空间形状及组合方式。后续的图像分类技术基于图像对象进行。图像

作者简介:王文宇(1974 ),女,江苏盐城人,博士,讲师,研究方向为环境遥感与地学分析。E mai:lwangwenyu@bucea edu cn收稿日期:2008 08 20

基金项目:2008年北京市教委科技计划项目(KM200810016004)

对象是一系列的相似的图形区域,以一种独特的形式简单地反映了影像包含的信息(形状、纹理、颜色等)。2 1 图像分割

对象的适度分割是精确分类的基础。多分辨率对象分割方法生成图像对象,多分辨率对象分割将一幅图像中形成鲜明对照的相邻的区域独立开来,即使这些区域有某种纹理或噪声。多分辨率对象分割方法生成的一个项目能包含一个有不同分辨率不同的对象分割水平的分类网络,这些类的结构同时代表了不同尺度图像信息。影像的对象可被分成详细的子类组成。不同对象分割可以被用于构造一个分等级的图像对象。分等级分类中的每一层次是通过一个分割过程产生的,这种分等级的结构显示了在不同分辨率影像的信息,更细的对象是比较模糊对象的子类,因此,每个对象都能知道其纹理、邻域和子对象,在这种分等级的分类结构上进行分类,可以确定对像之间的上下文关系与等级关系。可见,图像对象与单个的像元用于分类的特征相比,提高了分类信息的信噪比,即多数的外加的信息的独立性使得分类更加精确。2 2 图像分类

图像分类是一种常用的图像解译技术,将像元根据某种条件划分为不同的类别。该技术广泛地用于各个领域和各种应用。传统的图像分类技术是基于不同地物的光谱特征。由于受到 同物异谱%和 异物同谱%现象的存在,使得在具体应用时受到限制。

通过定义图像对象波谱和空间的多种特征并指定不同权重,建立分类标准,然后对影像分类。分类时先在大尺度上分出 父类%,再根据实际需要对感兴趣的地物在小尺度上定义特征,分出 子类%。图像分类的方法有很多,其中监督分类也是融合了多种算法。值得一提的是,运用模糊最近邻分类器来更加简单快速地分类,允许用户通过模糊的规则明确地表达分类要求。采用模糊分类法,对类进行描述可用不确定性。更便于用户根据实际情况进行调整,其分类结果更能表达了关于世界的不确定的人类知识,并产生与人类语言、思考和想法更接近的分类结果。

3 实验

本研究选取北京朝阳公园内部为试验区,朝阳公园是北京市最大的公园,面积320公顷,其中水系67公顷,陆地253公顷,公园内部及周边地区地物多样,便于进行土地覆盖现状的分析实验。用于研究的卫星影像是2002年7月5日的QuickBird数据,地面分辨率最高可以达到0

增刊 王文宇等 面向对象的高分辨率遥感影像土地覆盖信息提取土地利用类型主要为水体、绿地、非植被(建筑物和道路、裸露地面)。在影像图上植被表现出相对均质的成片墨绿色调,色调变化较大,影像整体色调呈墨绿色,反差较小,

分类难度较大。

197

显的差异,道路多为条带状,而建筑用地则多为团状。通过形状因子长宽比来区分,经过多次试验,将阈值大于25的对象被归属为道路。

为了对分类精度进行评价,本研究将实地考察与影像目视判读结合起来,选取了样本数据,并通过对这些样本数据与分类结果一致性的比较。分类的总精度为71%,其中,裸地、道路、建筑物的分类精度低于总精度,可见,二级分类的判别规则还需要进一步加入约束条件。

4 结束语

利用高分辨率遥感数据,进行土地覆盖现状监测,及时准确的获取变化信息,从而为有关部门进行土地的规划和管理提供准确科学依据就有着十分重要的意义;同时也加快了土地管理工作的节奏,提高了成果的质量,特别是为土地管理工作的可持续发展战略奠定了坚实的基础,具有广阔的发展前景。

致谢:感谢中国科学院遥感地面站李彤提供的高分辨率影象数据和帮助!

参考文献

[1]

林辉,吕勇,宁晓波 基于高分辨率卫星图像的立木材积表的编制[J] 林业科学,2004,(4):33 39

张秀英,杨敏华,刘常娟,王振兴 面向对象遥感分类新技术在第二次土地调查中的应用[J] 遥感信息,2008,(3):77 80

图1 朝阳公园QuickBird 图2 土地覆盖分类图

影像图 解译高分辨率的影像之前,进行图像分割。初始尺度参数设置为一个较大的值,然后根据所得到的分割结果进行调整。在本研究中,先将尺度参数设置为120,形状0 3,光滑度0 9对影像进行一个粗略的分割(大尺度分割),这次分割目的是区分水体和陆地(植被和非植被)信息。归一化植被指数NDVI很容易区分植被和水体。经过多次试验,将NDVI>0 3的对象被归属为植被;|NDVI|<0 08的对象归属为水体。在初分类结果的基础上,对分类结果对象进行手工修改,得到一级分类结果。在第一级分类的基础上,以水体和植被为掩膜,再以尺度参数60,形状0 6,光滑度0 9进行分割,目的是将道路、建筑用地与裸地区分出来,道路与建筑用地在形状上却存在着较明

[2]

Object orientedlandcoverinformationextractionfromhigh resolutionremotesensingimages

Abstract:Usinghigh resolutionimagesfromlandcoverinformationtechnologyisthekeytohowtomakeuseofrichtexturespec trumofinformationtomakeupforthelackofinformation Object orientedimageclassificationtechnologyhaschangedthetraditionalclassificationofthepixel orientedtechnology:Tointerprettheimageinformationisnotinasinglepixe,lbutintheimageobjectsandtheirmutualrelations;usingmulti resolutionimagesegmentationmethodofgeneratingtargets,raisingtheclassificationofinformationSNR;Object basedclassificationisdifferentfromapurelytechnicalspectrumofinformationclassification,imagealsocontainsmanyobjectscanbeusedfortheclassificationofsomeothercharacteristics:shape,texture,mutualrelations,relationsandcontextetc BasedoneCognitionlandcoverclassificationresultscomparedwiththetraditionalclassification,featureextractionandoperatorformoreinformationonthegeometryandstructureofinformation richhigh resolutionimagesofautomaticidentificationclassification

Keywords:high resolutionremotesensingimage;imageclassification;object oriented

WANGWen yu,LIJing( BeiJingInstituteofCivilEngineeringandArchitecture,Beijing100044,China; Beijing,SeoulNationalRoadEastTechnologyCo ,Ltd ,Beijing100032,China)(上接第206页)

参考文献

[1]

邓聚龙 灰色预测与决策[M] 华中工学院出版

社,1986

[2][3][4]

陈永奇,吴子安,吴中如 变形监测分析与预报[M] 北京:测绘出版社,2003

王海城,何义斌 水准测量内外业PDA一体化系统开发[J] 测绘科学,2007,(3) 王海城,何义斌 基于DINI12电子水准仪记录数据标准化处理方法[J] 测绘科学,2007,(1)

Designanddevelopingofsettlementmonitoringdata processingsystem

Abstract:Settlementmonitoringplaysavitalroleinprojectconstruction Ahigherdemandisrequestedinmonitoringdata pro cessingtoolsandtheaccuracyofforecastingalongwiththeimprovementofthemonitoringequipmentandmeansofmeasuring Itisanurgentissuesonhowtomakemonitoringandforecastingtobeintegration Thispaperdescribestheneeds,characteristics,designideasandmainmodulesfunctionofsettlementmonitoringdataprocessingsystemandintroducesthestepsofthesystemsthroughexamples Thesystemimplementdatacollection,processingadjustment,forecastinganalysisandgreyforecasting

Keywords:settlementmonitoring;data processing;GM(1,1)mode;lsystemdevelopment;deformationforecast

&

WANGHai cheng,HEYi bin,WANGWen tao( HebeiResearchInstituteofInvestigation&DesignofWaterConservancy&Hydropower,Tianjin300250,China; SchoolofGeodesyandGeomatics,WuhanUniversity,Wuhan430079,China;&ChineseAcademyofSurveyingandMapping,Beijing100039,China; AgricultureUniversityofHebe,iHeBeiBaoding071001,China)