姜 蕓,王 軍

(1.武漢大學(xué) 測(cè)繪學(xué)院,湖北 武漢 430079;2.國(guó)家測(cè)繪局黑龍江基礎(chǔ)地理信息中心,黑龍江 哈爾濱 150086)

多源遙感影像融合在哈大齊土地利用分類中的應(yīng)用

姜 蕓1,王 軍2

(1.武漢大學(xué) 測(cè)繪學(xué)院,湖北 武漢 430079;2.國(guó)家測(cè)繪局黑龍江基礎(chǔ)地理信息中心,黑龍江 哈爾濱 150086)

隨著遙感技術(shù)的發(fā)展,同一區(qū)域的多源遙感影像數(shù)據(jù)越來越豐富。以哈大齊為例,利用ETM+和SPOT-5數(shù)據(jù)探討不同遙感信息融合在土地利用過程中的處理方法,比較不同融合算法在土地分類中的差異,并進(jìn)行定性和定量比較。為有關(guān)部門進(jìn)行土地規(guī)劃、管理提供科學(xué)依據(jù)有著十分重要的意義。

多源遙感影像;數(shù)據(jù)融合;融合算法;土地利用

隨著現(xiàn)代遙感技術(shù)的發(fā)展,獲取的遙感影像越來越豐富。遙感技術(shù)的應(yīng)用逐步實(shí)現(xiàn)從定性調(diào)查制圖向定量統(tǒng)計(jì)分析過渡,從靜態(tài)現(xiàn)狀描述向動(dòng)態(tài)預(yù)測(cè)預(yù)報(bào)過渡,從單一傳感器影像的分析應(yīng)用向多波段、多傳感器、多平臺(tái)、多時(shí)相、多分辨率影像的綜合分析與應(yīng)用過渡,從通用向深化過渡。

本研究區(qū)域內(nèi)有覆蓋多個(gè)城市和地區(qū)的高分辨率的SPOT-5遙感影像資料,這些影像分辨率高,易于判讀,在國(guó)土資源調(diào)查等應(yīng)用中發(fā)揮了重要作用。然而由于單色調(diào),導(dǎo)致在目視中丟掉了許多重要的信息,如果通過假彩色影像處理,便可輕而易舉獲取多種有用信息。

1 研究區(qū)概況及數(shù)據(jù)源

本文以土地利用類型齊全的哈大齊工業(yè)走廊濱州鐵路沿線10 km區(qū)域作為實(shí)驗(yàn)區(qū),從定量和定性的角度對(duì)比分析不同的融合方法,對(duì)耕地、林地、牧草地、水域、居住用地、交通用地、未利用土地等不同類型的識(shí)別的影響。該研究采用SPOT-5影像1A級(jí)產(chǎn)品、ETM+的8波段影像。

2 PCA變換與a′Trous小波變換多分辨率影像融合算法

由于ETM+圖像的第一主成份的光譜特性與SPOT圖像的光譜特性并不完全一致,直接利用高分辨率影像替代第一主分量,導(dǎo)致丟失了部分多光譜影像的光譜信息,造成光譜失真。同時(shí)在小波變換融合增強(qiáng)中,多光譜影像增強(qiáng)的效果受到小波分解層數(shù)的影響,容易出現(xiàn)分塊效應(yīng)與地物紋理模糊。為此,將引入áTrous小波算法。在此基礎(chǔ)上提出了基于小波疊加的主成份變換融合算法,與原有的PCA和IHS方法相比,融合信息質(zhì)量得到明顯提高。這種方法利用小波變換特性,保持影像融合前后的光譜特性,同時(shí)利用PCA變換融合方法來增強(qiáng)多光譜圖像的空間細(xì)節(jié)表現(xiàn)能力。從而在增強(qiáng)融合影像的地物紋理特性的同時(shí),又保持了原始多光譜影像的光譜信息。

2.1 a′Trous算法

a′Trous小波算法的原理為:假設(shè)原影像數(shù)據(jù)為{C0(k)},經(jīng)過尺度函數(shù)φ(x)的一次濾波后所得數(shù)據(jù)為{C1(k)},則{C0(k)-C1(k)}包含兩尺度影像間的信息差,即細(xì)節(jié)信號(hào)(小波面)。a′Trous小波變換實(shí)際上將輸入影像數(shù)據(jù)分解為多個(gè)細(xì)節(jié)信號(hào)與一個(gè)背景信號(hào),影像的細(xì)節(jié)特征集中于小波面中,而原影像即為各細(xì)節(jié)信號(hào)與背景信號(hào)的疊加。該算法可以很容易地?cái)U(kuò)展到二維空間,在二維空間其算法類似于用卷積核對(duì)影像進(jìn)行濾波,由于B3-sp line對(duì)不規(guī)則樣本數(shù)據(jù)具有很好的插值性,通常選擇B3-spline作為尺度函數(shù)。

2.2 融合過程

PCA變換與a′Trous小波變換其融合過程如下:

1)將與高分辨的全色影像(SPOT-5)配準(zhǔn)后的低分辨率多光譜影像(ETM+)進(jìn)行PCA正變換,以獲得按照信噪比順序排列的各個(gè)分量(PC1、PC2等)。

2)將高分辨的全色影像(SPOT-5)與 PCA變換的第一分量(PC1)的直方圖匹配,使之與第一分量有相似的均值與方差,得到匹配后的新全色影像。

3)對(duì)新高分辨的全色影像(SPOT-5)進(jìn)行2層a′Trous小波分解,獲取該影像的近似影像和兩組小波面系數(shù)。

4)將PC1與兩組小波面系數(shù)進(jìn)行重構(gòu),得到新的PC分量。

5)將新的PC分量與其他主成份分量進(jìn)行PCA反變換,得到融合影像。

3 融合實(shí)驗(yàn)

為了驗(yàn)證新融合算法的正確性和有效性,本文針對(duì)哈大齊工業(yè)走廊的來自不同衛(wèi)星的多光譜(Landsat TM、ETM+)和全色圖像(SPOT-5)進(jìn)行實(shí)驗(yàn)。

3.1 原始影像

運(yùn)用本文的相關(guān)算法以及輔助Photoshop等遙感影像處理軟件對(duì)原始遙感影像進(jìn)行幾何校正、影像配準(zhǔn)、重采樣等預(yù)處理,截取大小為3 584×3 584 Pixesl的影像塊。其中,多光譜影像是由5、4、3三個(gè)波段合成的ETM+彩色影像,其光譜信息豐富,但分辨率(15 m)較低;而SPOT-5全色波段影像的分辨率(2.5 m)和清晰度較高。實(shí)驗(yàn)影像如圖1所示。

3.2 ETM+數(shù)據(jù)的幾種融合算法的實(shí)驗(yàn)

實(shí)驗(yàn)結(jié)果如圖2所示。

3.3 定性評(píng)價(jià)

從主觀目視評(píng)價(jià)效果方面,通過對(duì)實(shí)驗(yàn)結(jié)果對(duì)比可以明顯地看出,PCA變換與a′Trous小波變換多分辨率影像融合算法在分辨性、清晰性上有很大提高,很好地保留了多光譜圖像的光譜信息并突出了空間細(xì)節(jié)。從多光譜圖像光譜信息方面看,新方法最接近原始TM與ETM+多光譜圖像;在色彩上大致相同,局部與多光譜影像有明顯差異,但融合影像比多光譜影像更利于目視判讀。

3.4 定量評(píng)價(jià)

在目視判別的主觀評(píng)價(jià)基礎(chǔ)上,為了進(jìn)一步從空間細(xì)節(jié)特征的增強(qiáng)與光譜信息的保持兩方面綜合地定量地評(píng)價(jià)融合效果,選擇多個(gè)客觀統(tǒng)計(jì)參數(shù)來對(duì)融合后的圖像進(jìn)行分析。1)反映空間細(xì)節(jié)信息的參數(shù):均值、標(biāo)準(zhǔn)差、信息熵和平均梯度。2)反映光譜信息的參數(shù):偏差指數(shù)與相關(guān)系數(shù)。參數(shù)結(jié)果如表1所示,由各參數(shù)結(jié)果比較可知:

表1 ETM+影像不同融合算法的定量參數(shù)比較

①圖2(J)與圖2(A-I)信息熵相比較,其值較大,與原始影像基本持平,表明融合影像將原始影像所含信息量很好的進(jìn)行了保留,達(dá)到了富集的作用。

②圖2(J)與圖2(A-I)平均梯度相比較,其值較大,略低于Brovey變換融合,表明融合影像較清晰,較好的提高了影像的空間分辨率,能夠提高解譯、分類的精度。

③圖2(J)與圖2(A-I)相比較,圖2(J)偏差系數(shù)較小,相關(guān)系數(shù)較大,表明融合影像與原始影像更相似,光譜特性更接近。

因此,通過以上參數(shù)的比較,PCA與小波多分辨率影像融合無(wú)論在主觀定性評(píng)價(jià)還是在客觀定量評(píng)價(jià)中,都較其它的融合方法效果好,與原始影像的差異小。

4 影像融合前后土地利用分類精度比較

4.1 分類方法

為了進(jìn)一步研究不同的多源影像融合算法對(duì)于土地分類的影響,基于土地利用/覆蓋角度考慮,根據(jù)研究區(qū)域土地資源調(diào)查分類系統(tǒng)影像的分辨力,對(duì)典型樣區(qū)進(jìn)行簡(jiǎn)單分類,劃分為5個(gè)類別:荒地、鹽堿地、干旱田、水域、居民區(qū)。

在研究中采用了混合分類方法,既先進(jìn)行非監(jiān)督分類獲得初始分類模板,在對(duì)模板樣本進(jìn)行刪除、增補(bǔ)、合并等調(diào)整的基礎(chǔ)上進(jìn)行監(jiān)督分類,實(shí)驗(yàn)證明該方法比常規(guī)的監(jiān)督分類法明顯提高分類精度。混合分類方法改進(jìn)了訓(xùn)練樣本的選取方法,特別是明顯提高了耕地與林草地訓(xùn)練樣本的選取精度,減少兩者的混分現(xiàn)象。影像融合前后的土地分類統(tǒng)計(jì)面積,如表2所示。

表2 影像融合前后分類面積變化率比較

從比較數(shù)據(jù)中可以看到:

1)從整體看旱地與水域的面積變化率較小,可以考慮采用計(jì)算機(jī)非監(jiān)督分類的方式進(jìn)行面積分類。

2)本文采用的融合算法整體上看,面積變化率都比較小,光譜扭曲的程度最低,而且融入了高頻成分,使分類在高頻地物上提取更具優(yōu)勢(shì),在低頻地物的提取上效果也不錯(cuò),與原始影像相差不大。

4.2 精度分析

為了進(jìn)行精度比較,對(duì)ETM+影像與融合影像土地利用分類結(jié)果進(jìn)行分類精度比較,精度比較結(jié)果見表3。

從表3看,各融合方法影像融合后,土地利用各類別的提取精度都有不同程度的提高。本文使用融合算法,水域、荒地、鹽堿地、建成區(qū)、旱地面積類別分類正確率提高達(dá)到10%以上,分類總精度分別從78.09%提高到92.39%。

表3 影像融合前后分類精度分析

通過以上分析,可以得出以下結(jié)論:

1)根據(jù)研究區(qū)域的土地利用的特點(diǎn),在眾多的遙感影像融合算法中,通過實(shí)驗(yàn)樣區(qū)的影像融合實(shí)驗(yàn),從融合影像的光譜質(zhì)量、紋理信息及目視效果等方面對(duì)融合方法進(jìn)行比較,結(jié)果表明基于PCA變換與a′Trous小波變換多分辨率影像融合算法是本區(qū)域土地利用動(dòng)態(tài)監(jiān)測(cè)中較理想的融合方法。

2)通過對(duì)影像融合前后土地利用分類精度的比較,分類總精度分別從78.09%提高到92.39%。融合后的影像有利于進(jìn)行本區(qū)域的土地利用與土地覆蓋分類,適合計(jì)算機(jī)進(jìn)行監(jiān)督與非監(jiān)督分類。

5 結(jié)束語(yǔ)

由于高空間分辨率衛(wèi)星遙感數(shù)據(jù)的應(yīng)用剛起步,其正射糾正、融合、解譯和分析中存在的許多問題還有待解決。如何充分發(fā)揮高空間分辨率衛(wèi)星遙感數(shù)據(jù)的優(yōu)勢(shì),優(yōu)化高分辨率衛(wèi)星遙感數(shù)據(jù)解決方案,掌握數(shù)據(jù)處理與應(yīng)用的方法與技巧,挖掘數(shù)據(jù)應(yīng)用潛力是應(yīng)用高分辨率遙感數(shù)據(jù)進(jìn)行土地資源動(dòng)態(tài)監(jiān)測(cè)面臨的主要問題。

[1]YU D J,CHENG J S,YANG Y.App lication of EMD Method and Hilbert Spectrum to the Fault Diagnoisis of Roller Bearings[J].Mechanical systems and Signal Processing,2005,(19):259-270.

[2]馮志華,朱忠奎,劉剛,等.經(jīng)驗(yàn)?zāi)B(tài)分解方法的小波消失現(xiàn)象[J].數(shù)據(jù)采集與處理,2006,21(4):478-481.

[3]HARISHWARAN HARIHARAN,ANDREI GRIBOK, MONGIA.ABID I,et al..Image Fusion and Enhancement via Empirical Mode Decomposition[J].Journal of Pattern Recognition Research,2006,(1):16-32.

[4]王堅(jiān),張繼賢,劉正軍,等.基于經(jīng)驗(yàn)?zāi)B(tài)分解的高分辨率影像融合[J].遙感學(xué)報(bào),2007,11(1):55-60.

[5]張生,趙春三,楊桄,等.多光譜與高分辨圖像融合方法比較研究[J].遙感信息,2007,93(5):56-59.

[6]袁傳武,柯尊勝,陳雙田,等.多源遙感數(shù)據(jù)融合原理與模型結(jié)構(gòu)及應(yīng)用[J].西南林學(xué)院學(xué)報(bào),2007,27(5):14-17.

Application of multi-source remote sensing image data fusion to land use and classification in HA-DA-QI

JIANG Yun1,WANG Jun2
(1.School of Geodesy and Geomatics,Wuhan University,Wuhan 430079,China;2.Heilongjiang Center of SBSM,Harbin 150086,China)

With the development of remote sensing technology,multi-source remote sensing data the same area of is rich.Taken the DaJi as an examp le,using ETM+and SPO T-5 discusses different data of remote sensing info rmation fusion in the p rocess of land utilization,analyzes and compares the p rocessing methods in land classification of different fusion algo rithm,and the differences betw een qualitative and quantitative comparison.It is of great significance fo r relevant departments of land p lanning and management to p rovide the scientific basis.

multi-source remote sensing image;data fusion;fusion arithmetic;land use

TP751

A

1006-7949(2010)04-0034-05

2010-03-08

國(guó)家自然科學(xué)基金資助項(xiàng)目(40771195)

姜 蕓(1980-),女,博士研究生.

[責(zé)任編輯:張德福]