張紫萍，程小凱，李景文

(1.桂林理工大學土木與建筑工程學院廣西空間信息與測繪重點實驗室，廣西桂林541004; 2.陜西省第一測繪工程院,陜西西安710054)

基于分水嶺和多尺度分割方法的耕地信息提取

張紫萍1，程小凱2，李景文1

(1.桂林理工大學土木與建筑工程學院廣西空間信息與測繪重點實驗室，廣西桂林541004; 2.陜西省第一測繪工程院,陜西西安710054)

在探討了分水嶺和多尺度相結合的影像分割方法的基礎上，研究了高分辨率影像耕地的信息分類以及分類精度評定；重點對影像分類精度進行了分析，在影像分類的過程中，分別采用基于像素的分類方法和基于對象的分類方法，實驗結果表明基于對象的耕地分類方法精度遠高于傳統(tǒng)的分類方法。

高分辨率影像；耕地；信息提取

隨著城市化進程的加快，全國耕地面積逐年減少，實時監(jiān)測和統(tǒng)計全國耕地資源已成為國土管理部門關注的問題。通過遙感影像自動提取耕地信息，可以有效提高耕地資源的監(jiān)管效率，可為國土管理部門做出決策提供有力依據(jù)[1]。為此，國內(nèi)外眾多學者提出了一系列自動提取遙感影像中耕地信息的算法和方法[2-5]，如基于數(shù)學形態(tài)學的分析方法、紋理特征分析方法、統(tǒng)計分析方法、區(qū)域生長方法、分水嶺方法等[6,7]。其中，分水嶺方法作為一種有效分割影像的方法，主要用于影像檢測、形態(tài)分析等方面；但采用分水嶺方法提取耕地信息是以影像像素為最基本單元，提取過程耗時耗力，提取目標也不純凈。本文采用參考文獻 [7]的分水嶺與多尺度相結合的方法，把不同尺度分割后的影像作為提取對象并進行分類，進而得到精度較高的耕地信息，避免了以像素為單位的信息提取帶來分割過細的問題。

1 分水嶺與多尺度相結合的影像分割方法

影像分割是把影像分成各具有特性的區(qū)域并提取出感興趣的目標的技術和過程，其目的是將一幅影像分成幾個區(qū)域，這幾個區(qū)域之間具有不同的屬性，同一區(qū)域中各像素具有某些相同的性質。傳統(tǒng)的遙感信息提取方法都是建立在像素的統(tǒng)計特征基礎上的，很少利用地物的形狀、幾何結構等信息，分類精度較低、效率不高，而且依賴解譯人員，很大程度上不具備重復性[8]。

文獻 [7]提出的分水嶺與多尺度相結合的分割方法是從綜合梯度計算、分水嶺分割及多尺度區(qū)域合并等關鍵環(huán)節(jié)分割影像。該方法首先通過濾波處理計算融合了亮度梯度和紋理梯度的綜合梯度；然后對得到的綜合梯度影像進行分水嶺分割，在此過程中需要重點確定高分辨率影像光譜、形狀、紋理同質性度量標準；最后在得到的初步分割影像中，將光譜、紋理、形狀同質性度量值最小的區(qū)域采用多尺度區(qū)域合并方法輸出滿足條件的合并影像，主要過程如圖1所示。

圖1 基于分水嶺和多尺度分割方法的耕地信息提取步驟

2 耕地信息提取過程

影像耕地信息提取的整個過程包括影像預處理、影像分割、影像分類、精度分析與評定及影像輸出等關鍵環(huán)節(jié)，具體如圖 2所示。在這個過程中本文首先對輸入影像采用分水嶺與多尺度分割方法初步提取耕地信息；然后對得到的分割影像采用面向對象方法進行分類；最后對耕地信息分類的結果做精度分析與評定，完成影像耕地信息提取。

根據(jù)廣西獨特的喀斯特地貌特征，選擇山區(qū)的水田區(qū)域作為實驗區(qū)。實驗區(qū)域大小為400像素×400像素，分辨率為1m的正射影像。此區(qū)域地類信息豐富，可以清晰地分辨出道路、山體、耕地、水體、裸地等地物。

圖2 耕地信息提取過程

2.1 耕地信息分割

通過對不同尺度分割效果的分析，實驗區(qū)選用 3個分割尺度20、35（耕地最優(yōu)尺度）、90，設定顏色因子權重值為 0.8，形狀因子權重為 0.2，其中光滑度為0.7，緊密度為0.3。利用設定的參數(shù)，分別得到各尺度下的分割對象圖，分割結果如圖3所示。

圖3 高分辨率影像分水嶺與多尺度相結合分割結果

2.2 耕地信息分類

影像分類的對象是原始影像及各種變換之后的影像。運用決策理論或統(tǒng)計方法對變量特征空間進行劃分來達到分類的目的。傳統(tǒng)的分類方法是一種以影像像素為分析對象的方法，此方法僅從影像的光譜特征出發(fā)進行影像分析理解，所能獲得的結果信息是十分有限的。而面向對象的影像分類是采用支持決策樹的模糊分類方法，并給出每個對象隸屬于某一類的概率，便于用戶根據(jù)實際情況進行調整，可以按照最大概率產(chǎn)生確定分類結果。

獲得了分割影像后，則可利用影像分類方法劃分地物類別。采用傳統(tǒng)的分類方法與面向對象分類方法所得分類結果如圖 4、圖 5所示。面向對象分類采用eCognition軟件提供的特征空間優(yōu)化功能（FeatureSpace Optimization），根據(jù)實驗區(qū)特點，選用亮度（Brightness）、長寬比（Length/Width）、面積（Area）等特征，通過樣本選擇及特征選定，用最鄰近法對實驗區(qū)分類提取，得到的分類結果如圖5 a）所示。

在得到的初步分類結果中，耕地雖然被很好地與其他地類區(qū)分開來，但是可以看到有陰影部分存在，通過目視判讀可以發(fā)現(xiàn)，陰影部分主要壓蓋的是林地、道路和少量裸地與耕地。對陰影部分的處理方法為：結合ArcGIS，通過再分割以及人工干預，得到最終分類結果如圖5 b）所示。

圖4 傳統(tǒng)分類方法分割結果

圖5 面向對象分類方法分類結果

3 精度分析評定

在獲得影像中各地類分類結果后，分別對采用不同分類方法的分類結果精度進行評定。實驗以 Kappa系數(shù)評價整個分類圖的精度，以用戶精度和生產(chǎn)者精度來評價各地類的分類精度，隨機選取城鎮(zhèn)村及工礦用地、林地、水域、裸地、道路、耕地等地類的樣本，共5982個樣本點，對傳統(tǒng)的基于像元的分類結果進行精度評價，評價結果如表1所示。

表1 最大似然分類精度評價結果

在獲得分割影像結果后，則可以利用影像分類對影像繼續(xù)提取，區(qū)分地物類別。對實驗區(qū)的面向對象分類結果進行精度分析，與傳統(tǒng)分類方法選用相同的樣點，得到精度評價結果如表2所示。

表2 面向對象分類精度評價結果

通過表1、表2的精度評價結果，可得出如下結論：

1）基于像元的傳統(tǒng)分類方法中最大似然分類方法總精度為69.54%，Kappa系數(shù)為0.55；而面向對象的分類方法總精度為96.57%，Kappa系數(shù)為0.94，說明采用面向對象的分類方法所得各地類分類結果遠優(yōu)于傳統(tǒng)的分類方法。

2）基于像元的傳統(tǒng)分類方法中耕地的用戶精度為81.64%，生產(chǎn)者精度為42.56%；而面向對象分類方法中耕地用戶精度為94.37%，生產(chǎn)者精度為100%，說明面向對象的分類方法對耕地信息的分類精度也優(yōu)于傳統(tǒng)的基于像元的傳統(tǒng)分類方法。

4 結 語

基于分水嶺和多尺度分割的影像耕地信息提取方法將對象的思想引入耕地提取過程中，以對象為單元對影像進行分割、分類、提取。該方法不僅可以靈活地運用地物的形狀特征、光譜和紋理信息，而且能保持分類對象在空間上的連續(xù)性，改變了傳統(tǒng)的基于像元的影像分割方法，為今后高分辨率影像信息提取提供參考。

[1] 彭望琭.遙感概論[M].北京:高等教育出版社，2002

[2] QIN Qiming.Science of Surveying and Mapping[J].2000，25(2): 21

[3] P Gong，P J Howarth.A Comparison of Spatial Feature Extraction A lgorithm for L and -use Classification w ith SPOT HRV data [J].Remote Sensing of Environment，1992，40(2):137-152

[4] J R Baber，S A Briggs，V Cordon.Advances in Classification for L and Cover Mapping using SPOT HRV Imagery[J].INT.J.of Remote Sensing，1991，12(5):1071-1085

[5] PENG Gong.Performance Analyses of Probabilistic Relaxation Method for L and -cover Classification[J].Remote Sensing of Environment，1989，30(1):33-42

[6] 陳丹峰，林培，汲長遠.自組織網(wǎng)絡與模糊規(guī)則結合在遙感土地覆蓋分類中的應用研究[J].中國土地科學，1999，12(5): 42-44

[7] 李景文，張紫萍.基于分水嶺與多尺度相結合的影像分割方法[J].廣西師范大學學報:自然科學版，2012，30（1）：40-44

[8] 李敏，崔世勇.面向對象的高分辨率遙感影像信息提取-以耕地提取為例[J].遙感應用，2008(06):63-66

Extraction Method of Farmland Information Based on the Watershed and Multi-scale Segmentation

by ZHANG Ziping

Having discussed the image segmentation method which based on the combination of watershed and multi-scale,this paper researched the classification of high resolution image of farmland information as well as the analysis and evaluate of classify precision.It analyzed the precision of image classify.During the image classification,it used the sorting technique which based on both the pixel and the object.The experimental results show that the farmland sorting technique which based on the object has a much higher precision than the traditional technique.

high resolution image，farmland，information extraction

2011-11-15

項目來源：廣西自然科學基金重點資助項目 (桂科自2011GXNSFD018003)；國家自然科學基金資助項目 (11101101)。

P208

B

1672-4623(2012)03-0051-03

張紫萍，碩士，研究方向為GIS應用與研究。