歲秀珍，阮仁宗，馬榮華，夏 雙

（1.河海大學(xué)地球科學(xué)與工程學(xué)院，江蘇南京210098；2.中國(guó)科學(xué)院南京地理與湖泊研究所，江蘇南京210008)

面向?qū)ο蟮亩喑叨人w信息提取

歲秀珍1，阮仁宗1，馬榮華2，夏 雙1

（1.河海大學(xué)地球科學(xué)與工程學(xué)院，江蘇南京210098；2.中國(guó)科學(xué)院南京地理與湖泊研究所，江蘇南京210008)

以安徽省阜陽(yáng)市阜南縣東南部為研究區(qū)，利用L and satTM數(shù)據(jù)，基于面向?qū)ο蟮亩喑叨确诸?lèi)方法，選取合適的分割尺度創(chuàng)建分類(lèi)對(duì)象；通過(guò)分析研究區(qū)各種地物復(fù)雜的光譜響應(yīng)特征，建立水體信息提取的知識(shí)規(guī)則集，對(duì)研究區(qū)水體進(jìn)行提取研究。研究表明，與傳統(tǒng)的利用單波段和NDW I等方法所提取的水體相比，規(guī)則推理法在提取水體時(shí)可以消除一些影像上其他干擾信息的影響，取得較好的提取效果和精度。除此之外，該方法簡(jiǎn)單易行，水體提取的規(guī)則集對(duì)于用戶(hù)來(lái)說(shuō)是透明的，易于理解。

規(guī)則推理；K-T變換；多尺度分割；面向?qū)ο?/p>

水文水資源已經(jīng)成為遙感研究的重要分支之一。通過(guò)對(duì)遙感影像的分析，獲得水體的分布，從而對(duì)一個(gè)地區(qū)的水資源和水環(huán)境等進(jìn)行評(píng)價(jià)，為水利、交通、航運(yùn)及資源環(huán)境等部門(mén)提供決策服務(wù)。常用的遙感影像水體提取方法主要是分析水體及背景地物的光譜值，利用單個(gè)波段或者是不同波段的組合來(lái)提取影像中的水體信息，從而達(dá)到所需效果。對(duì)于水體信息的提取國(guó)內(nèi)外學(xué)者進(jìn)行了大量深入的研究，目前常用的方法有：?jiǎn)尾ǘ伍撝捣?、比值法、差值法、歸一化水體指數(shù)法等。Juppd等通過(guò)分析TM影像光譜直方圖，選取TM 7波段閾值進(jìn)行水體信息的提取，單波段法簡(jiǎn)單易行但混分現(xiàn)象嚴(yán)重，精度不高[1]。楊存建等基于TM影像，利用TM 2+TM 3>TM 4+TM 5的波段組合特征有效提取了水體信息[2]；M cFeeter根據(jù)TM 2、TM 4波段間的關(guān)系，提出歸一化水體指數(shù) NDW I提取水體信息，該方法可以抑制土壤和植被信息，但難以抑制建筑物的信息[3]；徐涵秋在NDW I的基礎(chǔ)上提出改進(jìn)的歸一化水體指數(shù)MNDW I，在城區(qū)結(jié)合MNDW I的閾值提取水體信息取得了很好的效果[4]，提取精度明顯提高；都金康基于 SPOT影像的決策樹(shù)對(duì)水體進(jìn)行識(shí)別，該方法可以有效地去除山體陰影[5]；徐濤等采用面向?qū)ο蟮某鞘兴w信息提取方法，該分類(lèi)方法消除單純利用光譜信息的缺陷，提高了分類(lèi)精度[6]。本文在其他學(xué)者的基礎(chǔ)上首先分析原始TM影像上各種復(fù)雜地物之間的波譜特征，利用原始影像延伸出來(lái)的濕度分量，通過(guò)分析各種不同對(duì)象的形狀特征、拓?fù)涮卣鞯葮?gòu)建規(guī)則集，采用面向?qū)ο蟮姆椒▽?duì)研究區(qū)的水體進(jìn)行提取研究，最后通過(guò)精度評(píng)價(jià)來(lái)驗(yàn)證此方法的可行性。

1 研究區(qū)域概況及數(shù)據(jù)預(yù)處理

阜南縣位于安徽省西北部阜陽(yáng)市境西南部，淮河北岸，東臨潁上縣，北與阜陽(yáng)市接壤，西接臨泉縣，南與河南省固始、淮濱兩縣相鄰，位于淮河中游左岸，黃淮平原南端，地處淮北平原西南部，地勢(shì)低平、由西北向東南緩傾。河流有淮河及其支流洪河、谷河、潤(rùn)河、草河等。研究區(qū)居住地和水體分布形態(tài)比較復(fù)雜，水體圍繞著居住地分布，不利用水體信息的提取，研究區(qū)的具體位置如圖1所示。

圖1 研究區(qū)的地理位置圖

本文利用L and sat TM數(shù)據(jù)進(jìn)行水體提取實(shí)驗(yàn)。該數(shù)據(jù)是2009年4月4日獲取，景號(hào)為121/037，無(wú)云，數(shù)據(jù)質(zhì)量良好。利用1∶5萬(wàn)地形圖選取地面控制點(diǎn)進(jìn)行數(shù)據(jù)的幾何校正。接著，對(duì)TM影像進(jìn)行K-T變換，變換后的3個(gè)分量,即亮度（brightness）、綠度（greenness）和濕度（wetness）將用于后面的水體信息提取。針對(duì)研究區(qū)特點(diǎn)，根據(jù)影像解譯能力并結(jié)合實(shí)地考察結(jié)果，將研究區(qū)的土地利用/覆蓋類(lèi)型主要分為人工表面、植被、水渠、河流和坑塘（見(jiàn)表1）。

表1 研究區(qū)土地覆蓋分類(lèi)體系

2 水體信息提取原理與方法

2.1 K-T變換

K-T變化是多光譜波段的一種線性變化且該變換能消除多光譜圖像的相對(duì)光譜響應(yīng)相關(guān)性，對(duì)全色圖像可視化、自動(dòng)提取和特征提取都非常有用。K-T變化也稱(chēng)為纓帽變化，KauthR.J[7]和ThomasG.S在總結(jié)MSS圖像數(shù)據(jù)特征基礎(chǔ)上,提出了一種適用于MSS圖像數(shù)據(jù)的線性變換,使其波譜空間變換到幾個(gè)有物理意義的方向上,即：

式中,X為MSS圖像4個(gè)波段數(shù)據(jù)組成的矩陣,每一行為一個(gè)波段像元組成的向量；Y為纓帽變換后的數(shù)據(jù)矩陣；R為纓帽變換的正交變換矩陣；r為補(bǔ)償向量，意在避免Y有負(fù)值出現(xiàn)。這種方法對(duì)L and sat TM影像也是適用的[8]。對(duì) TM圖像進(jìn)行纓帽變化,產(chǎn)生亮度(B)、綠度 (G)和濕度 (W)，利用各種地物的濕度差異可以很好地將水體提取出來(lái)（如圖2所示）。

圖2 不同地物的濕度綠度亮度變化圖像

2.2 面向?qū)ο蟮姆诸?lèi)方法

傳統(tǒng)的基于像元的分類(lèi)方法已經(jīng)比較成熟，而且在許多領(lǐng)域取得了很好的效果?；趯?duì)象的分類(lèi)方法就是利用多尺度分割形成影像對(duì)象，建立對(duì)象的主要層次結(jié)構(gòu)，計(jì)算對(duì)象的光譜特征、幾何特征、拓?fù)涮卣鞯龋脤?duì)象的特征建立分類(lèi)規(guī)則，并通過(guò)不同對(duì)象層次間信息的傳遞和合并實(shí)現(xiàn)對(duì)影像的分類(lèi)，可以有效地克服基于像元層次分類(lèi)的不足[9]。圖像分割是將影像分割為分離區(qū)域的過(guò)程，目前常用的分割方法是多尺度分割。多尺度分割是從任一像元開(kāi)始，根據(jù)影像的異質(zhì)性采用自下而上的區(qū)域合并方法形成對(duì)象，是一個(gè)內(nèi)部?jī)?yōu)化的過(guò)程[10]。而影像的異質(zhì)性則由對(duì)象的光譜和形狀差異確定，形狀的異質(zhì)性由光滑度和緊湊度來(lái)衡量。設(shè)置較大的分割尺度，則對(duì)應(yīng)較多的像元被合并，產(chǎn)生較大面積的對(duì)象；分割尺度越小，對(duì)象面積越小，越有利于小面積地物的提取。分割后對(duì)象內(nèi)部的光譜差異小，對(duì)任一對(duì)象可以忽略其紋理等空間信息。根據(jù)提取對(duì)象的不同和研究區(qū)域的大小確定分割尺度，最終提取出地物，取得較好的效果[11，12]。

2.3 規(guī)則集構(gòu)建中的對(duì)象特征選擇

2.3.1 光譜特征分析

在規(guī)則推理構(gòu)建過(guò)程中，將研究區(qū)分為人工表面、植被、庫(kù)塘、水渠和河流等5種基本土地覆蓋類(lèi)型，對(duì)上述每種典型地物進(jìn)行灰度值采樣，按最大值、最小值和平均值加以統(tǒng)計(jì)（見(jiàn)圖3）。水體在可見(jiàn)光、近紅外和中紅外波段的吸收都很強(qiáng)，即使水體很淺，在這些波段的反射率也幾乎為零[13]。水體的這一特性給水體的識(shí)別帶來(lái)了很大的方便。周成虎等對(duì)其進(jìn)行深入研究得出：在L and sat TM影像上，水體一般遵循著波段值增大，光譜值減小的特征[14]。光譜響應(yīng)特征在多光譜遙感影像地物識(shí)別中是最直接、最重要的解譯元素。地表的各種地物由于物質(zhì)組成和結(jié)構(gòu)不同而具有獨(dú)特的波譜反射和輻射特性，在影像上則相應(yīng)地表現(xiàn)為亮度值的差異，這種亮度值的差異是地物識(shí)別的基礎(chǔ)。

圖3 不同地物的波譜響應(yīng)特征曲線

2.3.2 拓?fù)涮卣鞣治?/p>

拓?fù)涮卣鳎ㄠ徑雨P(guān)系）是指對(duì)象間的相鄰、相接、包含等拓?fù)潢P(guān)系,描述對(duì)象間或一景圖像內(nèi)部幾何關(guān)系的特征。

式中,i表示類(lèi)別；Si為分割對(duì)象的鄰接對(duì)象歸屬類(lèi)別i的面積。每個(gè)影像對(duì)象有其自身的相鄰影像對(duì)象,提供重要的拓?fù)潢P(guān)系，具有相似光譜特征的可以采用拓?fù)涮卣鬟M(jìn)行區(qū)分。

2.3.3 形狀特征分析

形狀信息是遙感影像目視判別中的一個(gè)非常重要的線索，形狀特性包括對(duì)象的面積、長(zhǎng)寬比、邊界長(zhǎng)、形狀指數(shù)、緊致度、圓形度、凸度等信息[15]。

面向?qū)ο笾械男螤钪笖?shù)為：L=A1/2/P

式中，L為形狀指數(shù)；A為面積；P為周長(zhǎng)。它能夠較好識(shí)別外形不同的地物類(lèi)型。線狀地物具有很小的形狀指數(shù)，而圓的形狀指數(shù)最大，正方形次之，接近于長(zhǎng)方形或方形的庫(kù)塘，形狀指數(shù)相對(duì)線狀地物較大,因此,河流的形狀指數(shù)較水庫(kù)、池塘要小[5]。

2.4 復(fù)雜背景下知識(shí)解譯庫(kù)的建立

首先，根據(jù)水體的光譜特征，先利用第 4波段提取出一部分水體，接著再利用K-T變化后的濕度特征跟TM原始影像的不同波段組合在一起，即（wetness+ B2) (B3+B4)≥-3110，B2,B3,B4分別為T(mén)M原始影像的第 2、3、4波段，將剩余的跟其他地物混合在一起的水體提取出來(lái)。其次，利用merge region將水體合并起來(lái)，河流的長(zhǎng)度明顯大于水渠和庫(kù)塘，所以用length=240提取河流。最后，利用 shape index≤2.2提取庫(kù)塘。這時(shí)就把水體信息提取出來(lái)（如圖4所示）。

圖4 面向?qū)ο笏w提取結(jié)構(gòu)圖

3 結(jié)果與分析

3.1 水體信息提取的尺度依賴(lài)性

采用不同的分割尺度提取出來(lái)的水體信息會(huì)出現(xiàn)不同的結(jié)果，在自定義形狀指數(shù)為0.1，緊湊度和光滑度分別為0.5、0.5的情況下，采用同一指標(biāo)進(jìn)行提取，不同的分割尺度提取出來(lái)的水體信息是不同的，如圖5所示。

尺度不同生成的影像對(duì)象多邊形的大小和數(shù)量也不同。一般地，分割尺度值越大，所生成的對(duì)象層內(nèi)多邊形面積就越大且數(shù)目越小，反之亦然。當(dāng)分割尺度為15時(shí)，分割比較破碎，河流、水渠的破碎化程度比較大，此時(shí)整景影像的所有對(duì)象之間光譜異質(zhì)性都較小，因此不利于水體的提取。當(dāng)分割尺度為 30時(shí),河流分割的比較完整，能與河流旁邊的植被分開(kāi)，并且水渠和庫(kù)塘也容易被區(qū)分開(kāi)。隨著尺度參數(shù)的增大，由于混合像元的存在使得不同類(lèi)相鄰的地物合并，導(dǎo)致對(duì)象內(nèi)部標(biāo)準(zhǔn)差增大，同質(zhì)性指數(shù)變大，也不利于水體信息的提取。因此通過(guò)對(duì)比分析確定最后的分割尺度為30，盡可能地把細(xì)小線狀河流和小型水庫(kù)坑塘都提取出來(lái)，在分割尺度為30的前提下，結(jié)合eCognition軟件中的feature view工具，根據(jù)自己建立的知識(shí)解譯庫(kù)將水體信息提取出來(lái)。

圖5 不同分割尺度的水體提取結(jié)果

3.2 水體提取結(jié)果精度評(píng)價(jià)

根據(jù)野外的采樣點(diǎn)和在研究區(qū)隨機(jī)采取291個(gè)點(diǎn)，結(jié)合原始影像，將提取出的水體信息與原影像進(jìn)行疊加。從表2中看出，庫(kù)塘的分類(lèi)精度最高，達(dá)到96%，這是因?yàn)樗畮?kù)水質(zhì)較好，分割的對(duì)象參數(shù)特征明顯，較容易分類(lèi)；其次是河流，分類(lèi)精度為95.92%，這主要是由于河流兩岸植被的影響造成的；分類(lèi)精度最低的是水渠，因?yàn)樗娣e較小，分布零散，光譜特征容易受周?chē)h(huán)境的影響，因此造成精度的降低。總體分類(lèi)精度為95.93%，可以滿(mǎn)足實(shí)際應(yīng)用需求。

表2 水體信息提取結(jié)果精度評(píng)價(jià)表

4 結(jié) 語(yǔ)

本文首先在ENVI中對(duì)TM影像進(jìn)行K-T變換，然后導(dǎo)入eCongnition中進(jìn)行波段運(yùn)算提取水體，根據(jù)規(guī)則推理，建立知識(shí)體系，提取精度得到了很大的提高,達(dá)到95.93%。

基于規(guī)則推理法,采用面向?qū)ο蟮亩喑叨确指钤谔崛∷w時(shí)可以消除一些影像上其他干擾信息的影響，僅靠光譜之間的關(guān)系無(wú)法對(duì)水體進(jìn)行正確提取，在提取水體時(shí)很容易混分，K-T變化可以增強(qiáng)不同波段之間的信息，可以消除這些混淆。

基于面向?qū)ο蟮姆诸?lèi)方法，充分利用影像的光譜信息、拓?fù)潢P(guān)系、紋理信息等建立成員函數(shù),從而可以大大提高分類(lèi)的精度,減少錯(cuò)誤分類(lèi)的現(xiàn)象。通過(guò)建立一定的知識(shí)規(guī)則，采用多尺度分割的方法，可以把一些細(xì)小水體、坑塘等很好地提取出來(lái)。此方法簡(jiǎn)單易行可以推廣到其他地物信息的提取。

[1] Juppd LB,Mayo KK,Kuchler DA,et al.L and sat Based Interpretation of the Cairns Section of the Great Barrier Reef Marine Park [C].Australia:The CSIROC Natural Resources Series.NO4. CSIR.Division of Water and L and Resources,1985

[2] 楊存建，徐美.遙感信息原理的水體提取方法的探討[J].地理研究，1998，17：86-89

[3] M cfeeters SK.TheUseof theNormalized DifferenceWater Index (NDW I)in the Delineation of Open water Features[J].International Journal of Remote Sensing,1996,17(7):1 425-1 432

[4] 徐涵秋.利用改進(jìn)的歸一化差異水體指數(shù)(MNDW I)提取水體信息的研究[J].遙感學(xué)報(bào)，2005，9(5)：589-595

[5] 都金康，黃永勝，馮學(xué)智，等.SPOT衛(wèi)星影像的水體提取方法及分類(lèi)研究[J].遙感學(xué)報(bào),2001，3（5）：214-219

[6] 徐濤，譚宗坤.面向?qū)ο蟮某鞘兴w信息提取方法[J].地理空間信息,2010（03）：70-72

[7] Kauth R J,Thomas G S.The Tasseled Cap--A Graphic Description of the Spectral-Temporal Development of Agricultural Crops as Seen by LANDSAT[A]//Proceedings of the Symposium on Machine Processing of Remotely Sensed Data Purdue University of West Lafayette,Indiana[C].1976,4B:411 51

[8] Crist E P,Kauth R J.The Tasseled Cap Del Mystified[J].Photogrammetric Engineering and Remote Sensing,1986,52(1):81-85

[9] 陳云浩，馮通，史培軍,等.基于面向?qū)ο蠛鸵?guī)則的遙感影像分類(lèi)研究[J].武漢大學(xué)學(xué)報(bào)，2006，31（4）：317-320

[10]林川，宮兆寧，趙文吉.基于中分辨率TM數(shù)據(jù)的濕地水生植被提取[J].生態(tài)學(xué)報(bào)，2010，30(23):6 460-6 469

[11]魏飛鳴.基于形狀參數(shù)的遙感圖像“同譜異物”目標(biāo)區(qū)分[C].福州：第十四屆全國(guó)圖像圖形學(xué)學(xué)術(shù)會(huì)議論文集，2008

[12]曹凱，江南，呂恒，等.面向?qū)ο蟮腟POT5影像城區(qū)水體信息提取研究［J］.國(guó)土資源遙感，2007(2):27-29

[13]孫曉霞，張繼賢，劉正軍.利用面向?qū)ο蟮姆诸?lèi)方法從IKONOS全色影像中提取河流和道路［J］.測(cè)繪科學(xué)，2006，31(1):62-63

[14]趙英時(shí).遙感應(yīng)用分析原理與方法[M].北京：科學(xué)出版社,2003

[15]周成虎，駱劍承.遙感影像地學(xué)理解與分析[M].北京：科學(xué)出版社，1999

InformationExtractionof Object-orientedMulti-scaleWaterBodies

by SUI Xiuzhen

In the paper,the south-eastern part of Funan country was takenas study area.Land satTMis usedfortheextraction ofwaterbodies.After the analysis of objects,the optimal scale was found for the segmentation of remotely sensed data and hierarchical objects were created by using Multi-scale segmentation algorithm.Based on the analysis of complicated spectral features of objects in the study area, knowledge rule set was generated found for the classification of objects in eCognition.Compared with the results of water bodies extracted by using the traditional single band techniques and NDWI technique,the method of rule inferring can achieve high accuracy in the extraction of water bodies.Moreover,the method is simple and easier to apply,and apparent to the user.

rule inferring，K-T transformation，multi-scale segmentation，object-oriented classifications

2012-03-23

項(xiàng)目來(lái)源：江蘇省自然科學(xué)基金資助項(xiàng)目（BK2008360）；江蘇省博士后基金、河海大學(xué)人才引進(jìn)基金、中央高?；究蒲袠I(yè)務(wù)費(fèi)專(zhuān)項(xiàng)資金資助項(xiàng)目（2009B12714、2009B11714）；中國(guó)科學(xué)院戰(zhàn)略性先導(dǎo)科技專(zhuān)項(xiàng)子課題資助項(xiàng)目（XDA05050106）。

P237

B

1672-4623(2012)06-0072-04

歲秀珍，碩士，主要從事水文遙感與GIS研究。