張明媚，姚國(guó)紅

（1.太原理工大學(xué) 礦業(yè)工程學(xué)院測(cè)繪科學(xué)與技術(shù)系，山西 太原 030024；2.山西省綜合地理信息中心，山西 太原 030001）

隨著SPOT、IKONOS、QUICKBIRD和無(wú)人機(jī)影像應(yīng)用的快速發(fā)展，多尺度分割與面向?qū)ο蠓诸?lèi)技術(shù)被國(guó)內(nèi)外眾多學(xué)者和技術(shù)人員廣泛應(yīng)用于不同的領(lǐng)域。Geoffrey J.Hay 等人[1]提出了分3步進(jìn)行的自下而上的多尺度分割方法，用3個(gè)不同的分割尺度，把對(duì)象按一定層次分割出來(lái)；王愛(ài)萍等人[2]提出了一種基于分層聚合的多尺度分割算法；林先成等人[3]采用不同尺度對(duì)成都平原不同分辨率遙感影像進(jìn)行影像分割,并比較了分割結(jié)果；Hoffmann等人在對(duì)IKONOS影像中建筑物與道路進(jìn)行提取時(shí),將DEM作為其中一個(gè)專(zhuān)題層參與影像分割,來(lái)完成建筑物與道路的提取[4]；Willhauck等[5]通過(guò)集合多種數(shù)據(jù),采用面向?qū)ο蟮挠跋穹治龇椒?完成了印尼在1997年與1998年嚴(yán)重森林火災(zāi)后的制圖任務(wù)；陳云浩等[6]以北京城市土地利用分類(lèi)為例探討和驗(yàn)證了面向?qū)ο蠛徒⒁?guī)則的光學(xué)遙感影像分類(lèi)方法；鮑海英[7]先對(duì)影像各種紋理特征進(jìn)行比較,選用對(duì)比度這一屬性輔助進(jìn)行面向?qū)ο蟮姆指?同時(shí)結(jié)合地物的光譜信息,一定程度上改善了分類(lèi)精度,細(xì)化了地物類(lèi)別；王衛(wèi)紅等人[8]采用面向?qū)ο蟮姆椒ㄍ瓿闪?個(gè)典型實(shí)驗(yàn)區(qū)域的多尺度分割，研究了分割參數(shù)的選擇，提出了一種最優(yōu)分割尺度計(jì)算模型；陳生等人[9]則提出了一種面向?qū)ο蟮母叻直媛蔬b感影像橋梁提取方法。這些工作，為開(kāi)展多尺度分割與面向?qū)ο蠓诸?lèi)中無(wú)輔助數(shù)據(jù)情況下的信息提取技術(shù)研究奠定了豐富的理論與實(shí)踐基礎(chǔ)。

1 研究區(qū)概況與數(shù)據(jù)源

本文選取山西省平順縣作為研究區(qū)，區(qū)內(nèi)地形較為復(fù)雜，研究中可劃分為道路、水體、林地、草地、耕地、建筑物和裸地等，能充分體現(xiàn)信息提取中不同地物對(duì)尺度的不同要求，也對(duì)特征提取提出了很高的要求。

數(shù)據(jù)源選用研究區(qū)ADS40彩色航空影像（見(jiàn)圖1），空間分辨率為0.5m，建筑物清晰可見(jiàn)，但影像只含有3個(gè)光譜波段,因此光譜分辨率不高。單純應(yīng)用波譜特性很難將種類(lèi)繁多、質(zhì)地不同的地物區(qū)分出來(lái)，而且由于沒(méi)有近紅外波段，植被的區(qū)分效果也不明顯。建筑物由于屋頂采用不同的建筑材料，波譜特性不穩(wěn)定，道路、裸地、建筑物單從這3個(gè)波段很難區(qū)分，所以采取傳統(tǒng)的分類(lèi)方法誤差很大。

圖1 研究區(qū)ADS40航空影像圖

2 研究方法

2.1 技術(shù)路線

本研究的基本思路是對(duì)研究區(qū)ADS40影像進(jìn)行預(yù)處理之后，導(dǎo)入eCognition軟件，總體技術(shù)路線如圖2所示。

圖2 總體技術(shù)路線圖

2.2 多尺度分割

2.2.1 尺度的選擇

應(yīng)用多尺度分割的理論進(jìn)行實(shí)驗(yàn)，結(jié)果表明當(dāng)尺度設(shè)置低于20時(shí)，幾乎對(duì)每種地物都出現(xiàn)欠分割現(xiàn)象，形成的對(duì)象都很細(xì)碎，不能很好地顯示出邊界，以這個(gè)標(biāo)準(zhǔn)進(jìn)行面向?qū)ο蟮暮筇幚?，那么就需要合并很多?duì)象，處理起來(lái)很不方便；而當(dāng)尺度設(shè)置大于100時(shí)，發(fā)現(xiàn)裸地、建筑物已經(jīng)被合并，草地和林地也變得模糊，所以尺度小于20或大于100在此航空影像研究區(qū)是不合適的。首先令其他因子保持不變，只對(duì)研究區(qū)進(jìn)行不同的尺度分割，分割結(jié)果如圖3所示。

圖3 不同尺度的分割結(jié)果

從圖3中可以看出，對(duì)于小的地物（如房屋）適合用小尺度分割；而對(duì)像道路、水體等大的地物則適合大尺度分割。

2.2.2 光譜因子與形狀因子

異質(zhì)性是定義光譜（標(biāo)準(zhǔn)偏差）和形狀（緊致度和平滑度的偏差）的，光譜因子與形狀因子的權(quán)重之和為1。本次研究中選取的分割尺度為30，分別選形狀因子為0.2和0.5進(jìn)行分割（見(jiàn)圖4）。

圖4 不同形狀因子的分割結(jié)果

實(shí)驗(yàn)中可以得出：對(duì)于規(guī)則的地物適合高形狀因子，而對(duì)形狀不規(guī)則、光譜特征明顯的地物則適合高光譜因子。因此，加入形狀因子于影像分割的過(guò)程中，能約制對(duì)象形狀的發(fā)展，使分割后的區(qū)域形狀較平滑完整，較符合人的視覺(jué)習(xí)慣。

2.2.3 平滑度指標(biāo)與緊致指標(biāo)

形狀是由緊致度和平滑度共同決定的，二者權(quán)重之和為1。按照同樣的實(shí)驗(yàn)方法，其他因子不變，只改變緊致度因子，分割情況如圖5所示。

圖5 不同緊致度因子的分割結(jié)果

由圖5可知，若平滑指標(biāo)的權(quán)重較高，分割后的對(duì)象邊界較為平滑；反之，若緊致指標(biāo)的權(quán)重較高，分割后的對(duì)象形狀較為緊密，且較接近矩形，根據(jù)不同的影像特性以及目標(biāo)對(duì)象特性，兩者間的權(quán)重調(diào)配亦有所不同。

為了解決不同的地物分割尺度不同的問(wèn)題，根據(jù)地物的不同分為3層，經(jīng)過(guò)多次實(shí)驗(yàn)得到的結(jié)果如表1所示。

表1 多尺度分割參數(shù)

2.3 規(guī)則集建立策略

地物特征提取是在對(duì)圖像的認(rèn)知與地學(xué)理解的基礎(chǔ)上，根據(jù)先驗(yàn)知識(shí)與不斷的試驗(yàn)建立規(guī)則集的過(guò)程。首先進(jìn)行多尺度分割，形成“同質(zhì)”對(duì)象，然后分別針對(duì)對(duì)象的光譜特征、形狀特征、紋理特征和相鄰關(guān)系特征等定義不同權(quán)重，給出每個(gè)對(duì)象隸屬于某一類(lèi)的概率，建立分類(lèi)標(biāo)準(zhǔn)，并按照最大概率原則，產(chǎn)生分類(lèi)結(jié)果。

2.3.1 道路、水體提取

在一級(jí)分割尺度的基礎(chǔ)上，利用所有波段的平均亮度閾值，將高亮度值的道路、農(nóng)田、建筑物、裸地與低亮度值的林地、草地、耕地、水體區(qū)分開(kāi)來(lái)；繼續(xù)以平均亮度、形狀參數(shù)、面積將水體同其他低亮度的地物區(qū)分開(kāi)來(lái)；在對(duì)道路提取過(guò)程中，需要將長(zhǎng)寬比、密度、藍(lán)色波段灰度均值閾值與面積參數(shù)結(jié)合使用，然后使用基于像素的對(duì)象調(diào)整將區(qū)分出來(lái)的道路邊界進(jìn)行優(yōu)化。

2.3.2 林地、草地、耕地提取

在已經(jīng)分類(lèi)好的地物的基礎(chǔ)上，直接對(duì)未明確分類(lèi)的地物采用二級(jí)分類(lèi)，產(chǎn)生了更小、更多依賴(lài)光譜特征的地物。林地、草地通過(guò)設(shè)置不同的藍(lán)色波段灰度均值、亮度指數(shù)就可以區(qū)分開(kāi)來(lái)。在該研究區(qū)耕地、裸地、建筑物的光譜特征曲線非常接近，且圖像只有紅綠藍(lán)3個(gè)波段，沒(méi)有近紅外波段，所以很難僅根據(jù)光譜特征或構(gòu)建NDVI將其區(qū)分。經(jīng)觀察，耕地比較規(guī)律地分布于圖像的右上角和右下角，所以可以不斷反復(fù)綜合亮度、藍(lán)色波段標(biāo)準(zhǔn)差、位置、面積、形狀特征將其提取出來(lái)。

2.3.3 建筑物、裸地提取

建筑物光譜特征很分散，體現(xiàn)在圖像中有藍(lán)色、紅色和灰色房頂，灰色房子可以采用藍(lán)色波段灰度值閾值區(qū)分，對(duì)于藍(lán)色和紅色房頂?shù)姆孔?，可考慮其光譜特征自定義參數(shù)，利用光譜差異分割進(jìn)一步區(qū)分剩余未分類(lèi)的地物，然后再利用形狀特征、主要方向、利用與道路的臨接特征、紋理特征分別設(shè)置不同的閾值將不同房頂?shù)姆孔犹崛〕鰜?lái)，未分類(lèi)的即為裸地。

3 研究成果與分析

研究區(qū)信息提取成果如圖6所示。

圖6 研究區(qū)信息提取成果圖

研究區(qū)采用面向?qū)ο蟮奶卣魈崛》椒?，由圖6可看出，所提取的結(jié)果與目視解譯結(jié)果一致，具有較高的提取精度。在實(shí)驗(yàn)過(guò)程中，采用人機(jī)交互將結(jié)果不斷完善，相比傳統(tǒng)的分類(lèi)方法，面向?qū)ο蟮姆椒ň哂泻艽蟮膬?yōu)越性——避免了“椒鹽現(xiàn)象”。通常，建筑物信息提取中與植被等的區(qū)分需配合DSM進(jìn)行，而研究區(qū)在沒(méi)有高程數(shù)據(jù)的情況下實(shí)現(xiàn)了建筑物與植被的分離分類(lèi)，對(duì)其他的地類(lèi)信息自動(dòng)提取具有參考價(jià)值。

研究中考慮了地物的結(jié)構(gòu)、組成以及人文特點(diǎn)，基本保持了地物的形狀特點(diǎn)。由于地物的多樣性，某一尺度的分割即使在單純地類(lèi)的范圍內(nèi)也未必完全符合地物的光譜和形狀特點(diǎn)，因此，分割和分類(lèi)是一個(gè)相互促進(jìn)的過(guò)程，需反復(fù)進(jìn)行，以得到更符合實(shí)際情況的分類(lèi)結(jié)果。

4 結(jié) 語(yǔ)

本文基于面向?qū)ο蟮姆诸?lèi)方法對(duì)高分辨率遙感影像信息提取技術(shù)進(jìn)行了研究，采用多尺度分割算法——FNEA，綜合考慮了地物的光譜、形狀、結(jié)構(gòu)等特點(diǎn)，輔以建筑物組成及人文特點(diǎn)，得到了研究區(qū)信息提取成果，并得到以下結(jié)論：

1）面向?qū)ο蠓诸?lèi)中規(guī)則集建立與多尺度分割過(guò)程是一個(gè)互相促進(jìn)的過(guò)程，從而使粗糙分類(lèi)逐漸向精細(xì)分類(lèi)轉(zhuǎn)化。最鄰近分類(lèi)方法與決策支持的模糊分類(lèi)方法相結(jié)合可以提高分類(lèi)精度。模糊分類(lèi)方法適合初步分類(lèi)，最鄰近分類(lèi)方法則能更好地優(yōu)化分類(lèi)結(jié)果。在建立規(guī)則集之前先驗(yàn)知識(shí)是必需的，所以要從不同的特征方向更深的理解遙感圖像。

2）雖然本文所提取的結(jié)果很接近目視解譯結(jié)果，但在邊界平滑方面仍需做進(jìn)一步的優(yōu)化。如果想做到更精細(xì)的分類(lèi)還必須研究每個(gè)地物之間光譜的細(xì)微差別，建立更符合每個(gè)地物特色的分類(lèi)規(guī)則。

[1]Geoffrey J.Hay.A Comparison of Three Image-object Methods for the Multiscale Analysis of Landscape Structure[J].Photogrammetry & Remote Sensing, 2003(57):327-345

[2]王愛(ài)萍,王樹(shù)根,吳會(huì)征.利用分層聚合進(jìn)行高分辨率遙感影像多尺度分割[J].武漢大學(xué)學(xué)報(bào)：信息科學(xué)版，2009，34(9):1 055-1 058

[3]林先成,李永樹(shù).面向?qū)ο蟮某啥计皆嘣催b感影像分割尺度研究[J].測(cè)繪科學(xué)，2010，35(4):38-40

[4]Hoffmann.P.Detecting Buildings and Roads from IKONOS Data Using Additional Elevation Information[J].GIS Geoinformations system, 2001(6):28-33

[5]Willhauck.G,Benz.U.C and Siegert.F.Semiautomatic Classification Procedures for Fire Monitoring Using Multitemporal SAR Images and NOAA-AVHRR Hotspot datd[C].Proceedings of the 4th European Conferencen, Synthetic Aperture Radar,Cologne,Germany, 2002

[6]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)：信息科學(xué)版，2006，31(4):316-319

[7]鮑海英,李艷,趙萍.輔以紋理特征的面向?qū)ο蟮倪b感影像分類(lèi)方法研究——以陜西省楊陵縣為例[J].遙感應(yīng)用，2009，8：33-37

[8]王衛(wèi)紅，何敏.面向?qū)ο笸恋乩眯畔⑻崛〉亩喑叨确指頪J].測(cè)繪科學(xué)，2011，36（4）：160-161

[9]陳生，王宏，沈占鋒，等.面向?qū)ο蟮母叻直媛蔬b感影像橋梁提取研究[J].中國(guó)圖像圖形學(xué)報(bào)，2009，14（4）：585-590