董國棟

(諸城市國土資源局，山東 諸城 262200)

隨著遙感技術(shù)的飛速發(fā)展，我國正進(jìn)入一個(gè)“數(shù)據(jù)海量，信息匱乏”的時(shí)代，我國每天獲取TB級(jí)(1012 Byte )的遙感數(shù)據(jù)，但是信息提取嚴(yán)重不足。遙感數(shù)據(jù)利用率很低：航天遙感數(shù)據(jù)利用率<5%，航空遙感數(shù)據(jù)利用率<10%。當(dāng)前遙感研究的一個(gè)重點(diǎn)就是如何快速高效的從遙感圖像中獲得所需要的信息[1]，因此利用圖像理解(Image Understanding)理論和方法進(jìn)行遙感信息的提取受到越來越多的重視。

該研究選擇江蘇省宜興市中巴資源衛(wèi)星02星數(shù)據(jù)，參照國家土地利用分類系統(tǒng)(GB/T 21010-2007)進(jìn)行土地利用分類信息提取技術(shù)研究。研究軟件平臺(tái)采用德國Definiens AG公司開發(fā)的Definiens Professional 7.0遙感影像分析系統(tǒng)。該系統(tǒng)是一種面向?qū)ο蠓诸愜浖@種分類實(shí)際上是模擬人類大腦對(duì)地物的認(rèn)知過程，可以從不同的尺度對(duì)周圍的地物關(guān)系進(jìn)行分析，從而識(shí)別不同地類標(biāo)，實(shí)現(xiàn)了計(jì)算機(jī)高速處理與人類認(rèn)知原理的結(jié)合，軟件提供了豐富的影像單元特征函數(shù)和分類算法，功能強(qiáng)大。重點(diǎn)研究如何利用圖像理解的理論方法最大限度地發(fā)揮CBERS的優(yōu)勢(shì)為國土資源宏觀監(jiān)測(cè)服務(wù)。

1 圖像理解的層次結(jié)構(gòu)

圖像理解是一門研究利用計(jì)算機(jī)系統(tǒng)解釋圖像，實(shí)現(xiàn)類似人類視覺系統(tǒng)理解外部世界的科學(xué)[2]，計(jì)算機(jī)圖像理解的主要任務(wù)是從圖像中分析、識(shí)別、解釋各個(gè)不同類型的物體，并建立與具體應(yīng)用無關(guān)的通用視覺系統(tǒng)為其最終目標(biāo)。由于視覺系統(tǒng)所面對(duì)場景的復(fù)雜性和人類對(duì)人腦認(rèn)識(shí)的局限性，在現(xiàn)階段圖像理解的主要研究工作為面向各種應(yīng)用的圖像分析、識(shí)別、解釋。

基于圖像理解的分類信息提取的重點(diǎn)在于對(duì)不同地類的圖像分析、識(shí)別和解釋，在圖像進(jìn)行多級(jí)別分割的基礎(chǔ)上，對(duì)現(xiàn)有的分類知識(shí)進(jìn)行處理分析，并以特征函數(shù)的形式描述實(shí)現(xiàn)。

圖像理解具有鮮明的層次性，具有低層、中層和高層描述的層狀結(jié)構(gòu)[3](圖1)，數(shù)字影像通常作為低層的輸入，低層輸出一般以像素為單位統(tǒng)計(jì)出的圖像特征，中層輸出則是在低層描述的基礎(chǔ)上進(jìn)行編組、抽象后形成的影像單元，減少了數(shù)據(jù)量，但是卻增加了更多的可用信息，如大小、形狀等，更接近地物的本質(zhì)。高層理解主要通過以影像單元描述為基本單元的、反映景物與目標(biāo)特性的模型和服務(wù)于解釋的知識(shí)庫，完成解釋圖像的任務(wù)[4]。

圖1 圖像理解的層次結(jié)構(gòu)

2 研究方法

2.1 影像數(shù)據(jù)預(yù)處理

選取中巴資源衛(wèi)星02星的多光譜影像數(shù)據(jù)作為研究數(shù)據(jù)，同時(shí)采用研究區(qū)DEM數(shù)據(jù)參與分析，并輔以研究區(qū)土地利用現(xiàn)狀數(shù)據(jù)庫為對(duì)比數(shù)據(jù)，以此檢驗(yàn)土地利用分類信息提取精度(表1)。

表1 研究區(qū)數(shù)據(jù)概況

由于中巴資源衛(wèi)星的數(shù)據(jù)比較容易獲取并且價(jià)格相對(duì)較低，為提高分類精度，應(yīng)盡量采用同年多時(shí)象數(shù)據(jù)，進(jìn)行幾何校正、影像配準(zhǔn)，并進(jìn)行多波段圖像文件組合、打包，作為影像分類信息提取源數(shù)據(jù)。如圖2所示，宜興地區(qū)6月份水田植物還沒開始生長，因此在遙感影像上基本看不到植被信息，所以水田與建設(shè)用地在光譜特征上存在相似性，容易出現(xiàn)混分情況。8月份水田植物長勢(shì)較好，在遙感影像上主要反映的是植被信息，與建設(shè)用地比較容易區(qū)分，但是與林地草地混分情況比較嚴(yán)重，采用多時(shí)象數(shù)據(jù)打包作為數(shù)據(jù)源可以較好地解決這一問題。

圖2 兩個(gè)時(shí)相影像對(duì)比圖

2.2 多尺度分割

通過對(duì)影像數(shù)據(jù)進(jìn)行多級(jí)分割得到不同級(jí)別的影像單元(image object)，影像單元?jiǎng)t屬于中層輸出，是面向?qū)ο蠓诸惖幕締卧菙?shù)字圖像經(jīng)過抽象后得到的綜合信息載體[5]。語義信息對(duì)于地物判別極其重要，而單個(gè)像素是無法表達(dá)語義信息的，只有有意義的影像對(duì)象及其相互關(guān)系才可以表達(dá)語義概念。

研究采用Definiens Professional 7.0提供的多尺度分割算法進(jìn)行影像分割和信息提取。建立不同級(jí)別的影像單元，以便建立從圖像理解中層到高層的函數(shù)描述。

根據(jù)宜興地區(qū)的特點(diǎn)對(duì)影像數(shù)據(jù)采取了三級(jí)分割，分割尺度參數(shù)設(shè)置分別為30，20，5；其中20為主要分割尺度，5為紋理分析尺度，影像分在20的分割尺度上，由于不同的地物類別的最佳分割尺度略有不同，應(yīng)根據(jù)不同地類的具體情況對(duì)分割的圖像單元的邊界進(jìn)行調(diào)整，以使不同地類提取取得更好的效果(圖3)。

圖3 影像分割層次示意圖

2.3 特征函數(shù)描述

Definiens除了提供幾十種特征函數(shù)以外還允許自定義函數(shù)用于表達(dá)語義信息。軟件提供的特征函數(shù)主要分為灰度值描述(Layer Values)、形狀指數(shù)描述(shape)、紋理描述(texture)、層次描述(Hierarchy)、類臨近關(guān)系描述(Class-Related features)、場景關(guān)系描述(Scene features)等幾大類。在先驗(yàn)知識(shí)的基礎(chǔ)上，通過多種函數(shù)的組合、變形，設(shè)置合適的隸屬度函數(shù)，形成準(zhǔn)確的語義表達(dá)，對(duì)圖像單元進(jìn)行解釋，從而達(dá)到地類識(shí)別的目的[6]。研究選取根據(jù)先驗(yàn)知識(shí)，通過不同特征函數(shù)的組合對(duì)宜興地區(qū)的河渠水面、湖泊水面、坑塘水面、有林地、灌木林、農(nóng)村居民點(diǎn)、城鎮(zhèn)用地、交通用地等地類進(jìn)行了分類提取試驗(yàn)，不同地類知識(shí)表達(dá)與函數(shù)描述如表2所示。

表2 各種地類的函數(shù)描述

根據(jù)宜興地區(qū)的特點(diǎn)，通過紋理、面積、形狀指數(shù)、與居民點(diǎn)的距離關(guān)系等幾個(gè)特征函數(shù)對(duì)宜興試驗(yàn)區(qū)二級(jí)地類進(jìn)行分類。采用特征閾值分類法劃分地類精度(表3)。

表3 特征閾值分類法劃分二級(jí)地類精度統(tǒng)計(jì)

3 結(jié)論

該研究基于圖像理解的原理，利用面向?qū)ο蠓椒?，以宜興地區(qū)為研究區(qū)進(jìn)行了土地利用分類實(shí)驗(yàn)，通過分析可以得到以下結(jié)論：

(1)在中低分辨率遙感數(shù)據(jù)中，影像數(shù)據(jù)所提供的有效的形狀以及紋理等空間信息很少，面向?qū)ο蠹夹g(shù)能達(dá)到較好的識(shí)別效果，總體分類精度可以達(dá)到接近70%，但在高空間分辨率數(shù)據(jù)上，可以構(gòu)建更多的知識(shí)表達(dá)與函數(shù)描述，從而發(fā)揮其更大的優(yōu)勢(shì)。

(2)在對(duì)影像進(jìn)行分割時(shí)，分割尺度的設(shè)置對(duì)一級(jí)類的劃分精度有較大影響，它也直接影響到函數(shù)描述的構(gòu)建，所以，面向?qū)ο蠓诸惙椒ū容^靈活，也很難總結(jié)出一套適合不同數(shù)據(jù)的函數(shù)描述設(shè)置，但在同一空間分辨率數(shù)據(jù)上可以形成比較統(tǒng)一的知識(shí)表達(dá)，這些特點(diǎn)決定了面向?qū)ο蟮姆诸惙椒摿艽?，通過對(duì)不同數(shù)據(jù)的分析，進(jìn)一步總結(jié)不同地類的通用的知識(shí)表達(dá)方式，從而進(jìn)一步提高分類效率與精度，以廣泛應(yīng)用于大尺度的國土資源宏觀調(diào)查。

參考文獻(xiàn)：

[1] 王鵬，張海燕.基于遙感技術(shù)對(duì)兗州煤田采煤塌陷地現(xiàn)狀調(diào)查[J]．山東國土資源，2012，28(12)：50-52．

[2] 錢樂樂．基于視覺層次感知機(jī)制的圖像理解方法研究[D]．合肥工業(yè)大學(xué)，2009:12．

[3] 劉淼．基于結(jié)構(gòu)和表觀模型的圖像理解方法及其應(yīng)用研究[D]．吉林大學(xué)，2008:6．

[4] 官小平，關(guān)澤群．小波分析在高分辨率遙感影像邊緣檢測(cè)中的應(yīng)用[C]//第十三屆全國遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[A].2001:43-44．

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

[6] 張立國，吳曉，江娜，等．利用面向?qū)ο蠓诸惣夹g(shù)進(jìn)行地理要素快速更新的方法研究[J]．山東國土資源，2010，26(9)：53-56．