王鐵軍，任思思，徐 明

(黑龍江地理信息工程院，黑龍江 哈爾濱 150081)

一、引 言

遙感影像的自動解譯一直是研究的熱點，也是難點。目前，主流的遙感影像處理軟件如eCognition(易康)、ERDAS、ENVI都能夠提供遙感影像自動解譯功能。其中eCognition是由德國Definiens Imaging公司開發(fā)的智能化影像分析軟件，提供面向?qū)ο蟮倪b感信息提取功能，具有獨特的多尺度分割技術(shù)。

遙感影像的自動解譯包括分割和分類兩個步驟，其中分割是分類的基礎(chǔ)，分割的好壞決定著分類的精度及后續(xù)手工編輯的工作量。將eCognition軟件的多尺度分割結(jié)果與影像進行對比，可以發(fā)現(xiàn)雖然分割線大部分與影像紋理對象套合，但仍然存在分割對象包含多種地物，即“混合對象”的現(xiàn)象。這種混合對象的存在，一方面導(dǎo)致分類容易出錯，另一方面手工編輯時還需要分裂對象，導(dǎo)致工作量大大增加。本文以這種混合對象為研究內(nèi)容，探索應(yīng)用多種手段使結(jié)果更加準確，即分割線更加符合地物的邊界。

二、eCognition多尺度分割原理

eCognition的多尺度分割考慮地表信息在影像上不同的尺度有不同的表現(xiàn)，根據(jù)地物的不同尺度大小按多種尺度進行分割。多尺度分割算法是基于區(qū)域合并技術(shù)的，從任一個像素開始合并直至形成一個對象(影像區(qū)域)。相鄰對象的合并是基于兩個可量測的異質(zhì)性變化因子：光譜異質(zhì)性變化因子和形狀異質(zhì)性變化因子，它們決定了影像分割生成的對象內(nèi)部同質(zhì)性和相鄰對象異質(zhì)性的適宜程度。

光譜異質(zhì)性變化因子h光譜的計算公式為

(1)

式中，i表示第i個影像波段；wi表示第i個影像波段所占的權(quán)重，是由用戶自己設(shè)定的；n是指對象所包含的像素數(shù)；σi是指在第i個影像波段中的像素值的標準差；a1和a2分別表示兩個相鄰的對象。

形狀異質(zhì)性變化因子h形狀是由緊致因子h緊致和平滑因子h平滑決定的，它們的關(guān)系為

h形狀=W緊致·h緊致+(1-W緊致)h平滑

(2)

式中,W緊致是指緊致因子的權(quán)重。緊致因子h緊致和平滑因子h平滑的定義如下

(3)

(4)

式中,n是構(gòu)成對象的像素數(shù)；l是對象的邊界長；b是對象外接矩形的周長。

兩個相鄰對象是否合并由光譜異質(zhì)性變化因子h光譜和形狀異質(zhì)性變化因子h形狀的權(quán)重和進行判斷，權(quán)重和f定義為

f=w·h形狀+(1-w)·h光譜

(5)

式中，w表示用戶給光譜異質(zhì)性變化因子設(shè)定的權(quán)重值。如果兩個相鄰對象要合并，就需要滿足f

由多尺度算法的原理可以發(fā)現(xiàn)，在eCognition的多尺度分割中，需要設(shè)置的參數(shù)主要是尺度參數(shù)、形狀因子的權(quán)重和緊致因子的權(quán)重。尺度參數(shù)是個相對概念，尺度參數(shù)設(shè)置越大，分割得到的對象越大。

三、分類試驗

1. 試驗區(qū)介紹

本文以內(nèi)蒙古地區(qū)的黑戈壁為研究區(qū)域，地物主要由巖石地表、礫石地表和稀疏灌木構(gòu)成，3種地表交錯分布。黑戈壁地物構(gòu)成相對簡單，需要考慮的變量較少，避免了種類過多干擾主要的分類過程。影像是QuickBird影像，其中全色影像分辨率為是0.6 m，多光譜影像分辨率為是2.4 m，有紅、綠、藍、近紅外4個波段。

2. 遇到的問題

對影像進行多尺度分割，將其可選參數(shù)進行多種組合的分割結(jié)果與影像進行對比，可以發(fā)現(xiàn)雖然分割線大部分與影像對象套合，但仍然存在分割對象包含多種地物，即“混合對象”的現(xiàn)象。

3. 混合對象的分類方法

針對上述遇到的實際問題，本文采用分級分割分類的思想，先將影像以一個比較大的尺度進行分割分類，地物分為4類：巖石地表、礫石地表、稀疏灌木和混合對象。然后根據(jù)地物特征再次進行分割分類，如針對已經(jīng)分類為巖石地表的對象(其實際為巖石地表的置信度高，有部分礫石地表等混雜其中)再次進行分割分類試驗，挑選出最合適的分割參數(shù)，將確信為礫石地表的分為礫石地表，確信為稀疏灌木的分為稀疏灌木，不能確定的對象分為混合對象。礫石地表、稀疏灌木和混合對象的處理方法同巖石地表，最后需要處理的是混合對象。對混合對象多次進行分割分類，一直到混合對象的面積小于指標要求才結(jié)束分割分類，將混合對象就近歸并。

4. eCognition分類試驗

在eCognition中按照設(shè)計的流程建立規(guī)則集，針對地物特點進行三級分割分類(如圖1所示)。

圖1 影像分類結(jié)果

5. 分析比較

比較多尺度分割效果的同一地區(qū)，如圖2所示，可以看出分割的邊界與人工判讀的邊界比較套合。試驗證明， 在本文的嘗試處理過程中可以減少“混合對象”的產(chǎn)生，使分類邊界更加符合實際地物邊界。

圖2 最終分類邊界

四、結(jié)束語

對試驗中的影像，如簡單采用eCognition自動解譯，會使后續(xù)人工處理混合對象、改進分類成果工作量巨大，處理速度甚至不及手工解譯。針對這一現(xiàn)象，本文嘗試從以下兩個方面進行優(yōu)化處理，從而減少混合對象的產(chǎn)生，并對混合對象進行專門處理。這樣，一方面可以提高地物分類的準確度，減少錯分的發(fā)生；另一方面，減少了后續(xù)手工編輯的工作量，大大地提高了影像解譯效率。

1. 應(yīng)用多級分割手段

eCognition的多尺度分割算法，就是根據(jù)分割參數(shù)計算出對象是否合并。一套分割參數(shù)不能適宜所有地物，不能保證每種地物的分割效果都好。本文在對混合對象分類方法研究的過程中，采用多級分割的方式，就是在多尺度分割基礎(chǔ)之上，試驗出每一種地物最適合的分割參數(shù)，在第一級分割之后不同地物適用不同分割參數(shù)，從而得到更好的分割效果。

2. 應(yīng)用分類參與分割

在本文所研究的多級分割分類過程中，將前次的分類結(jié)果用于下一次的分割，這樣可以人為調(diào)整分割分類參數(shù)，將更多的知識應(yīng)用于分割分類過程之中，提升分類精度。