陳 利，林 輝

（中南林業(yè)科技大學(xué) 林業(yè)遙感信息工程研究中心，湖南 長(zhǎng)沙 410004）

基于K-T變換和主成分變換的植被信息提取

陳 利，林 輝

（中南林業(yè)科技大學(xué) 林業(yè)遙感信息工程研究中心，湖南 長(zhǎng)沙 410004）

WorldView -2能夠提供1個(gè)0.5 m全色波段和8個(gè)1.8 m分辨率的多光譜波段，為用戶(hù)提供進(jìn)行精確變化檢測(cè)和制圖的能力。本研究以深圳市植被為例，采用WorldView-2高分辨率遙感影像為數(shù)據(jù)源，進(jìn)行纓帽變換及主成分分析處理，利用決策樹(shù)分類(lèi)模型進(jìn)行提取。結(jié)果表明：WorldView-2影像經(jīng)過(guò)纓帽變換及主成分分析處理后，能夠明顯增強(qiáng)影像的紋理信息，突出地物特征，并以各地物在經(jīng)過(guò)纓帽變換及主成分分析處理之后的灰度值作為決策樹(shù)分類(lèi)的閾值，分類(lèi)的總體精度、Kappa系數(shù)分別為89.26%、0.87，與以往的只利用波段的灰度值及植被指數(shù)等作為閾值相比，精度明顯提高，方法也得到改善，得到了比較好的分類(lèi)結(jié)果。

遙感；植被信息；WorldView-2；K-T變換；主成分變換

隨著遙感技術(shù)的快速發(fā)展，高光譜分辨率、高時(shí)間分辨率、高空間分辨率已成為現(xiàn)代遙感的發(fā)展方向，為資源與環(huán)境監(jiān)測(cè)提供了宏觀、實(shí)時(shí)、動(dòng)態(tài)的數(shù)據(jù),同時(shí)大大減少了工作量,提高了監(jiān)測(cè)的實(shí)效性，傳統(tǒng)的中低分辨率的目標(biāo)提取技術(shù)已不再適用于地物特征更加復(fù)雜化的高分辨率遙感影像地物提取[1-2]。高分辨率遙感影像能夠快速地獲取地球表面信息，但如何從高分辨率遙感影像中自動(dòng)獲取特征信息，一直是遙感應(yīng)用研究的重點(diǎn)，因而當(dāng)前遙感信息處理的重要方向是利用計(jì)算機(jī)對(duì)遙感影像目標(biāo)自動(dòng)識(shí)別、特征提取。

K-T變換是為更好的提取植被信息提出的影像增強(qiáng)方法,如蘇琦[3]等利用K-T變換進(jìn)行NDVI提取研究，研究表明利用K-T變換的NDVI提取方法得到的結(jié)果圖光譜保持能力強(qiáng), 像紋理更清晰。主成分變換操作簡(jiǎn)單、處理速度快，在遙感數(shù)據(jù)信息提取中取得比較好的精度[4-7]。張治廣[8]等利用主成分變換進(jìn)行干旱區(qū)鹽漬地信息提取研究，得到了鹽漬地信息提取精度達(dá)到93.158%。D.LU[9]等使用融合技術(shù)對(duì)ETM+影像融合后進(jìn)行分類(lèi)，改善了地物專(zhuān)題信息的提取效果。汪小欽[10]等利用主成分變換對(duì)ASAR 數(shù)據(jù)水稻種植面積提取，用主成分分量的差值（PC2-PC5），基于面向?qū)ο蠓诸?lèi)方法，建立了水稻種植區(qū)快速提取方法，獲得了比較滿(mǎn)意的結(jié)果。楊紅磊[11]等基于對(duì)數(shù)主成分變換的EM算法用于遙感影像分類(lèi)，實(shí)驗(yàn)證明所提出的計(jì)算方案分類(lèi)精度優(yōu)于普通EM方法和傳統(tǒng)的K-means方法。

本研究以WorldView-2高分辨率遙感影像為數(shù)據(jù)源，以深圳市為例，采用基于專(zhuān)家知識(shí)的決策樹(shù)分類(lèi)技術(shù)進(jìn)行分類(lèi)[12]，并利用最佳指數(shù)法對(duì)WorldView-2遙感影像進(jìn)行最佳波段組合，且進(jìn)行濾波處理、纓帽變換及主成分分析[13]，并結(jié)合地物的遙感影像特征和地物的光譜特征信息進(jìn)行分類(lèi)，找出適合植被信息提取的最優(yōu)決策樹(shù)模型。為生態(tài)城市的建設(shè)方面提供有力的基礎(chǔ)數(shù)據(jù)和決策支持,有著十分重要的理論與現(xiàn)實(shí)意義。

1 研究區(qū)概況

深圳市位于祖國(guó)的南疆，廣東省南部，毗鄰香港。陸域位置是 113°46'～ 114°37'E，22°27'～22°52'N。深圳市所轄范圍呈狹長(zhǎng)形：東西長(zhǎng)，南北窄。其東西向直線(xiàn)距離，自東寶河口至蛇口半島南端為155.2 km，至大鵬半島最南端為157.2 km；其南北向最窄處自北部邊界至沙魚(yú)涌海岸的直線(xiàn)距離僅6 km。東臨大亞灣與惠州市相連，西至珠江口伶仃洋與中山市、珠海市相望，南至深圳河與香港毗鄰，北與東莞市、惠州市接壤。深圳是中國(guó)經(jīng)濟(jì)最發(fā)達(dá)的地區(qū)之一，經(jīng)濟(jì)總量居中國(guó)大陸第4位。

2 材料與方法

2.1 數(shù)據(jù)源

本研究以Worldview-2高分辨率遙感影像為數(shù)據(jù)源，接收日期為2011年11月14日，影像為8個(gè)分辨率為1.8 m多光譜波段和1個(gè)分辨率為0.5 m的全色波段。

2.2 纓帽變換和主成分變換

纓穗變換是指根據(jù)經(jīng)驗(yàn)確定的變換矩陣將圖像投影綜合變換到三維空間，其立體形態(tài)形似帶纓穗的帽子，變換后能看到纓穗的最大剖面，充分反映植物生長(zhǎng)枯萎程度、土地信息變化，大氣散射物理影響和其它景物變化程度的一種線(xiàn)性特征變換的圖像處理方法。隨著植被生長(zhǎng)，在綠度圖像上的信息增強(qiáng)，土壤亮度上的信息減弱，當(dāng)植物成熟和逐漸凋落時(shí)，其在綠度圖像特征減少，在黃度上的信息增強(qiáng)。這種解釋可以應(yīng)用于不同區(qū)域上的不同植被和作物，但纓穗變換無(wú)法包含一些不是綠色的植被和不同的土壤類(lèi)型的信息。

纓帽變換是為更好的提取植被信息提出的影像增強(qiáng)方法。纓帽變換又稱(chēng)K-T變換，根據(jù)多光譜遙感中土壤、植被等信息在多維光譜空間中的信息分布結(jié)構(gòu)對(duì)圖像做的檢驗(yàn)線(xiàn)性正交變換，是一種經(jīng)驗(yàn)性多光譜波段的線(xiàn)性變換，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，并對(duì)全色圖像可視化和自動(dòng)特征提取都非常有用。纓帽變換用數(shù)學(xué)公式表示為：Y=TX+r。式中Y為變換后的數(shù)據(jù)矩陣，T為纓帽變換的正交變換矩陣，X為原始圖像波段數(shù)據(jù)組成的向量矩陣，r為補(bǔ)充向量，以避免Y出現(xiàn)負(fù)值，纓帽變換后的影像如圖1。

多光譜圖像的各波段之間經(jīng)常是高度相關(guān)的，他們的DN值以及顯示出來(lái)的視覺(jué)效果往往很相似，主成分分析（PCA）就是一種除去波段之間多余信息、將多波段的圖像信息壓縮到比原來(lái)波段更有效的少數(shù)幾個(gè)轉(zhuǎn)換波段的方法。一般情況下，第一成分（PCI）包含所有波段中80%的方差信息，前三個(gè)主成分包含了所有波段中95%以上的信息量，由于個(gè)波段之間不相關(guān)，主成分波段可以生成更多的顏色、飽和度更好的彩色合成圖像。利用ENVI軟件進(jìn)行主成分變換，從圖2可以看出第一、二、三分量具有很高的信息量，后面幾個(gè)分量所含信息量較少，所以在植被提取時(shí)選取主成分的PCA1、PCA2 、PCA3分量。

2.3 植被提取模型建立

在ENVI遙感軟件中，選取一定數(shù)量耕地、居民住宅用地、植被、道路、裸土地、水體6種類(lèi)型樣點(diǎn)，利用ENVI及ARCGIS軟件提取典型地物樣地點(diǎn)在經(jīng)過(guò)纓帽變換、主成分變換后第一、二、三分量平均DN值，得到的結(jié)果如圖3。

圖1 纓帽變換后的影像Fig.1 Images after transformed with Tasseled Cap Transformation

圖2 Worldview-2主成分變換結(jié)果Fig.2 Transformation results of Worldview-2 principal component

圖3 各典型地物的DN值Fig.3 DN values of typical ground objects

由于纓帽變換的第二特征 “綠度”植被指數(shù)是可見(jiàn)光波段植物光合作用吸收與近紅外波段植物強(qiáng)反射的綜合響應(yīng)，可以明顯的區(qū)別植被以及非植被，所以選擇綠度作為判斷依據(jù)，實(shí)驗(yàn)證明當(dāng)TC2的閾值小于30，且PCA1大于閾值15，則為植被，否則為非植被。在 ENVI 決策樹(shù)分類(lèi)中，輸入 b1 lt 30 and b2 gt 15，在 Variable / File Pairings中選擇 b1 = TC2，b2 = PCA1，然后執(zhí)行 Execute命令，最終結(jié)果如圖4。

2.4 精度評(píng)價(jià)

通過(guò)野外調(diào)查樣點(diǎn)記錄的地類(lèi)經(jīng)緯度資料以及遙感解譯的標(biāo)志，然后精確地在遙感圖像上選取各類(lèi)地表真實(shí)感興趣區(qū)，再建立混淆矩陣，并計(jì)算各種統(tǒng)計(jì)量，進(jìn)行統(tǒng)計(jì)檢驗(yàn)，得出植被信息提取的總體精度、Kappa系數(shù)分別為89.26%、0.87。

圖4 植被提取結(jié)果Fig.4 Vegetation extraction results

3 結(jié)論與討論

本研究以WorldView-2高分辨率遙感影像為數(shù)據(jù)源，并對(duì)影像進(jìn)行圖像增強(qiáng)處理，纓帽變換及主成分分析處理，通過(guò)提取不同地物在進(jìn)行處理后各波段的灰度值，并把所提取的灰度值作為決策樹(shù)分類(lèi)的閾值，通過(guò)反復(fù)的試驗(yàn)得到以下主要結(jié)論：

（1）利用WorldView-2高分辨率遙感影像進(jìn)行植被信息的提取，找出了植被信息提取且精度比較高的決策樹(shù)的閾值，從而實(shí)現(xiàn)了計(jì)算機(jī)自動(dòng)分類(lèi)，分類(lèi)的總體精度、Kappa系數(shù)分別為89.26%、0.87，得到了比較好的分類(lèi)效果。

（2）WorldView-2影像經(jīng)過(guò)圖像增強(qiáng)處理，纓帽變換及主成分分析處理后，能夠明顯增強(qiáng)影像的紋理信息，突出地物特征。

（3）以各地物在經(jīng)過(guò)纓帽變換及主成分分析處理之后的灰度值作為決策樹(shù)分類(lèi)的閾值，與以往的只利用個(gè)波段的灰度值以及植被指數(shù)等作為閾值相比，精度明顯提高，方法也得到改善。同時(shí)也為基于其它高分辨率遙感影像進(jìn)行植被信息提取提供了重要的參考依據(jù)。

[1] 趙曉峰.高分辨率遙感影像城區(qū)道路提取方法研究[D].武漢:華中科技大學(xué),2010.1-3.

[2] 朱 煒.基于圖像特征的遙感圖像道路提取[D].北京:北京化工大學(xué),2008.2-5.

[3] 蘇 琦,楊鳳海,王明亮,等. 基于K-T變換的NDVI提取方法研究[J]. 測(cè)繪與空間地理信息,2010, 33(1):150-152.

[4] N. -W. PARK, -H. CHI. Integation of multitemporal/polarization C-band SAR data sets for land-cover classif i cation[J].International Journal of Remote Sensing, 2008, 29(16): 4667-4688.

[5] 武文波,康停軍,姚 靜. 基于 IHS 變換和主成分變換的遙感影像融合[J].遼寧工程技術(shù)大學(xué)學(xué)報(bào),2009,28(1):28-31.

[6] Mitternieht,G.I.andJ.A.Zinck,Remote Sensing of Soill Salinity:Potentials and Constraints[J].Remote Sensing of Environment,2003,85:1-20.

[7] Zhao G, A L Maclean.A Comparision of Canonieal Diseriminant Analysis and Prineipal Component Analysis for Speetral Tansformation[J]. photogrammetric Engineering & Remote sensing, 2000,66(7):841-847.

[8] 張治廣,塔西甫拉提·特依拜,王 飛,等. 基于主成分變換的干旱區(qū)鹽漬地信息提取研究[J]. 新疆大學(xué)學(xué)報(bào):自然科學(xué)版,2010, 27(2):136-141.

[9] D.LU,M.BATISTELLA and E.MoRAN. Land-cover classification in the Brazilian Amazon with the integration of Landsat ETM+ and Radarsat data[J].International Journal of Remote Sensing,2007,28(24):5447-545.

[10] 汪小欽,王欽敏,史曉明,等.基于主成分變換的 ASAR 數(shù)據(jù)水稻種植面積提取[J].農(nóng)業(yè)工程學(xué)報(bào),2008,24(10),122-125.

[11] 楊紅磊,彭軍還,李淑慧,等. 基于對(duì)數(shù)主成分變換的EM算法用于遙感影像分類(lèi)[J].測(cè)繪學(xué)報(bào),2010,39(4):378-382.

[12] 陳 利,林 輝,孫 華,等.基于決策樹(shù)分類(lèi)的森林信息提取研究[J].中南林科技大學(xué)學(xué)報(bào),2013,33(1):46-50.

[13] 涂云燕,彭道黎. 基于 PCA 與 SPOT-5的森林碳儲(chǔ)量估測(cè)[J].中南林業(yè)科技大學(xué)學(xué)報(bào),2012,32(6):101-103.

Vegetation information extraction based on K-T transform and principal component transform

CHEN Li, LIN Hui
(Research Center of Forestry Remote Sensing & Information Engineering, Central South University of Forestry & Technology,Changsha 410004, Hunan, China)

∶ WorldView-2 can provide one band that the panchromatic band is 0.5 meters, and eight resolution multispectral bands that the panchromatic bands all are 1.8 meters, and have the ability for users to provide accurate change detection and mapping. With vegetation in Shenzhen city as an example, by adopting the Worldview-2 high resolution remote sensing images as data sources, the Tasseled Cap Transformation and Principal Components Analysis treatment for the vegetation information of Shenzhen city were conducted, further the data extraction was carried out by using decision tree classif i cation model. The results show that having been deal with Tasseled Cap Transformation and Principal Component Analysis, the image texture information was signif i cantly enhanced, the characteristics of ground objects were highlighted; by taking the gray values of all ground objects that were treated with Tasseled Cap Transformation and Principal Component Analysis as the decision tree classif i cation thresholds, the overall precision of plant classif i cation and the Kappa coeff i cient were calculated, being respectively 89.26% and 0.87, compared with the threshold only with previous bands of gray values and vegetation index, the new methods obviously improve the precision, the method is improved, better classif i cation results were obtained.

∶ remote sensing; vegetation information; Worldview-2；K-T transform; principal component transform

S771.8；X826

A

1673-923X(2014)06-0081-04

2013-11-14

“十二五”國(guó)家高技術(shù)研究發(fā)展計(jì)劃（863計(jì)劃）課題：“數(shù)字化森林資源監(jiān)測(cè)關(guān)鍵技術(shù)研究”（2012AA102001）和國(guó)家自然科學(xué)基金項(xiàng)目“森林資源遙感監(jiān)測(cè)波段窗口研究”（31370639）資助

陳 利（1987-），男，湖南衡陽(yáng)人，碩士研究生,研究方向：林業(yè)遙感和地理信息系統(tǒng)

林 輝（1965-），女，湖北黃岡人，教授，博士生導(dǎo)師，主要從事森林經(jīng)理學(xué)、遙感技術(shù)與地理信息系統(tǒng)的教學(xué)和科研工作

[本文編校：文鳳鳴]