蘇志鵠，梁勤歐，朱榴駿

（1.浙江師范大學(xué)，浙江金華321004；2.南京大學(xué)，南京210000）

不同形態(tài)學(xué)剖面線遙感影像分類(lèi)精度比較

蘇志鵠1，梁勤歐1，朱榴駿2

（1.浙江師范大學(xué)，浙江金華321004；2.南京大學(xué)，南京210000）

針對(duì)不同形態(tài)學(xué)方法和結(jié)構(gòu)元對(duì)于形態(tài)學(xué)剖面線遙感影像分類(lèi)精度的影響存在較大差異，而國(guó)內(nèi)外在這方面缺乏深入研究的不足，該文選取了武漢市兩個(gè)實(shí)驗(yàn)區(qū)，構(gòu)造了32個(gè)形態(tài)學(xué)剖面線，對(duì)研究區(qū)的QuickBird影像進(jìn)行了分類(lèi)。通過(guò)總體精度、Kappa系數(shù)和剖面線分類(lèi)結(jié)果圖，比較了不同形態(tài)學(xué)剖面線對(duì)于分類(lèi)結(jié)果的影響。結(jié)果表明：在結(jié)構(gòu)元形狀相同的情況下，先開(kāi)運(yùn)算后閉運(yùn)算和先閉運(yùn)算后開(kāi)運(yùn)算在分類(lèi)精度方面明顯優(yōu)于一般方法和其他兩種形態(tài)學(xué)方法，能夠比較清晰地提取出小斑塊地物特征；當(dāng)形態(tài)學(xué)方法為閉運(yùn)算和開(kāi)運(yùn)算的時(shí)候，八邊形結(jié)構(gòu)元對(duì)應(yīng)的結(jié)果精度最高；當(dāng)形態(tài)學(xué)方法為先開(kāi)運(yùn)算后閉運(yùn)算和先閉運(yùn)算后開(kāi)運(yùn)算時(shí)，除了方形結(jié)構(gòu)元，其他結(jié)構(gòu)元得到結(jié)果精度都較高。

形態(tài)學(xué)方法；結(jié)構(gòu)元；形態(tài)學(xué)剖面線；遙感影像；分類(lèi)精度

1 引 言

近年來(lái)，高分辨率影像因其豐富的空間信息得到了廣泛的應(yīng)用。高分辨率影像具有高空間分辨率和低光譜分辨率的特點(diǎn)，影像中各類(lèi)別在光譜空間中表現(xiàn)出類(lèi)間差異小，類(lèi)內(nèi)差異大的特點(diǎn)。因此基于單一光譜信息的分類(lèi)方法提取難以取得足夠的精度。形態(tài)學(xué)剖面線（Morphological Profile）能夠提供多尺度的空間信息，有效地改善分類(lèi)精度。

形態(tài)學(xué)剖面線最早是在2001年提出并應(yīng)用于高分影像的分類(lèi)中，此后國(guó)內(nèi)外學(xué)者對(duì)于形態(tài)學(xué)剖面線進(jìn)行了廣泛的研究，根據(jù)理論的成熟程度大致可以分為3個(gè)階段：

第1階段的代表人物為Benediktsson，他通過(guò)形態(tài)學(xué)開(kāi)運(yùn)算和閉運(yùn)算獲取地物的多尺度特征，并將多尺度地物進(jìn)行疊加構(gòu)造形態(tài)學(xué)剖面線，最后運(yùn)用形態(tài)學(xué)剖面線進(jìn)行影像分類(lèi)［1－3］，雖然該方法提高了影像分類(lèi)的精度，但是影像處理的數(shù)據(jù)量太大影響了分類(lèi)效率。因此，Benediktsson對(duì)該方法進(jìn)行了改進(jìn)，用QuickBird影像的全色波段進(jìn)行多尺度的形態(tài)學(xué)重建，構(gòu)造形態(tài)學(xué)剖面線［4］，這種方法只使用了影像的一個(gè)波段，大大減小了數(shù)據(jù)量，但是該方法由于只使用了一個(gè)波段的信息，影像信息丟失量太大，在一定程度上影響分類(lèi)精度。之后，Benediktsson對(duì)原來(lái)的方法做了進(jìn)一步改進(jìn)，通過(guò)主成分分析提取原影像99%的信息，對(duì)選取的主成分進(jìn)行形態(tài)學(xué)重建構(gòu)造形態(tài)學(xué)剖面線［5－6］，這種方法得到了比較滿意的分類(lèi)結(jié)果。

第2階段的代表人物為Plaza和Bellens。Plaza等在形態(tài)學(xué)剖面線的基礎(chǔ)上，用新的非監(jiān)督分類(lèi)法進(jìn)行全像素和混合像元目標(biāo)識(shí)別［7－8］；Bellens等經(jīng)過(guò)研究發(fā)現(xiàn)在對(duì)高分影像進(jìn)行形態(tài)學(xué)重建時(shí)會(huì)出現(xiàn)過(guò)度重建的現(xiàn)象，由此提出通過(guò)部分重建來(lái)構(gòu)造形態(tài)學(xué)剖面線［9］；Plaza等運(yùn)用多通道影像數(shù)據(jù)來(lái)構(gòu)建形態(tài)學(xué)剖面線，并用支持向量機(jī)來(lái)進(jìn)行影像分類(lèi)，試驗(yàn)結(jié)果比單通道構(gòu)造的形態(tài)學(xué)剖面線的精度要高，但是該方法增加了數(shù)據(jù)處理的負(fù)擔(dān)，如何提高效率是今后研究的又一個(gè)重點(diǎn)［10－11］。

第3階段的研究比較成熟，主要代表人物為Mura和Licciardi。Mura等根據(jù)地物的不同屬性，構(gòu)造形態(tài)學(xué)屬性剖面線，結(jié)果表明該方法能夠獲取多尺度的地物特征，可以較大程度提高分類(lèi)精度［12］；Mura等運(yùn)用獨(dú)立成分分析獲取影像主要信息，并將根據(jù)地物的屬性進(jìn)行形態(tài)學(xué)運(yùn)算構(gòu)建形態(tài)學(xué)剖面線［13－14］；Licciardi等運(yùn)用非線性主成分分析得到的成分進(jìn)行形態(tài)學(xué)重建構(gòu)造形態(tài)學(xué)剖面線，與經(jīng)過(guò)線性主成分分析得到的結(jié)果比較發(fā)現(xiàn)，非線性主成分得到的形態(tài)學(xué)剖面線在分類(lèi)中的精度更高［15－16］。

綜上所述，現(xiàn)有研究都是針對(duì)某一種形態(tài)學(xué)剖面線的改進(jìn)或者提出一些輔助的分類(lèi)措施，并沒(méi)有提出構(gòu)建形態(tài)學(xué)剖面線的最佳重建方法和結(jié)構(gòu)元形狀。本文以數(shù)學(xué)形態(tài)學(xué)為基礎(chǔ)，分析開(kāi)運(yùn)算、閉運(yùn)算、先開(kāi)運(yùn)算后閉運(yùn)算、先閉運(yùn)算后開(kāi)運(yùn)算4種形態(tài)學(xué)重建方法以及Square、Octagon、Disk、Diamond 4種結(jié)構(gòu)元形狀對(duì)于分類(lèi)精度的影響，試圖確定構(gòu)造形態(tài)學(xué)剖面線的最佳重建方法和結(jié)構(gòu)元形狀，并以武漢市的QuickBird影像為基礎(chǔ)數(shù)據(jù)進(jìn)行了分析和驗(yàn)證。

2 形態(tài)學(xué)剖面線

2.1 形態(tài)學(xué)方法

數(shù)學(xué)形態(tài)學(xué)是一門(mén)建立在嚴(yán)格數(shù)學(xué)理論基礎(chǔ)上的科學(xué)，它是一種應(yīng)用于圖像處理和模式識(shí)別領(lǐng)域的新方法［17］。形態(tài)學(xué)的基本運(yùn)算包括膨脹、腐蝕，以及由此引申開(kāi)來(lái)的開(kāi)運(yùn)算、閉運(yùn)算。二維灰度形態(tài)學(xué)變換方法如下：

假設(shè)f（x，y）是這個(gè)二維序列的多值信號(hào)，選擇的結(jié)構(gòu)元素b（x′，y′）也是二維序列元素，那么它的定義域?yàn)镈b＝｛（x1，y1），（x2，y2），…，（xm，yn）｝，其中m和n是整數(shù)。則f（x，y）關(guān)于g（x′，y′）的膨脹和腐蝕可以定義為：

基于式（1）和式（2），形態(tài)學(xué)開(kāi)運(yùn)算（○）和閉運(yùn)算（·）可以定義為：

進(jìn)而得到形態(tài)開(kāi)－閉（OC）和閉－開(kāi)（CO）運(yùn)算：

2.2 形態(tài)學(xué)剖面線構(gòu)建

形態(tài)學(xué)剖面線的分類(lèi)精度主要是由結(jié)構(gòu)元的形狀和形態(tài)學(xué)方法決定的。形態(tài)學(xué)剖面線構(gòu)建的基礎(chǔ)是灰度級(jí)影像，在灰度級(jí)影像當(dāng)中，形態(tài)學(xué)剖面線主要是基于開(kāi)運(yùn)算和閉運(yùn)算重建。在多尺度影像處理的眾多方法中，開(kāi)運(yùn)算和閉運(yùn)算重建被證明是比較好的形態(tài)學(xué)方法，能夠保留影像中地物形狀，并且不會(huì)出現(xiàn)間斷點(diǎn)［18－19］，而簡(jiǎn)單的形態(tài)學(xué)閉運(yùn)算和開(kāi)運(yùn)算會(huì)不加選擇地把尺寸小于結(jié)構(gòu)元的地物去除［20］。

2.2.1 結(jié)構(gòu)元和形態(tài)學(xué)方法的選擇

結(jié)構(gòu)元形狀的選擇直接決定了形態(tài)學(xué)剖面線的分類(lèi)精度［21－22］。通過(guò)對(duì)前人研究經(jīng)驗(yàn)的總結(jié)，結(jié)構(gòu)元形狀的選擇要與灰度圖像DN值的變化特征相似，只有這樣才能最大程度地提高濾波效果，才能比較準(zhǔn)確地提取出不同尺寸下的地物特征，構(gòu)造出比較精確的形態(tài)學(xué)剖面線。本文選取了Square、Octagon、Disk、Diamond 4種比較有代表性的結(jié)構(gòu)元形狀進(jìn)行分析和探討，比較不同的結(jié)構(gòu)元形狀構(gòu)造出的形態(tài)學(xué)剖面線在影像分類(lèi)精度方面的差別，試圖確定最佳的結(jié)構(gòu)元形狀。

形態(tài)學(xué)方法主要有2種：開(kāi)運(yùn)算和閉運(yùn)算。這2種運(yùn)算方法單獨(dú)使用，在精度上會(huì)存在一定的局限性。本文在這2種方法的基礎(chǔ)上進(jìn)行組合，延伸出另外2種運(yùn)算方法：先開(kāi)運(yùn)算后閉運(yùn)算、先閉運(yùn)算后開(kāi)運(yùn)算。后文將對(duì)這4種方法構(gòu)造的形態(tài)學(xué)剖面線的精度進(jìn)行比較分析，試圖確定構(gòu)建形態(tài)學(xué)剖面線的最佳方法。

2.2.2 形態(tài)學(xué)剖面線構(gòu)建方法

形態(tài)學(xué)剖面線的優(yōu)勢(shì)在于對(duì)原影像通過(guò)不斷增大結(jié)構(gòu)元半徑進(jìn)行不同尺度的信息過(guò)濾，獲取不同尺度的地物特征，最后對(duì)不同尺度的地物特征進(jìn)行空間疊加，獲取更加接近實(shí)際的地物信息。本文選取了植被覆蓋指數(shù)（Normailzed Difference Vegtation Index，NDVI）和第一主成分進(jìn)行形態(tài)學(xué)變換，在減少數(shù)據(jù)量的同時(shí)，更加突出了植被和非植被地物在形態(tài)學(xué)剖面線中的差異。如圖1所示，在對(duì)結(jié)構(gòu)元的半徑進(jìn)行1～5變換的基礎(chǔ)上，把經(jīng)過(guò)某一種重建方法得到的NDVI和PC1疊加到未經(jīng)形態(tài)學(xué)變換的PC1上，從而構(gòu)建具有11維數(shù)據(jù)的形態(tài)學(xué)剖面線。而不同形狀的結(jié)構(gòu)元和形態(tài)學(xué)方法對(duì)于地物特征的提取又有不同的特點(diǎn)，所以在構(gòu)建形態(tài)學(xué)剖面線時(shí)通常需要確定一種比較合理的結(jié)構(gòu)元形狀和對(duì)應(yīng)的形態(tài)學(xué)方法。

圖1 形態(tài)學(xué)剖面線影像結(jié)構(gòu)示意圖

總而言之，在構(gòu)建形態(tài)學(xué)剖面時(shí)既要考慮結(jié)構(gòu)元的形狀，又要考慮影像重建的形態(tài)學(xué)方法。具體技術(shù)流程圖如圖2所示。

圖2 形態(tài)學(xué)剖面線遙感影像構(gòu)建流程圖

3 實(shí)驗(yàn)數(shù)據(jù)和預(yù)處理

3.1 實(shí)驗(yàn)數(shù)據(jù)

本次實(shí)驗(yàn)所使用的數(shù)據(jù)是武漢市QuickBird影像。共選取了兩個(gè)實(shí)驗(yàn)區(qū)，實(shí)驗(yàn)區(qū)1所在的區(qū)域位于武漢大學(xué)珞珈山和武漢大學(xué)化學(xué)與分子科學(xué)學(xué)院之間（214像元×124像元），如圖3（a）所示。實(shí)驗(yàn)區(qū)1主要的土地覆蓋類(lèi)型有：裸土、草地、房屋（教學(xué)樓為主）、水泥地（道路為主）、林地（灌木、喬木）。研究區(qū)2所在的區(qū)域位于武漢市洪山公園東南部，秀玉紅茶坊、博客食府地段（286像元×312像元），如圖3（b）所示。實(shí)驗(yàn)區(qū)2的主要土地覆蓋類(lèi)型有：草地、林地（灌木、喬木）、房屋（教學(xué)樓為主）、水泥地（道路為主）、裸土。

3.2 數(shù)據(jù)預(yù)處理

3.2.1 PC1、NDVI提取及形態(tài)學(xué)重建

由于原影像的數(shù)據(jù)量太大，而且波段之間的信息冗余量大，導(dǎo)致形態(tài)學(xué)運(yùn)算效率較低，所以本文使用正向主成分分析法，運(yùn)用協(xié)方差矩陣提取原影像的第一主成分（PC1），它的原影像信息保有量為99%。而為了能夠進(jìn)一步區(qū)分不同地物的特征，本文又進(jìn)一步計(jì)算了原影像的NDVI。在提取出了第一主成分和NDVI之后，本文分別采用開(kāi)運(yùn)算、閉運(yùn)算、先開(kāi)運(yùn)算后閉運(yùn)算、先閉運(yùn)算后開(kāi)運(yùn)算4種形態(tài)學(xué)方法對(duì)遙感影像進(jìn)行重建。

3.2.2 形態(tài)學(xué)剖面線遙感影像分類(lèi)

支持向量機(jī)是建立在統(tǒng)計(jì)學(xué)習(xí)理論的VC維理論和結(jié)構(gòu)風(fēng)險(xiǎn)最小原理基礎(chǔ)之上的，根據(jù)特定訓(xùn)練樣本的學(xué)習(xí)精度和無(wú)錯(cuò)誤地識(shí)別任意樣本的能力之間尋找最佳的結(jié)合點(diǎn)的方法。它能夠?qū)維空間中的數(shù)據(jù)點(diǎn)通過(guò)尋找分類(lèi)最佳平面，將數(shù)據(jù)點(diǎn)進(jìn)行分類(lèi)，在多維數(shù)據(jù)的分類(lèi)中具有較大的優(yōu)勢(shì)。本文所構(gòu)建的形態(tài)學(xué)剖面線屬于多維數(shù)據(jù)的范疇，選擇支持向量機(jī)分類(lèi)器進(jìn)行形態(tài)學(xué)剖面線的地物分類(lèi)具有較好的效果。具體的參數(shù)設(shè)置為：核心函數(shù)類(lèi)型為Polynomial，核心多項(xiàng)式的等級(jí)為2，分類(lèi)概率閾值為0.01，分級(jí)處理等級(jí)為0，補(bǔ)償參數(shù)為100。分類(lèi)結(jié)果如圖4～圖6所示。

圖3 實(shí)驗(yàn)區(qū)和感興趣區(qū)

圖4 實(shí)驗(yàn)區(qū)1形態(tài)學(xué)剖面線分類(lèi)結(jié)果

圖5 實(shí)驗(yàn)區(qū)2形態(tài)學(xué)剖面線分類(lèi)結(jié)果

圖6 實(shí)驗(yàn)區(qū)QuickBird影像分類(lèi)結(jié)果

4 結(jié)果與分析

4.1 形態(tài)學(xué)方法及其精度分析

形態(tài)學(xué)重建方法主要有開(kāi)運(yùn)算重建、閉運(yùn)算重建、先閉運(yùn)算后開(kāi)運(yùn)算重建和先開(kāi)運(yùn)算后閉運(yùn)算重建4種。一個(gè)實(shí)驗(yàn)區(qū)的結(jié)果具有一定的偶然性，本文選取了兩個(gè)實(shí)驗(yàn)區(qū)進(jìn)行比較研究，選取總體精度和Kappa系數(shù)這兩個(gè)指標(biāo)對(duì)4種方法構(gòu)建的形態(tài)學(xué)剖面線的分類(lèi)精度進(jìn)行評(píng)價(jià)，結(jié)果如表1、表2所示。

表1和表2為通過(guò)混淆矩陣計(jì)算出來(lái)的不同方法和結(jié)構(gòu)元構(gòu)建的形態(tài)學(xué)剖面線的分類(lèi)精度結(jié)果。從表1和表2可以看出，4種方法獲得的形態(tài)學(xué)剖面線分類(lèi)的總體精度較高，除了開(kāi)運(yùn)算有一個(gè)結(jié)果的精度低于0.81外，其他3種方法得到的結(jié)果精度均在0.81以上，有個(gè)別精度甚至高于0.92。并且對(duì)應(yīng)的Kappa系數(shù)值也較高，均在0.74以上，個(gè)別值在0.9以上。實(shí)驗(yàn)區(qū)1QuickBird影像直接分類(lèi)的總體精度和Kappa系數(shù)分別為0.799、0.729，實(shí)驗(yàn)區(qū)2分別為0.83、0.75。閉運(yùn)算重建和開(kāi)運(yùn)算重建方法在精度方面跟直接分類(lèi)方法比較接近，有時(shí)甚至略低于直接分類(lèi)的精度，而先閉運(yùn)算后開(kāi)運(yùn)算重建和先開(kāi)運(yùn)算后閉運(yùn)算重建這兩種方法在精度方面比閉運(yùn)算和開(kāi)運(yùn)算，以及直接分類(lèi)方法有很大的優(yōu)勢(shì)。如表1所示，除八邊形結(jié)構(gòu)元外，在結(jié)構(gòu)元形狀相同的情況下，先閉運(yùn)算后開(kāi)運(yùn)算和先開(kāi)運(yùn)算后閉運(yùn)算兩種形態(tài)學(xué)重建方法得到的剖面線總體精度和Kappa系數(shù)要明顯高于其他兩種方法，說(shuō)明這兩種方法能夠更加準(zhǔn)確地提取地物的幾何特征。

將圖4和圖6進(jìn)行對(duì)比，在實(shí)驗(yàn)區(qū)1中，形態(tài)學(xué)4種重建方法獲得的形態(tài)學(xué)剖面線能夠比較完整地提取出地物特征，而且提取出的地物邊界比較清晰，相鄰地物之間錯(cuò)分漏分比較少，地物基本呈塊狀分布。而非形態(tài)學(xué)方法得到的分類(lèi)結(jié)果中（圖6（a）），地物的邊界較模糊，鄰近地物之間錯(cuò)分漏分比較多，部分地物呈片狀分布，如實(shí)驗(yàn)區(qū)1中的林地主要是呈片狀分布。相比較實(shí)驗(yàn)區(qū)1，在實(shí)驗(yàn)區(qū)2中如圖5和圖6所示，4種形態(tài)學(xué)重建方法也能夠比較準(zhǔn)確地提取出地物特征，但是在有破碎林地覆蓋的道路提取中，4種方法得到的結(jié)果均不是很理想，如何去除周?chē)匚锏挠绊懶枰M(jìn)一步進(jìn)行探討。非形態(tài)學(xué)方法得到的分類(lèi)結(jié)果總體精度低于形態(tài)學(xué)方法得到的結(jié)果，并且在地物幾何特征的提取中明顯弱于形態(tài)學(xué)方法，地物之間的邊界比較模糊，地物分布比較破碎。在4種形態(tài)學(xué)方法的比較中，同樣也是先開(kāi)運(yùn)算后閉運(yùn)算和先閉運(yùn)算后開(kāi)運(yùn)算這兩種形態(tài)學(xué)方法優(yōu)于其他兩種方法。

表1 實(shí)驗(yàn)區(qū)1中不同形態(tài)學(xué)剖面線的分類(lèi)精度結(jié)果

表2 實(shí)驗(yàn)區(qū)2中不同形態(tài)學(xué)剖面線分類(lèi)精度結(jié)果

4.2 結(jié)構(gòu)元形狀與精度分析

本文在構(gòu)建形態(tài)學(xué)剖面線時(shí)選取了4種結(jié)構(gòu)元：菱形結(jié)構(gòu)元、圓盤(pán)形結(jié)構(gòu)元、八邊形結(jié)構(gòu)元、方形結(jié)構(gòu)元。同樣也是結(jié)合兩個(gè)實(shí)驗(yàn)區(qū)，對(duì)不同結(jié)構(gòu)元構(gòu)建的形態(tài)學(xué)剖面線分類(lèi)精度進(jìn)行比較分析，選取的評(píng)價(jià)指標(biāo)為總體精度和Kappa系數(shù)。

如表1和表2所示，在形態(tài)學(xué)重建方法一致的情況下，用4種結(jié)構(gòu)元構(gòu)建的形態(tài)學(xué)剖面線的總體精度和對(duì)應(yīng)的Kappa系數(shù)值均較高。在實(shí)驗(yàn)區(qū)1和實(shí)驗(yàn)區(qū)2中，總體精度大部分都在0.82以上，有部分高值甚至達(dá)到0.92以上。對(duì)應(yīng)的Kappa系數(shù)值也都保持在0.75以上，最高的也達(dá)到0.9。當(dāng)形態(tài)學(xué)方法為閉運(yùn)算重建時(shí)，結(jié)構(gòu)元形狀為八邊形和菱形的形態(tài)學(xué)剖面線具有較高的分類(lèi)精度，而當(dāng)形態(tài)學(xué)方法為開(kāi)運(yùn)算重建時(shí)，結(jié)構(gòu)元形狀為八邊形和圓盤(pán)形的形態(tài)學(xué)剖面線分類(lèi)精度更高一些。而當(dāng)形態(tài)學(xué)方法為先開(kāi)運(yùn)算后閉運(yùn)算和先閉運(yùn)算后開(kāi)運(yùn)算這兩種時(shí)，除了方形結(jié)構(gòu)元外，其他3種結(jié)構(gòu)元構(gòu)建的形態(tài)學(xué)剖面線均有較高的分類(lèi)精度，在這3種結(jié)構(gòu)元中菱形結(jié)構(gòu)元的精度又高于其他兩種方法，對(duì)應(yīng)的Kappa系數(shù)也存在同樣的規(guī)律。

如圖4～圖6所示，在實(shí)驗(yàn)區(qū)1和實(shí)驗(yàn)區(qū)2中，4種結(jié)構(gòu)元構(gòu)造的形態(tài)學(xué)剖面線能夠比較完整地提取出地物特征，并且提取出的地物輪廓比較清晰，相鄰地物之間較少出現(xiàn)錯(cuò)分漏分的現(xiàn)象。而非形態(tài)學(xué)方法得到的分類(lèi)結(jié)果，部分地物的輪廓不完整，錯(cuò)分漏分現(xiàn)象相比形態(tài)學(xué)方法得到的結(jié)果要多，鄰近地物之間的區(qū)分不明顯。當(dāng)形態(tài)學(xué)重建方法相同時(shí)，八邊形結(jié)構(gòu)元（octagon）構(gòu)造的形態(tài)學(xué)剖面線提取出的地物輪廓邊界更加清晰，但是在小斑塊地物的提取中精度不高，易出現(xiàn)漏分錯(cuò)分現(xiàn)象。而其他結(jié)構(gòu)元形狀構(gòu)造的形態(tài)學(xué)剖面線的精度均高于非形態(tài)學(xué)分類(lèi)結(jié)果。

5 結(jié)束語(yǔ)

本文通過(guò)多種形態(tài)學(xué)方法和結(jié)構(gòu)元形狀構(gòu)建了不同形態(tài)學(xué)剖面線，并結(jié)合支持向量機(jī)分類(lèi)器對(duì)其進(jìn)行分類(lèi)，運(yùn)用混淆矩陣的方法對(duì)不同形態(tài)學(xué)剖面線分類(lèi)結(jié)果進(jìn)行定量分析，并結(jié)合分類(lèi)結(jié)果圖進(jìn)行定性分析，得出以下結(jié)論：

（1）不同形態(tài)學(xué)方法和結(jié)構(gòu)元形狀構(gòu)建的形態(tài)學(xué)剖面線分類(lèi)精度較高。總體精度大都在0.8以上，有部分精度甚至達(dá)到0.91以上。

（2）先開(kāi)運(yùn)算后閉運(yùn)算和先閉運(yùn)算后開(kāi)運(yùn)算兩種形態(tài)學(xué)方法分類(lèi)結(jié)果精度較高。先開(kāi)運(yùn)算后閉運(yùn)算和先閉運(yùn)算后開(kāi)運(yùn)算兩種形態(tài)學(xué)方法得到的分類(lèi)結(jié)果總體精度要明顯高于普通方法和其他兩種形態(tài)學(xué)方法，并且適用于小斑塊地物特征的提取，提取出的地物輪廓比較清晰，相鄰地物之間較少出現(xiàn)錯(cuò)分漏分的現(xiàn)象。

（3）當(dāng)形態(tài)學(xué)方法相同的情況下，八邊形結(jié)構(gòu)元（octagon）構(gòu)造的形態(tài)學(xué)剖面線提取出的地物輪廓邊界更加清晰，但是在小斑塊地物的提取中精度不高，易出現(xiàn)漏分錯(cuò)分現(xiàn)象。而其他結(jié)構(gòu)元形狀構(gòu)造的形態(tài)學(xué)剖面線的精度均高于非形態(tài)學(xué)分類(lèi)結(jié)果。

（4）菱形結(jié)構(gòu)元構(gòu)建剖面線得到的分類(lèi)結(jié)果較好。當(dāng)形態(tài)學(xué)方法為閉運(yùn)算重建時(shí)，結(jié)構(gòu)元形狀為八邊形和菱形的形態(tài)學(xué)剖面線具有較高的分類(lèi)精度，而當(dāng)形態(tài)學(xué)方法為開(kāi)運(yùn)算重建時(shí)，結(jié)構(gòu)元形狀為八邊形和圓盤(pán)形的形態(tài)學(xué)剖面線分類(lèi)精度更高一些。當(dāng)形態(tài)學(xué)方法為先開(kāi)運(yùn)算后閉運(yùn)算和先閉運(yùn)算后開(kāi)運(yùn)算這兩種時(shí)，除了方形結(jié)構(gòu)元外，其他3種結(jié)構(gòu)元構(gòu)建的形態(tài)學(xué)剖面線均有較高的分類(lèi)精度，在這3種結(jié)構(gòu)元中菱形的精度又高于其他兩種方法。

參考文獻(xiàn)：

［1］ BENEDIKTSSON J A，ARNASONT K，PESARESI M.The use of morphological profiles in classification of data from urban areas［J］.IEEE Press，2001，17（11）：30－34.

［2］ TUIA D，PACIFICI F，KANEVSKI M，et al.Classification of very high spatial resolution imagery using mathematical morphology and support vector machines［J］.IEEE Trans.Geosci.Remote Sens，2009，47（11）：3866－3879.

［3］ TAN K，DU P J.Hyperspectral remote sensing image classification based on radial basis function neural network［J］.Spectroscopy and Spectral Analysis，2008（28）：2009－2013.

［4］ BENEDIKTSSON J A，PESARESI M，ARNASON M.Classification and feature extraction for remote sensing images from urban areas based on morphological transformations［J］.IEEE Geoscience and Remoting Sensing Letters，2003，41（9）：1940－1949.

［5］ BENEDIKTSSON J A，PALMASON J A，JOHANNES R，et al.Classification of hyperspectral data from urban areas based on extended morphological profiles［J］.IEEE Geosci.Remoting Sensing Letters，2005，43（3）：480－490.

［6］ MURA M D，BENEDIKTSSON J A，WASKE B，et al.Morphological attribute filters for the analysis of very high resolution images［J］.IEEE IGARSS，Cape Town，South Africa，2009（3）：97－100.

［7］ PLAZA A，MARTíNEZ P，PéREZ R，PLAZA J.A new method for target detection in hyperspectral imagery based on extended morphological profiles［J］.IEEE Press，2003.

［8］ CONGALTON R G，GREEN K.Assessing the accuracy of remotely sensed data：Principles and practices［M］.Boca Raton，F(xiàn)L：CRCPress，2008.

［9］ BELLENS R，F(xiàn)ONTE L M，GAUTAMA S，et al.Potential problems with using reconstruction in morphological profiles for classification of remote sensing images from urban areas［J］.IEEE Press，2007，2698－2701.

［10］ PLAZA J，BARRA C.Multi－channel morphological profiles for classification of hyperspectral images using support vector machines［J］.Sensors（Basel），2009，9（1）：196－218.

［11］ PALMASON J A，BENEDIKTSSON J A，SVEINSSON J R，et al.Fusion of morphological and spectral information for classification of hyperspectral urban remote sensing data，”in Proc［J］.IGARSS，2006：2506－2509.

［12］ MURA M D，BENEDIKTSSON J A，WASKE B，et al.Morphological attribute profiles for the analysis of very high resolution images［J］.IEEE Geoscience and Remote Sensing Letters，2010，48（10）：3747－3761.

［13］ MURA M D，VILLA A，BENEDIKTSSON J A，et al.Classification of hyperspectral images by using extended morphological attribute profiles and independent component analysis［J］.IEEE Geoscience and Remote Sensing Letters，2011，8（3）：542－546.

［14］ PALMASON J A，SVEINSSON J R，CHANUSSOT J.Fusion of morphological and spectral information for classification of hyperspectral urban remote sensing data［J］.IGARSS，2007：2507－2510.

［15］ LICCIARDI G，MARPU P R，CHANUSSOT J，et al.Linear versus nonlinear PCA for the classification of hyperspectral data based on the extended morphological profiles［J］.IEEE Geosci.Remote Sensing Letters，2012：447－451.

［16］ VINCENT L.Morphological grayscale reconstruction in image analysis：Applications and efficient algorithms［J］.IEEE Trans.Image Process.1993：176－201.

［17］ 謝軍，王典軍.小波變換在遙測(cè)數(shù)據(jù)處理中的應(yīng)用［J］.飛行器測(cè)控學(xué)報(bào)，2007，26（3）：68－72.

［18］ URBACH E R，WILKINSON M H F.Shape－only granulometries and grey－scale shape filters［J］.ISMM，2002：305－314.

［19］ KUO B C，LANDGREBE D A.Improved statistics estimation and feature extraction for hyperspectral data classification［R］.Technical Report，TR－ECE 01－6，School of Electrical and Computer Engineering，Purdue University，2001.

［20］ 翟輝琴.基于數(shù)學(xué)形態(tài)學(xué)的遙感影像水域提取方法［J］.測(cè)繪科學(xué)，2006，31（1）：22－24.

［21］ 陶超，譚毅華，蔡華杰，等.面向?qū)ο蟮母叻直媛蔬b感影像城區(qū)建筑物分級(jí)提取方法［J］.測(cè)繪學(xué)報(bào)，2010，39（1）：39－45.

［22］ 余鵬，張震龍，侯至群.基于高斯馬爾可夫隨機(jī)場(chǎng)混合模型的紋理圖像分割［J］.測(cè)繪學(xué)報(bào)，2006，35（3）：224－228.

Comparison of Classification Accuracy of Remote Sensing Imagery Base on Different Morphological Profiles

SU Zhi－h(huán)u1，LIANG Qin－ou1，ZHU Liu－jun2

（1.Zhejiang Normal University，Jinhua321004；2.Nanjing University，Nanjing210000）

Different morphological methods and structuring elements have great influence on classification accuracy of remote sensing images.There is no further research about this in domestic and abroad.Here we choose two research areas from Wuhan，using four kinds of morphological methods which are opening operator，closing operator，opening－closing operator and closing－opening operator and four structuring elements which are diamond，disk，octagon，and square to construct 32 morphological profiles.The QuickBird image classification experiment was carried out in two study areas.The effect of different morphological profiles on classification results based on overall accuracy and Kappa coefficient was compared.The results show that，the opening－closing operator and closing－opening operator have great advantages over ordinary method and other two morphological methods on classification accuracy and they can clearly extract small plaque features；when the structuring element is octagon，the features of small patches are easily to be left out and the original points will be easily replaced by others；when the morphological methods are closing operator and opening operator，the classification accuracy of octagon is the highest；when the morphological methods are closing－opening operator and opening－closing operator，the classification accuracy of all the structuring elements is good except for square element，and the accuracy of diamond element is the highest among these four elements.

morphological method；structuring element；morphological profile；remote sensing image；classification accuracy

10.3969／j.issn.1000－3177.2015.02.006

TP75

A

1000－3177（2015）138－0036－07

2014－03－06

2014－04－09

國(guó)家自然科學(xué)基金項(xiàng)目（70773089）。

蘇志鵠（1990～），男，碩士研究生，研究方向?yàn)檫b感應(yīng)用。

E－mail：suzhihu001＠163.com

梁勤歐（1968～），男，教授，研究方向?yàn)榈乩硇畔⑾到y(tǒng)與遙感應(yīng)用。

E－mail：qoliang＠sina.com