秦及茹,徐天蜀

(西南林業(yè)大學(xué)林學(xué)院,云南 昆明 650224)

基于TM數(shù)據(jù)的遙感分類方法對(duì)比研究

秦及茹,徐天蜀

(西南林業(yè)大學(xué)林學(xué)院,云南 昆明 650224)

摘要:以香格里拉縣2009年Landsat5~TM遙感影像為實(shí)驗(yàn)數(shù)據(jù),利用最大似然法(MLC)以及最小距離法兩種方法進(jìn)行了遙感分類方法研究,主要從分類精度方面對(duì)兩種方法進(jìn)行了對(duì)比分析,結(jié)果表明:最大似然法分類結(jié)果明顯優(yōu)于最小距離法,但作為傳統(tǒng)的分類方法,二種方法分類精度都不夠高。

關(guān)鍵詞:遙感;最大似然法;最小距離法;分類精度

1引言

遙感技術(shù)是從遠(yuǎn)距離感知目標(biāo)反射或自身輻射的電磁波、可見光、紅外線,對(duì)目標(biāo)進(jìn)行探測和識(shí)別的技術(shù)。現(xiàn)代遙感技術(shù)主要包括信息的獲取、傳輸、存儲(chǔ)和處理等一些環(huán)節(jié)。在識(shí)別地物時(shí),可以采用人工目視解譯法或計(jì)算機(jī)自動(dòng)識(shí)別的方法,在目前遙感分類方法中,應(yīng)用得較多的是傳統(tǒng)的監(jiān)督與非監(jiān)督分類法,如:模式識(shí)別分類方法,諸如最小距離法、平行六面體法、最大似然法(MLC)、支持向量機(jī)(SMV)、循環(huán)集群法(ISODATA)等。本文采用最大似然法以及最小距離法兩種方法對(duì)遙感圖像進(jìn)行分類,從分類精度方面對(duì)兩種方法進(jìn)行對(duì)比分析。

2研究區(qū)與數(shù)據(jù)收集

2.1　研究區(qū)概況

香格里拉縣位于青藏高原南部,橫斷山脈腹地,三江并流區(qū)。隸屬迪慶藏族自治州,位于云南省西北部、迪慶州東北部。全縣總面積141739hm2,境內(nèi)雪山林立、江河縱橫、草原遍布、湖泊眾多,其地貌分為山地、高原、盆地、河谷地貌。境內(nèi)共有大小河流244條,高原湖泊298個(gè),面積在0.67hm2以上的湖泊有34個(gè)[1]。

2.2　數(shù)據(jù)收集

遙感影像數(shù)據(jù)采用2009年11月24日Landsat 5經(jīng)過香格里拉縣時(shí)的影像。其中1、2、3、4、5、7波段為可見光以及近紅外波段,空間分辨率為30m,第6波段為熱紅外波段,空間分辨率為60m。所獲TM數(shù)據(jù)已經(jīng)進(jìn)行了預(yù)處理,但在實(shí)際操作中仍需進(jìn)行進(jìn)一步處理,使其達(dá)到分類要求,提高分類精度。本研究數(shù)據(jù)用1∶50000的地形圖數(shù)據(jù)對(duì)影像進(jìn)行了輻射校正、幾何校正與地理編碼等多項(xiàng)處理。

3研究方法

3.1　訓(xùn)練樣本的選取

訓(xùn)練樣本是選取信息的首要步驟,對(duì)分類精度具有至關(guān)重要的影響。訓(xùn)練樣本的選取必須遵循2個(gè)原則:首先,樣本點(diǎn)的選取要具有典型性及代表性,也就是說選出的樣本點(diǎn)必須是該地物類型的“藍(lán)本”,并且能夠較好的代表該地物類型的光譜分布模式。這就要求在訓(xùn)練樣本選擇時(shí),要在一個(gè)區(qū)域的中間位置選擇其像元點(diǎn),這樣其光譜代表性好,受到的“異類”光譜影響就會(huì)比較小。其次,樣本點(diǎn)的選取還應(yīng)具有完備性,圖像中待分類的每一種類,如果其存在許多亞類,就必須從其亞類中選擇像元點(diǎn)構(gòu)成一組較為復(fù)雜的訓(xùn)練樣本作為其大類的訓(xùn)練區(qū),這也就使得訓(xùn)練區(qū)的統(tǒng)計(jì)結(jié)果能夠充分反映每一類型中光譜類別的所有組成。根據(jù)上述原則,現(xiàn)在已獲取的遙感圖像中選取合格的樣本單元,并將研究區(qū)域分為六大類:林地、雪地、城鎮(zhèn)、農(nóng)牧地、裸地、水體,如表1所示。

表1　香格里拉縣TM 影像各類型地物目視解譯標(biāo)志

3.2　最大似然法分類

最大似然法是通過求出每個(gè)像素對(duì)于各類別的歸屬概率,把該像素分到歸屬概率最大的類別中區(qū)的方法。其分類器被認(rèn)為是一種穩(wěn)定性、魯棒性好的分類器[2]。

分類過程為在建立好分類所用的樣本數(shù)據(jù)后,啟用監(jiān)督分類模塊下最大似然分類工具,對(duì)TM數(shù)據(jù)進(jìn)行分類,并對(duì)分類結(jié)果進(jìn)行后處理,得到最終分類結(jié)果如圖1所示。

圖1　最大似然分類結(jié)果輸出

3.3　最小距離法分類

最小距離(又稱光譜距離)判別規(guī)則,計(jì)算像素向量與每一個(gè)模板的平均向量的光譜距離。這種方法的優(yōu)點(diǎn)是,由于每一個(gè)象素總歸有一個(gè)樣本平均值與之最為靠近,因此不存在不分類的象素;計(jì)算量小,只計(jì)算均值參量,而且矩陣計(jì)算也比較簡單,因此這種方法節(jié)省計(jì)算機(jī)機(jī)時(shí);另外,這種方法只用均值一個(gè)參數(shù),避免用協(xié)方差矩陣就避免了在樣本數(shù)較少的情況下,協(xié)方差矩陣計(jì)算不準(zhǔn)確而引起的誤差[3]。

分類所用的樣本數(shù)據(jù)建立好后,啟用監(jiān)督分類模塊下最小距離分類工具,對(duì)TM數(shù)據(jù)進(jìn)行分類,并對(duì)分類結(jié)果進(jìn)行后處理,得到最終分類結(jié)果如圖2所示。

圖2　最小距離法分類結(jié)果輸出

4分類精度評(píng)價(jià)

為了在時(shí)效性上保證精度驗(yàn)證的可靠性,現(xiàn)將2009年的森林資源二類調(diào)查數(shù)據(jù)作為真實(shí)樣本數(shù)據(jù),與影像的分類結(jié)果進(jìn)行分類精度驗(yàn)證實(shí)驗(yàn)。按照本研究的分類系統(tǒng)將香格里拉縣森林資源二類調(diào)查數(shù)據(jù)歸并提取后,采用分層隨機(jī)抽樣的方法提取分類中6個(gè)地類一定數(shù)量的樣本數(shù)據(jù),將該數(shù)據(jù)作為精度驗(yàn)證的真實(shí)參考地類樣本數(shù)據(jù),對(duì)分類結(jié)果采用混淆矩陣法進(jìn)行精度評(píng)價(jià)。精度評(píng)價(jià)結(jié)果見表2、表3。

表2　最大似然法精度評(píng)價(jià)結(jié)果

表3　最小距離法精度評(píng)價(jià)結(jié)果

5結(jié)語

通過比較可以得出,傳統(tǒng)的最大似然法分類結(jié)果優(yōu)于最小距離法,但二者分類精度都較低。近年來,隨著遙感技術(shù)和計(jì)算機(jī)技術(shù)的不斷

發(fā)展,專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、模糊技術(shù)和數(shù)學(xué)形態(tài)學(xué)等一些原來實(shí)現(xiàn)困難的新方法也在遙感圖像分類中開始發(fā)揮作用,這些新的方法比傳統(tǒng)的方法在分類精度上有明顯提高[4]。與此同時(shí),為了進(jìn)一步提高遙感圖像分類精度,綜合利用各種數(shù)據(jù)進(jìn)行遙感圖像分類也將勢在必行,而這也是遙感應(yīng)用科學(xué)家們一直探索的方向之一。

參考文獻(xiàn):

[1] 齊樂,岳彩榮.基于CART決策樹方法的遙感影像分類[J].林業(yè)調(diào)查規(guī)劃,2011,36(2):62~66.

[2] Ediriwickrema J,Khorram S.HierarchicalMaximum-Likelihood Classification for Imp roved Accuracies[J].IEEE Trans.on Geosci2 ence and Remote Sensing,1997,35(4):810~816.

[3] 黎微.基于遙感影像的城市綠地信息提取及分析[D].上海:華東師范大學(xué),2007.

[4] 李石華,王金亮,畢艷,等.遙感圖像分類方法研究綜述[J].國土資源遙感,2005,64(2):1~6.

中圖分類號(hào):T98

文獻(xiàn)標(biāo)識(shí)碼:A

文章編號(hào):1674-9944(2015)01-0272-03

通訊作者:徐天蜀(1964—),女,云南昭通人,教授,博士,主要從事森林資源管理及林業(yè)信息化的教學(xué)和科研工作。

作者簡介:秦及茹(1990—),女,山西五寨人,西南林業(yè)大學(xué)林學(xué)院碩士研究生。

收稿日期:2014-11-13