劉小鵬 竇關(guān)新 趙寶軍 韓叢波

（國(guó)家測(cè)繪地理信息局第二地形測(cè)量隊(duì)，陜西 西安710054）

1 引言

近年來(lái)，傳感器技術(shù)得到快速發(fā)展，衛(wèi)星遙感呈現(xiàn)出多平臺(tái)、多傳感器、多角度和高空間分辨率、高光譜分辨率、高時(shí)間分辨率的特點(diǎn)。其中，高分辨率遙感的重要特征之一是高空間分辨率，也是目前遙感領(lǐng)域普遍關(guān)注的重點(diǎn)。基于高分辨率遙感影像的信息提取技術(shù)已經(jīng)成為遙感界應(yīng)用研究的熱點(diǎn)之一，遙感圖像信息提取的研究，將推進(jìn)遙感信息提取技術(shù)從基于像元的分類轉(zhuǎn)為面向?qū)ο蟮淖R(shí)別。地理國(guó)情監(jiān)測(cè)是綜合利用“3S”等現(xiàn)代測(cè)繪地理信息技術(shù)，基于高分辨率遙感衛(wèi)星影像，整合各時(shí)期的測(cè)繪成果檔案，對(duì)自然、人文等地理要素進(jìn)行動(dòng)態(tài)監(jiān)測(cè)，以全面掌握地表自然、生態(tài)以及人類活動(dòng)的基本情況。

2 面向?qū)ο蠓诸惙椒?/h2>

2.1 基本概念

面向?qū)ο蟮倪b感影像信息提取，需先對(duì)遙感影像數(shù)據(jù)進(jìn)行分割，從二維化了的影像信息陣列中恢復(fù)出影像所反映的景觀場(chǎng)景中目標(biāo)地物的空間形狀及組合方式。影像的最小單元不再是單個(gè)像素，而是一個(gè)個(gè)對(duì)象，后續(xù)的影像分析和處理也都基于對(duì)象進(jìn)行。建立不同尺度的分類層次，在每一層上分別定義不同類別對(duì)象的紋理特征、光譜特征、形狀特征、等級(jí)特征以及上下文相鄰關(guān)系特征等。在定義對(duì)象的多種特征后指定其不同的權(quán)重，建立分類規(guī)則，即可對(duì)遙感影像進(jìn)行分類。

2.2 關(guān)鍵技術(shù)環(huán)節(jié)

基于面向?qū)ο蟮母叻直媛蔬b感影像信息提取的關(guān)鍵技術(shù)環(huán)節(jié)包括分割與分類，而影像分類的關(guān)鍵是確定基本特征、構(gòu)建指數(shù)信息、嵌入輔助信息、構(gòu)建分類規(guī)則。

2.2.1 影像分割

影像分割是利用影像像元的特征向量即光譜信息、大小、形狀以及鄰近的像元即空間信息在影像上識(shí)別和劃分出合適的片段網(wǎng)，產(chǎn)生第一階段的影像對(duì)象，為下一步的分割或分類提供信息載體和構(gòu)建基礎(chǔ)。影像分割的目的是把影像分割成與實(shí)地相對(duì)應(yīng)的不同對(duì)象，一個(gè)對(duì)象即為一個(gè)真正存在的實(shí)體。

影像分割算法的實(shí)質(zhì)是基于亮度值的不連續(xù)性和相似性這兩個(gè)基本特性。不連續(xù)性的主要應(yīng)用是基于影像亮度的不連續(xù)性變化而分割圖像，例如圖像的邊緣等。相似性的主要應(yīng)用是依據(jù)提前制訂的規(guī)則將圖像分割為相似的區(qū)域。區(qū)域分離、區(qū)域生長(zhǎng)、閾值處理和聚合等都是此類方法的實(shí)例。多尺度分割算法采用的是區(qū)域生長(zhǎng)合并算法，通過(guò)對(duì)尺度閥值、光譜因子及形狀因子的控制，可以獲得不同尺度下所需的對(duì)象。在影像分割過(guò)程中可根據(jù)不同層次需求設(shè)置不同的分割停止閥值，從而生成不同尺度的影像對(duì)象層，與原始遙感影像不同的是分割后影像層中的基本單元已不再是單個(gè)像元，而是具有豐富空間、紋理與領(lǐng)域信息的有意義對(duì)象。

2.2.2 影像分類

影像分類的關(guān)鍵在于確定指數(shù)信息、獲取基本特征、構(gòu)建分類規(guī)則、嵌入輔助信息。

構(gòu)建指數(shù)信息：根據(jù)各類提取目標(biāo)類型的基本特征和影像的光譜特征，構(gòu)建相應(yīng)的指數(shù)指標(biāo)（如歸一化水指數(shù)NDWI、歸一化植被指數(shù)NDVI等），作為信息提取的判定依據(jù)。

獲取基本特征：確定最能反映其類別特性的一組新特征，利用特征提取算法從原始特征中求出新特征，完成樣本空間到特征空間的基本特征提取轉(zhuǎn)換?；咎卣靼y理、亮度值、標(biāo)準(zhǔn)差、形狀、灰度共生矩陣以及拓?fù)潢P(guān)系等，為指數(shù)信息構(gòu)建提供基礎(chǔ)。通過(guò)特征提取既可以達(dá)到數(shù)據(jù)壓縮的目的，又提高了不同類別特征之間的可區(qū)分性。影像特征在影像信息提取中起到很重要的作用，特征選擇的好壞直接影響到信息提取的效率與精度。

構(gòu)建分類規(guī)則：針對(duì)特定解譯目標(biāo)類型構(gòu)建規(guī)則的過(guò)程是一個(gè)對(duì)該類型的解譯標(biāo)志進(jìn)行歸納并利用分割后各個(gè)對(duì)象的紋理、光譜以及形狀等基本特征值進(jìn)行形式化描述的過(guò)程。eCognition可以提供上百種對(duì)象特征值，包括紋理、形狀、光譜等多個(gè)方面。從中選取較為理想的分類特征和適當(dāng)?shù)拈撝凳菦Q定最終分類效果的關(guān)鍵。

嵌入輔助信息：基礎(chǔ)地理信息數(shù)據(jù)（DEM）與其他專題數(shù)據(jù)均可作為輔助信息參與分類，以達(dá)到提高分類精度，減少地表覆蓋類型的分類錯(cuò)誤。

當(dāng)遙感影像被分割成為對(duì)象后，理論上存在著描述對(duì)象間或影像內(nèi)部幾何關(guān)系的距離、包含等拓?fù)涮卣?，?duì)象的紋理、形狀和色彩等內(nèi)在特征以及描述對(duì)象間語(yǔ)義關(guān)系的上下文特征。加之對(duì)遙感影像進(jìn)行多尺度影像分割后就會(huì)產(chǎn)生父對(duì)象和子對(duì)象，這樣就又會(huì)衍生一些新的特征。這些特征可以歸納為兩個(gè)方面：對(duì)象特征和類相關(guān)特征。影像特征在影像信息提取中起到很重要的作用，特征選擇的好壞直接影響到信息提取的效率與精度。

3 應(yīng)用

3.1 eCognition簡(jiǎn)介

eCognition是目前全球商用遙感軟件中首個(gè)基于面向?qū)ο蟮倪b感信息提取軟件，核心是決策支持的模糊分類算法，突破了傳統(tǒng)遙感軟件僅基于光譜信息的局限性，提出了基于面向?qū)ο蟮挠跋穹诸惣夹g(shù)，該軟件認(rèn)為影像對(duì)象及它們之間的關(guān)系，包含著重要的語(yǔ)義影像信息，其實(shí)質(zhì)是模擬人類的知覺(jué)系統(tǒng)。

3.2 數(shù)據(jù)預(yù)處理

3.2.1 數(shù)據(jù)來(lái)源

（1）遙感影像：應(yīng)用區(qū)位于陜西省安康市嵐皋縣，采用2014年7月航攝影像，文件格式TFW，共3個(gè)波段，空間分辨率0.5米。

（2）基礎(chǔ)地理信息數(shù)據(jù)：國(guó)家1∶50000地理信息數(shù)據(jù)、陜西省秦嶺測(cè)圖工程1∶10000地理信息數(shù)據(jù)。

（3）其他專題數(shù)據(jù)，包括林業(yè)、農(nóng)業(yè)、環(huán)保、旅游、交通、民政等專題資料。

3.2.2 圖像預(yù)處理

在遙感影像解譯之前，需對(duì)原始影像進(jìn)行預(yù)處理，所謂預(yù)處理就是指對(duì)觀測(cè)數(shù)據(jù)做成像處理，以及圖像的輻射校正、幾何校正、預(yù)濾波、采樣、去噪聲等處理。

本次所使用的解譯影像是數(shù)字正射影像，不需要再做其他處理。

3.2 解譯結(jié)果分析

此次分割所采用的算法為多尺度分割（Ultiresolution Segmentation）。多尺度影像分割是指從任一個(gè)像元開始，采用自下而上的區(qū)域合并方法形成對(duì)象。小的對(duì)象可以經(jīng)過(guò)若干步驟后合并成較大的對(duì)象，需要注意的是合并后對(duì)象的異質(zhì)性必須小于給定的閾值。因此，多尺度影像分割可以理解為一個(gè)逐步優(yōu)化的過(guò)程，而異質(zhì)性則是由對(duì)象的形狀和光譜差異確定的，形狀的異質(zhì)性是由緊湊度和光滑度來(lái)衡量。顯然，設(shè)定了較大的分割尺度 ，則對(duì)應(yīng)著較多的像元被合并 ，因而產(chǎn)生較大面積的對(duì)象；相反，分割尺度設(shè)置較小時(shí)，對(duì)應(yīng)著較少的像元被合并，產(chǎn)生較小面積的分割對(duì)象。本區(qū)先后設(shè)置尺度閥值為240、620兩種分割尺度進(jìn)行分割，同一區(qū)域分割結(jié)果截圖如下：

從解譯結(jié)果可以看出，當(dāng)分割尺度設(shè)置較為240時(shí)圖斑相對(duì)破碎、面積較小且數(shù)量較多，分割尺度設(shè)置為620時(shí)圖斑面積明顯變大且數(shù)量降低。

以上為同一塊區(qū)域在不同分割尺度下的解譯結(jié)果，從圖中可以看出，隨著分割尺度的不斷增大，解譯結(jié)果也呈現(xiàn)出圖斑大、數(shù)量少的特征，經(jīng)過(guò)對(duì)比可以發(fā)現(xiàn)，隨著分割尺度的不斷增大，解譯圖斑邊線逐漸變得粗糙、圖斑數(shù)減少、精度降低。

從以上截圖發(fā)現(xiàn)，設(shè)置合適的多尺度分割參數(shù)，其分割結(jié)果基本符合要求，與實(shí)地的地表信息接近，提取出了主要的地物，如道路、耕地、水域、房屋建筑區(qū)、植被等。采用面向?qū)ο蟮亩喑叨确指罴夹g(shù)，相比較基于像元的分類，能夠有效地降低椒鹽現(xiàn)象的出現(xiàn)。

3.3 思考及經(jīng)驗(yàn)

（1）通過(guò)對(duì)不同時(shí)期遙感影像解譯結(jié)果對(duì)比發(fā)現(xiàn)，植被提取主要受植物生長(zhǎng)周期的影響較大，特別是小麥、玉米等農(nóng)作物，不同的生長(zhǎng)周期，光譜差別比較大。道路、硬化地表、堤壩等同屬人工地物，它們材質(zhì)多數(shù)相同，這導(dǎo)致在提取道路、硬化地表和堤壩等人工地物時(shí)相互影響，造成分類結(jié)果混亂。

（2）在遙感影像處理時(shí)可采用反差增強(qiáng)或反差擴(kuò)展技術(shù)，以提高影像反差來(lái)改善影像解譯質(zhì)量，這種方法對(duì)光化學(xué)處理或數(shù)字圖像處理均適用。實(shí)際應(yīng)用中，Erdas、Arcgis等常用軟件均可提供此類方法。

（3）針對(duì)不同區(qū)域地物的復(fù)雜程度，將遙感影像裁切后根據(jù)各區(qū)域復(fù)雜程度選擇適宜的分割尺度進(jìn)行分塊解譯，再將其進(jìn)行融合處理，可在一定程度上提高解譯結(jié)果的效率及準(zhǔn)確度。針對(duì)地物分類后存在破碎圖斑的現(xiàn)象，可對(duì)圖像做聚類分析等，這個(gè)可以在空間建模中處理，做過(guò)聚類分析以后分類結(jié)果改進(jìn)了不少。

（4）自動(dòng)解譯的數(shù)據(jù)節(jié)點(diǎn)較多且數(shù)據(jù)量大，圖斑邊緣呈鋸齒狀，可將數(shù)據(jù)導(dǎo)入Arcgis，轉(zhuǎn)成線要素并做拓?fù)涮幚?，進(jìn)行平滑、抽稀等處理，依據(jù)精度要求設(shè)置最大偏移量，將要素的直角、拐角平滑處理為貝塞爾曲線，再轉(zhuǎn)換為面要素。

4 結(jié)語(yǔ)

基于面向?qū)ο蟮姆诸惙椒ǔ浞掷昧烁叻钟跋竦墓庾V、紋理、形狀以及地物間關(guān)系等信息，與傳統(tǒng)的面向像元的分類方法不同，面向?qū)ο蠓椒▽?duì)提取的同類對(duì)象進(jìn)行分類，破碎圖斑及椒鹽現(xiàn)象相對(duì)較少，具有較強(qiáng)的抗噪聲能力。面向?qū)ο蠓诸惙椒ǖ年P(guān)鍵在于獲取適宜的分割尺度參數(shù)，由于分割尺度參數(shù)存在較大的不確定性，需要大量的先驗(yàn)知識(shí)，這些都將影響面向?qū)ο蟮母叻直媛蔬b感影像分類精度，而研究最優(yōu)分割參數(shù)和分割尺度，建立有效的分類規(guī)則無(wú)疑提高面向?qū)ο蠓诸惙椒ǖ年P(guān)鍵所在。