萬歡，孫昕，周浩瀾，王長委*

（1.華南農(nóng)業(yè)大學(xué)資源環(huán)境學(xué)院，廣東 廣州 510642；2.珠海歐比特宇航科技股份有限公司，廣東 珠海 519080；3.華南農(nóng)業(yè)大學(xué)水利與土木工程學(xué)院，廣東 廣州 510642）

分類是高光譜遙感影像處理和應(yīng)用的一項重要內(nèi)容，其最終目標(biāo)是給影像中的每個像元賦以唯一的類別標(biāo)識[1]。然而，高光譜遙感影像的高維特性、波段間高度相關(guān)性、光譜混合等使得高光譜遙感影像分類面臨著巨大挑戰(zhàn)[2]。隨著模式識別、機(jī)器學(xué)習(xí)、遙感技術(shù)等相關(guān)學(xué)科領(lǐng)域的發(fā)展，高光譜遙感影像分類研究取得了快速進(jìn)展[3～5]。通過分析不同地物的光譜曲線，找出不同類地物之間的光譜曲線差異，明確最能區(qū)分某一類地物與其他地物間的波段，運(yùn)用波段的代數(shù)運(yùn)算方法，對高光譜遙感影像進(jìn)行分類，并將分類結(jié)果與機(jī)器分類結(jié)果進(jìn)行比較，評估了分類精度。

1 材料與方法

1.1 數(shù)據(jù)獲取

2017年6月8 日，UTC 時間6∶30～7∶30，采用Headwall 納米級高光譜成像光譜儀，獲取廣東省廣州市增城區(qū)溫涌路旁某一段河流的數(shù)據(jù)。以河流為中心線，包含河流兩岸的部分地物，測區(qū)寬約93 m、長約630 m。飛行路線大致為東南至西北，影像中有陰影，且陰影的位置均位于地物的東偏南方向。增城區(qū)當(dāng)天無持續(xù)風(fēng)向。影像區(qū)域的地物種類不多，地物均較為典型，且成像清晰（圖1）。

圖1 2017年6月8日廣州市增城區(qū)東江支流某段河流的影像圖Fig.1 Image of Dongjiang tributary in Zengcheng District of Guangzhou on June 8th 2017

1.2 研究方法

1.2.1 標(biāo)準(zhǔn)化處理 對不同類別地物各提取一定數(shù)量樣本點(diǎn)的全部波段的光譜信息，采集不同地物的特征值樣本。統(tǒng)計出各波段特征值范圍和平均值范圍、標(biāo)準(zhǔn)差范圍等（表1），用來衡量樣本反射率的整體大小。

表1 樣本點(diǎn)各個統(tǒng)計指標(biāo)的區(qū)間范圍Table 1 Range of statistical data of sample points

1.2.2 分類方法 基于地物光譜特征差異，采用波段運(yùn)算、閾值分割的決策樹方法，對地物進(jìn)行逐步分類。具體操作步驟為：運(yùn)用閾值分割法針對同一波段不同地物反射率的差異對地物進(jìn)行逐級分割；波段運(yùn)算使決策樹得到簡化。

1.2.2.1 各地物光譜反射率。制作地物在各個波段的光譜曲線（圖2）。對二維光譜曲線圖進(jìn)行分析發(fā)現(xiàn)，植被和水體與其他類地物的光譜曲線差異較大，且植被與水體的光譜曲線差異也較為明顯。

1.2.2.2 分類處理。通過二維光譜曲線可以直觀地對各類地物的光譜曲線進(jìn)行比較，利用不同類地物的光譜曲線差異，對影像中的地物進(jìn)行分類是比較簡易又快速的方法。使用決策樹分類法進(jìn)行波段代數(shù)運(yùn)算，對地物進(jìn)行分類。

（1）背景和影像分離（植被分離）。利用第164波段和第126 波段分離背景和影像。然后，利用歸一化植被指數(shù)NDVI 將植被分離出來。植被反射率變化的陡坡位于第126～164 波段，因此利用公式（1），判斷條件分離出植被，NDVI 的值可以通過分類效果進(jìn)行調(diào)整。

（2）水體分離。水體的光譜曲線整體比較低，且變化較為平緩，在第226 波段（中心波長900.12 nm）的近紅外波段，水體的輻射值非常低，樣本反射率平均值＜0.005。而在此波段附近，其他地物的輻射值處于比較高的位置。因此，由第226 波段是否＜0.02 作為水體的分離條件，效果最好。

（3）建筑物分離。通過觀察光譜特征曲線，將判斷條件設(shè)置為公式（2）。在第25 波段，建筑物的光譜曲線處在波峰位置；而在到第77 波段的這段范圍內(nèi)，建筑物的反射率下降得最為快速。因此，利用2 個波段的反射率差，將建筑物分離出來。同理，利用公式（3）對錯分的區(qū)域再次分離，進(jìn)一步完善分類效果。

圖2 各類地物的光譜反射率Fig.2 Spectral reflectance of various ground objects

（4）道路區(qū)與水體間分離。由于受建筑和植被的雙重陰影影響，道路區(qū)和水體的反射率都非常低，導(dǎo)致二者的光譜曲線處于部分波段區(qū)域平行的狀態(tài)，難以區(qū)分。由于水體的整體反射率非常低，因此與暗區(qū)道路相比，在同一波段區(qū)域，變化速度就顯得較低；而在第137～162 波段水體有一個相對的反射率下降速度較快的斜坡，是暗區(qū)道路沒有的特征，將其與第69～137 波段這一整體都處于反射率下降的區(qū)域做比值，分離出水體；在第137～162 波段水體的反射率曲線是呈上升趨勢的，利用公式（4）將部分被分類成水體的暗區(qū)道路分離出來，歸類為道路。

2 結(jié)果與分析

采用Headwall 納米級高光譜成像光譜儀，獲取了廣東省廣州市增城區(qū)溫涌路旁的河流數(shù)據(jù)；然后，對數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，運(yùn)用波段運(yùn)算、閾值分割的決策樹方法，對地物進(jìn)行逐步分類，得到地物分類圖。

2.1 人工閾值分割

采用人工閾值分割產(chǎn)生的決策樹分類結(jié)果顯示，地物整體被分為四類，綠色為植被，藍(lán)色為水體，黃色代表道路，紫紅色代表藍(lán)頂房屋（圖3）。由于一些道路漁區(qū)被建筑物和植被的雙重陰影覆蓋，導(dǎo)致其反射率非常低且接近于水體的反射率，分類時被確認(rèn)為水體。由于原始影像中可以清晰的看到河流中有植被和雜質(zhì)，最終植被和水體的類別分離效果最好。試驗結(jié)果通過樣本分類精度評定，Kappa 系數(shù)＝0.86，整體分類精度為89.3%（表2）。說明分類效果較為良好，分類的準(zhǔn)確率較高。

圖3 人工閾值分類結(jié)果Fig.3 Classification of artificial threshold

2.2 自動閾值分類

通過ENVI 下的機(jī)器分類得到的自動閾值，對采集數(shù)據(jù)進(jìn)行分割，同樣將地物分為4 類（圖4）?？梢钥闯?，車體和植被分得較為清晰，但是影像中被分類的部分地物的區(qū)域呈散點(diǎn)狀的較多，且類似于斑馬線這種反射率較高的道路區(qū)域易被分類為建筑類別，被分類為建筑類別的車輛在機(jī)器分類的影像下，顯得較為散亂。機(jī)器分類精度評定Kappa 系數(shù)＝0.80，總體的分類精度83.51%（表3），均低于人工閾值分割。

表2 人工分類混淆矩陣Table 2 Obfuscation matrix of artificial classification

圖4 機(jī)器自動閾值分類結(jié)果Fig.4 Classification of mechanized automatic threshold

表3 機(jī)器分類混淆矩陣Table 3 Obfuscation matrix of machine classification

3 結(jié)論與討論

3.1 主要結(jié)論

采用波段特征值對廣東省增城市東江支流某段河流的無人機(jī)高光譜影像進(jìn)行了地物分類，得到了以下結(jié)論：（1）由地物的光譜曲線可以看出，植被和水體在無人機(jī)高光譜影像上的光譜曲線差異比較明顯，植被和水體光譜曲線的差異為進(jìn)一步采用特征值分類提供了借鑒；（2）對閾值分割產(chǎn)生的決策樹分類結(jié)果進(jìn)行樣本分類精度評定，人工創(chuàng)建的決策樹的分類的精度明顯要高于機(jī)器自動創(chuàng)建的決策樹分類的精度。

3.2 討論

3.2.1 人工與機(jī)器分類效果的比較 機(jī)器自動做出的決策樹較為復(fù)雜，分類樹的級別達(dá)到近10 級，且較少通過對波段做代數(shù)運(yùn)算進(jìn)行分類。人工閾值分割，地物被分類的區(qū)域較多的集中在一起，散點(diǎn)較少，即使被分錯，也是以小塊區(qū)域為單位；而自動閾值分割出來的影像，散點(diǎn)較多，類域不夠集中。

3.2.2 高光譜遙感影像分類遇到的問題 在石灰?guī)r過程中，（1）兩兩區(qū)分地物的條件設(shè)置不同，有可能將其他地物納入到兩類地物中，因此需要不斷調(diào)整設(shè)置條件，以達(dá)到最好的分類效果。（2）地物反射率測量結(jié)果受多種因素影響，如太陽電磁波入射角、波長、溫度、物體表面粗糙度等[6]。而試驗中，主要影響地物反射率變化的因素為溫度和陰影，其中陰影對地物的反射率光譜的影響屬于間接影響。 （3）決策樹軟件的運(yùn)行對計算機(jī)有較高的要求，且分類結(jié)果雜點(diǎn)較多，分類相對散亂。對于特定的某一幅影像，根據(jù)其特點(diǎn)不斷調(diào)整分類條件，以求達(dá)到最佳分類。