王 林

(新疆生產(chǎn)建設(shè)兵團(tuán)勘測(cè)規(guī)劃設(shè)計(jì)研究院，新疆烏魯木齊 830002)

傳統(tǒng)的遙感影像信息提取主要是基于中低分辨率的遙感衛(wèi)星數(shù)據(jù)或航片，通過(guò)目視判讀或是基于像素的計(jì)算機(jī)分類(lèi)方法，信息提取的精度和效率不能兼顧。而高分辨率的遙感影像雖然結(jié)構(gòu)、紋理等信息非常突出，但是所含波段較少，光譜信息不足。所以?xún)H依靠像素的光譜信息進(jìn)行分類(lèi)而忽略整片圖斑的紋理、結(jié)構(gòu)等信息，必然會(huì)造成分類(lèi)精度降低，空間數(shù)據(jù)大量冗余，并且其分類(lèi)結(jié)果常是椒鹽圖像，不利于進(jìn)行空間分析。eCognition正是基于影像空間波譜兩方面信息直接面向高分辨影像和雷達(dá)影像的分類(lèi)處理，采用全新的面向?qū)ο蟮膱D像分類(lèi)技術(shù)來(lái)進(jìn)行影像的分類(lèi)和信息提?。?］。

1 影像分析的技術(shù)核心

面向?qū)ο蟮姆诸?lèi)方法是一種智能化的自動(dòng)影像分析方法，它的分析單元不是單個(gè)像素，而是由若干個(gè)像素組成的像素群，即目標(biāo)對(duì)象。目標(biāo)對(duì)象比單個(gè)像素更具實(shí)際意義，特征的定義和分類(lèi)均是基于目標(biāo)進(jìn)行的。

1.1 基于圖像對(duì)象進(jìn)行影像分析

eCognition對(duì)圖像進(jìn)行分類(lèi)并不以像素作為識(shí)別的基本單元，而是充分利用圖像對(duì)象及其相關(guān)信息，對(duì)地物特征進(jìn)行詳細(xì)劃分?？捎糜趯?duì)象分類(lèi)的特征主要有:形狀特征、紋理特征、灰度特征和層次特征。通過(guò)這些特征的提取可以較容易地區(qū)分不同類(lèi)型的對(duì)象，例如利用對(duì)象之間的距離特征，可以區(qū)分出水體和房屋的陰影。

1.2 多尺度影像分割

多尺度影像分割就是給影像目標(biāo)多邊形一個(gè)特定的閾值，根據(jù)指定的色彩和形狀的同質(zhì)準(zhǔn)則，基于對(duì)象異質(zhì)性最小原則，將光譜信息類(lèi)似的相鄰像元合并為有意義的對(duì)象，使整幅影像的同質(zhì)分割達(dá)到高度優(yōu)化的程度。影像分割的目的是將影像劃分成一個(gè)個(gè)有意義的分離區(qū)域，形成初級(jí)的影像對(duì)象，為下一步分類(lèi)提供信息載體和構(gòu)建基礎(chǔ)。因此，分割得好壞直接影響著分類(lèi)的精度［2］。

eCognition允許以任意分辨率進(jìn)行影像同質(zhì)區(qū)域的分割，故亦稱(chēng)多分辨率分割。利用eCognition多分辨率對(duì)象分割方法，生成的一個(gè)項(xiàng)目能包含一個(gè)有不同分辨率、不同對(duì)象分割水平的分類(lèi)網(wǎng)絡(luò)，這些類(lèi)的結(jié)構(gòu)同時(shí)代表了不同尺度圖像信息。利用不同的分割技術(shù)生成影像對(duì)象的網(wǎng)絡(luò)層次結(jié)構(gòu)。每一次分割循環(huán)就生成網(wǎng)絡(luò)層次中的一個(gè)層。同時(shí)，層結(jié)構(gòu)代表不同尺度的影像對(duì)象信息。精對(duì)象是粗對(duì)象的子對(duì)象，這樣每一個(gè)對(duì)象都了解自己的上下文、鄰對(duì)象、子對(duì)象以及父對(duì)象。網(wǎng)絡(luò)層次上的操作，可以定義對(duì)象間的關(guān)系。可見(jiàn)，圖像對(duì)象與單個(gè)像元用于分類(lèi)的特征相比，提高了分類(lèi)信息的信噪比，即多數(shù)外加信息的獨(dú)立性使得分類(lèi)更加精確。eCognition分割的結(jié)果作為目標(biāo)對(duì)象用于下一步分類(lèi)［3－4］。

圖1 不同尺度的對(duì)象分割

1.3 面向?qū)ο蟮姆诸?lèi)方法

eCognition提供了兩種不同類(lèi)型的分類(lèi)器:最近鄰分類(lèi)器和隸屬度函數(shù)分類(lèi)器。最近鄰分類(lèi)相似于監(jiān)督分類(lèi)，需要選擇樣本。樣本是一個(gè)類(lèi)的典型代表，在聲明每個(gè)類(lèi)的樣本對(duì)象后，每個(gè)影像對(duì)象都賦為特征空間中最鄰近樣本所代表的類(lèi)中。當(dāng)無(wú)法描述特征空間時(shí)，允許用戶(hù)通過(guò)模糊的規(guī)則明確地表達(dá)分類(lèi)要求，對(duì)類(lèi)進(jìn)行描述可用不確定性。隸屬度函數(shù)法是基于可利用目標(biāo)特征的模糊邏輯來(lái)分類(lèi)，可以精確定義對(duì)象屬于某一類(lèi)的標(biāo)準(zhǔn)，是基于一個(gè)特征的。因此，如果僅用一個(gè)或少數(shù)特征就可以將一個(gè)類(lèi)同其他類(lèi)區(qū)別開(kāi)時(shí)，可以使用隸屬度函數(shù)分類(lèi)器［5－7］。

2 兩種分類(lèi)方法的結(jié)果對(duì)比

eCognition面向?qū)ο蠓诸?lèi)的結(jié)果與ERDAS的監(jiān)督分類(lèi)的結(jié)果精度和效果評(píng)價(jià)如圖2所示。

圖2 eCognition和ERDAS Expert Classif ier分類(lèi)結(jié)果對(duì)比

圖2中ERDAS主要依據(jù)地物的光譜信息進(jìn)行圖像分類(lèi)，在區(qū)域分割或邊界跟蹤的基礎(chǔ)上抽取遙感圖像形態(tài)、紋理特征和空間關(guān)系等特征。這種基于像素的分類(lèi)方法往往產(chǎn)生散布式的分類(lèi)效果，不利于進(jìn)一步的空間分析。圖2為耕地和道路的細(xì)節(jié)對(duì)比。

圖2中eCognition是在面向圖像對(duì)象的基礎(chǔ)上進(jìn)行的分類(lèi)，該分類(lèi)方法兼顧考慮地物的形狀特征和結(jié)構(gòu)特征，同時(shí)考慮影像的形狀和紋理因素，可以有效地識(shí)別河道、道路、建筑物的形狀，克服了“椒鹽”現(xiàn)象。同時(shí)由于對(duì)象內(nèi)部相對(duì)均一性在一定程度上解決了“同物異譜”和“同譜異物”現(xiàn)象，使得分類(lèi)精度有了較大提高。

3 結(jié)束語(yǔ)

與傳統(tǒng)像元的面積提取方法相比，eCognition面向?qū)ο蠓诸?lèi)方法可以充分考慮地物本身的信息，包括光譜信息、形狀信息、紋理信息、結(jié)構(gòu)信息等，影像分割后形成若干個(gè)互不交疊的非空子區(qū)域，每個(gè)子區(qū)域的內(nèi)部都是連通的并且具有相同或者相似的特性，從而有效減少了“椒鹽效應(yīng)”。分類(lèi)后對(duì)影像數(shù)據(jù)的樣本可再選擇、刪除、再分類(lèi)，便捷的手工操作使得只要能夠被分割出的對(duì)象都可以根據(jù)實(shí)際類(lèi)別被賦到對(duì)應(yīng)類(lèi)上，產(chǎn)生與人類(lèi)思維更加接近的分類(lèi)結(jié)果。因此，eCognition面向?qū)ο蟮姆诸?lèi)方法可以充分利用高分辨率遙感影像豐富的空間信息，彌補(bǔ)傳統(tǒng)的基于像素統(tǒng)計(jì)特征分類(lèi)方法的不足，極大地提高了高分辨率遙感影像自動(dòng)識(shí)別的精度。

［1］ 李宗華，王新洲，彭明軍，等.高分辨率衛(wèi)星遙感影像在土地利用變更調(diào)查中的應(yīng)用［J］.測(cè)繪信息與工程，2005，30(4):13－16.

［2］ 丁曉英.eCognition在土地利用項(xiàng)目中的應(yīng)用［J］.測(cè)繪與空間地理信息，2005，28(6):116－117.

［3］ 曹寶，秦其明，馬海建，等.面向?qū)ο蠓椒ㄔ赟POT5感圖像分類(lèi)中的應(yīng)用－以北京市海淀區(qū)為例［J］.地理與地理信息科學(xué)，2006，22(2):46－54.

［4］ 曹雪，柯長(zhǎng)青.基于對(duì)象級(jí)的高分辨率遙感影像分類(lèi)研究［J］.遙感信息，2006(5):27－30.

［5］ 杜鳳蘭.面向?qū)ο蟮牡匚锓诸?lèi)方法分析與評(píng)價(jià)［J］.遙感技術(shù)與應(yīng)用，2004，19(1):20－23.

［6］ 明冬萍，駱劍承，沈占鋒，等.高分辨率遙感影像信息提取與目標(biāo)識(shí)別技術(shù)研究［J］.測(cè)繪科學(xué)，2005，30(3):18－20.

［7］ eCognition Conpration.User Guide，Definiens imaging gmb munich［EB/OL］.(2007－10－20)［2011－02－01］http://www.definiens imaging.com/product.htm.