趙建才,紀婷婷,2,秦慧杰,2

(1.江蘇省測繪工程院,江蘇 南京 210013;2.自然資源部國土衛(wèi)星遙感應(yīng)用重點實驗室,江蘇 南京 210013)

0 引 言

隨著空間技術(shù)、傳感器技術(shù)的發(fā)展,遙感技術(shù)也突飛猛進。當前,遙感技術(shù)正在進入一個以高光譜遙感技術(shù)和微波遙感技術(shù)為標志的時代。高光譜遙感是一門綜合性技術(shù),有很多很窄的電磁波波段,而且波段連續(xù),可以反映較為精細的光譜特征[1-4]。高光譜遙感可用于自然資源調(diào)查和監(jiān)測,生態(tài)環(huán)境監(jiān)測、農(nóng)作物精細分類等領(lǐng)域[5-6]。遙感應(yīng)用最廣泛的是遙感影像分類,通過分類可以確定自然資源種類的面積和空間分布,為自然資源調(diào)查和監(jiān)測提供參考。論文以珠海一號影像為數(shù)據(jù)源,對高光譜影像的分類進行對比分析,從而找到適用于高光譜影像分類的方法。

高光譜影像光譜分辨率較高,但空間分辨率較低。較低的空間分辨率往往會限制其應(yīng)用,在分類時也會造成細小地物的漏分。如何既保留高光譜的特征,又提高空間分辨率,是在現(xiàn)有裝備技術(shù)條件下,進一步提升高光譜應(yīng)用效果需要解決的問題。論文利用國產(chǎn)資源三號影像和珠海一號高光譜影像進行融合,比較融合前后的光譜特征,發(fā)現(xiàn)融合之后的高光譜影像的光譜特征和原高光譜影像一致,僅部分細節(jié)上稍有差別。并對其分類效果進行比較,發(fā)現(xiàn)融合后的高光譜影像分類效果更好。

1 實驗區(qū)及數(shù)據(jù)源

實驗所用數(shù)據(jù)為同時像的珠海一號高光譜影像和資源三號影像,實驗區(qū)為江蘇省蘇州市某地,實驗區(qū)大小為540×372像素。實驗區(qū)內(nèi)二三產(chǎn)業(yè)發(fā)達,建筑物密集,地物類型主要以工商業(yè)、城鎮(zhèn)村住宅及公路等建設(shè)用地為主,其他少部分園林綠化、耕地等農(nóng)用地以及河流、坑塘等水利設(shè)施用地。

珠海一號02組5顆衛(wèi)星,于2018年4月26日成功發(fā)射升空,其中包含4顆高光譜衛(wèi)星和一顆視頻衛(wèi)星OVS-2。珠海一號高光譜影像有32個波段,光譜分辨率為2.5 nm,波長范圍在400～1 000 nm,空間分辨率為10 m。資源三號影像有4小波段,空間分辨率為2 m。

2 實驗方法

2.1 數(shù)據(jù)預(yù)處理

“珠海一號”高光譜衛(wèi)星影像數(shù)據(jù)需要進行輻射定標和大氣校正,輻射定標的主要目的是將遙感影像的數(shù)字量化值(DN)轉(zhuǎn)化為大氣表觀輻射亮度值等物理量[6]。大氣校正是為了消除大氣和光照等因素對地物反射的影響,從而獲取地物的真實反射率[7]。數(shù)據(jù)采用FLAASH大氣校正模塊中的MODTRAN4輻射傳輸模型進行校正。校正結(jié)果如圖1所示。

統(tǒng)一珠海一號影像和資源三號影像的坐標系統(tǒng),并進行幾何糾正,以方便數(shù)據(jù)的融合和分類比較。

2.2 數(shù)據(jù)融合

遙感影像融合是采用一定的算法將各影像的優(yōu)點或者互補性有機結(jié)合起來并產(chǎn)生新的影像,融合的目的是結(jié)合高分辨率影像和高光譜影像的優(yōu)點,融合為既具有較高的分辨率,又包含較多光譜波段的影像,從而提高遙感影像的應(yīng)用價值。邵亞奎[8]等在研究國產(chǎn)高分衛(wèi)星遙感影像融合方法中,得出Pansharp和Gram-Schmidt融合方法效果較好。論文采用GS法融合資源三號影像和珠海一號影像,融合后影像如圖2所示。融合之后的影像空間分辨率為2 m,光譜波段為32個。

論文選取了多個點進行融合前后光譜曲線的比較,其中3個點的光譜曲線如圖3-圖4所示。

由圖3和圖4可知，融合前后的光譜曲線趨勢一致，吸收峰和反射峰位置均相同，光譜值略有變化。

2.3 珠海一號高光譜影像分類比較

論文采用支持向量機分類方法對珠海一號高光譜影像的分類效果進行對比分析,基于像素和面向?qū)ο蟮姆诸惐容^法,對高空間分辨率影像融合前后、珠海一號和資源三號融合影像等進行分類比較。

2.3.1 光譜分析

根據(jù)所選實驗區(qū)的地物類型,分為植被、人工建筑、水體和裸地四大類,并將人工建筑細分為道路、藍頂建筑、白頂建筑和灰頂建筑,共7個類。分別選取7個類的樣本,繪制珠海一號影像和資源三號影像的光譜曲線,如圖5-圖6所示。

從光譜曲線可以看出,珠海一號影像4個大類的光譜曲線差異較大。植被的光譜曲線很明顯在700～750 nm附近有一個陡升,即珠海一號高光譜影像的第16波段-第20波段,也即是植被在該光譜范圍內(nèi)的一個“紅邊”。波長范圍720～750 nm,7種地物的光譜曲線互不交叉。而資源三號影像4個波段的光譜曲線并不能反映光譜的細節(jié)(圖6)。根據(jù)所選的樣本,分別計算珠海一號和資源三號影像7個類的可分離度,如表1所示。

表1 地物可分離性比較

從可分離度可以看出,珠海一號影像中道路和灰頂建筑的可分離度最低為1.71,其次是灰頂建筑和裸地,可分離度為1.94,其余90%的地類可分離度均在1.99以上。而資源三號影像中各地類的可分離度最高的也只有1.9。從光譜可分離性對比分析可見,珠海一號影像中所有可分離度值均大于資源三號影像,珠海一號的高光譜影像對分類還是具有一定優(yōu)勢的。

2.3.2 珠海一號高光譜影像分類比較

(1)基于像素和面向?qū)ο蟮姆诸惤Y(jié)果比較

基于像素的分類,就是以像素為最小單元進行聚類和合并。面向?qū)ο蟮姆诸愂紫纫獙τ跋襁M行分割,形成影像對象,以對象為最小單元進行聚類和合并。其中分割尺度的選擇尤其重要,分割尺度的大小對分類結(jié)果影響較大。通過比較,本試驗中分割尺度為90較合適。圖7為未融合的珠海一號影像面向?qū)ο蟮姆诸惤Y(jié)果?；谙袼氐姆诸惡兔嫦?qū)ο蟮姆诸惥馨?類分出,但基于像素的分類存在許多細小的零碎像素,而且道路和一些細小河流沒有完全分出。由圖7可知，面向?qū)ο蟮姆椒ǚ诸惤Y(jié)果較好。以下兩種分類比較均采用面向?qū)ο蟮姆诸惙椒ā?/p>

(2)和資源三號全色影像融合前后分類比較

和資源三號全色影像融合之后的珠海一號高光譜影像既具有較高的空間分辨率,又具有較多的波段,那么融合之后的影像分類效果是否更好,論文就該問題進行了分類比較。圖8為融合后珠海一號影像的分類結(jié)果。

與圖7未融合的珠海一號影像的分類結(jié)果對比可以看出,融合前的影像分出了較多的白頂建筑,一些裸地被誤分為白頂建筑,細小的河流未被分出,道路大多被誤分為灰色建筑,陰影被分為道路。而圖8中融合后的珠海一號影像面向?qū)ο蠓诸惤Y(jié)果中,細小河流均被分出來,道路也能被較好的提取出來,白頂建筑的提取效果也較好。通過分析可以看出,融合后的影像分類效果更好。

(3)珠海一號高光譜影像和資源三號影像分類比較

為了進一步驗證珠海一號和資源三號全色影像融合后的分類效果,論文將融合后的珠海一號高光譜影像和資源三號影像的分類結(jié)果進行比較。圖9為資源三號影像分類結(jié)果。

從分類結(jié)果來看,總體分類效果都比較好,沒有太大的差異。左上角部分,資源三號影像分出了道路兩邊的綠化帶,但道路被誤分為水體,珠海一號影像中未分出綠化帶,水體則被正確分類。資源三號影像的細碎圖斑較多,部分道路和建筑存在誤分類,藍頂建筑存在較多誤分類,部分陰影被分為水體,另一部分陰影被分為建筑,部分裸地和白頂建筑存在誤分類。珠海一號影像中陰影大部分被分為水體,對藍頂建筑和白頂建筑的和裸地的分類控制的較好。從以上分析可以看出,融合后的珠海一號影像和資源三號影像分類效果總體相當,但資源三號對光譜的敏感性不高,存在一些誤分類,珠海一號則對不同光譜地物的分離效果較好。

(4)分類精度評價

為了定量說明和高空間分辨率融合后珠海一號影像的分類優(yōu)勢,論文在實驗區(qū)范圍內(nèi)隨機選取124個檢驗點來驗證分類精度,評價結(jié)果如表2-表4所示。

表2 融合后珠海一號影像分類精度評價表

表3 融合前珠海一號影像分類精度評價表

表4 資源三號影像分類精度評價表

從評價結(jié)果來看,珠海一號和資源三號全色影像融合之后的分類精度更高,相比沒有融合的珠海一號影像,總體分類精度提高了10.49%;相比資源三號影像,總體分類精度提高了4.84%?？梢?高光譜影像更適合和高分辨率進行融合后再分類。

3 結(jié) 語

論文通過分析珠海一號光譜,基于像素和面向?qū)ο蟮姆诸惙椒?分別對高分辨率影像融合前后、珠海一號和資源三號融合后影像等進行分類,對分類效果進行了定性分析,并隨機選取驗證點進行精度評價。結(jié)果顯示,珠海一號影像更適合用面向?qū)ο蟮姆诸惙椒?并且珠海一號高光譜影像和高分辨率影像融合之后,影像既保留了高光譜的特征,又提高了空間分辨率,同時具備了高光譜和高分辨率的性質(zhì),更好地發(fā)揮了兩者的優(yōu)勢,分類精度更高、效果更好,所以高光譜影像更適于和高分辨率影像融合之后使用。