多角度高光譜CHRIS/PROBA數(shù)據(jù)在土地覆蓋分類中的應(yīng)用

張西雅,金慧然,李培軍

(1.北京大學(xué)地球與空間科學(xué)學(xué)院遙感與地理信息系統(tǒng)研究所,北京100871; 2.美國紐約州立大學(xué)環(huán)境資源科學(xué)系,紐約12210)

多角度高光譜CHRIS/PROBA數(shù)據(jù)在土地覆蓋分類中的應(yīng)用

張西雅1,金慧然2,李培軍1

(1.北京大學(xué)地球與空間科學(xué)學(xué)院遙感與地理信息系統(tǒng)研究所,北京100871; 2.美國紐約州立大學(xué)環(huán)境資源科學(xué)系,紐約12210)

分析評價多角度CHRIS數(shù)據(jù)在土地覆蓋分類中的性能。分析了不同地物的多角度光譜特征,運(yùn)用不同角度的CHRIS數(shù)據(jù)及其組合進(jìn)行土地覆蓋分類。結(jié)果表明,不同地物在不同角度上的光譜特征不同,不同角度圖像的分類精度不同,而運(yùn)用多角度CHRIS圖像可得到比單角度圖像更高的分類精度,但要得到最佳的分類結(jié)果,需要選擇合適的多角度圖像組合。

多角度;土地覆蓋分類;CHRIS/PROBA;高光譜圖像

緊密型高分辨率成像分光計(jì)(Compact High Resolution Imaging Spectrometer,CHRIS)是搭載在歐空局 PROBA(The Project fo r On-Board Autonomy)小衛(wèi)星上的高空間分辨率高光譜成像傳感器,能夠同時獲取5個不同角度的高光譜數(shù)據(jù),為地表覆蓋類型的高精度識別與分類提供新的可能。有研究者對CHRIS數(shù)據(jù)的多角度性能和數(shù)據(jù)處理進(jìn)行了深入分析[1-3],但運(yùn)用多角度高光譜圖像進(jìn)行土地覆蓋分類的研究并不多[4]。本研究主要分析和評價運(yùn)用多角度高光譜CHRIS數(shù)據(jù)進(jìn)行土地覆蓋分類的性能。具體包括:1)比較評價不同角度的數(shù)據(jù)在土地覆蓋中的性能;2)分析評價運(yùn)用多角度數(shù)據(jù)能否有效提高分類精度;3)不同角度數(shù)據(jù)的組合在土地覆蓋分類中的性能。

1 研究區(qū)域和數(shù)據(jù)分析

PROBA是歐空局(ESA)于2001年10月22日發(fā)射的小衛(wèi)星,其上搭載了多個傳感器,包括多角度緊密型高分辨率成像光譜儀CHRIS,可提供5個角度(-55°、-36°、0°、36°、55°)的高光譜數(shù)據(jù),光譜范圍從可見光到近紅外(0.41～1.05μm),最多可獲取62個波段,空間分辨率高達(dá)18 m,每幅圖像的有效大小為370像素×748像素。CHRIS數(shù)據(jù)共有5個成像模式,模式3、4、5主要為陸地成像,模式2為水成像,模式1則包括陸地與水成像。本文采用模式5的圖像數(shù)據(jù)(包含37個波段,空間分辨率18 m)進(jìn)行處理與分析,選擇2007年11月 2日的CHRIS數(shù)據(jù)進(jìn)行研究區(qū)土地覆蓋分類。由于55°兩幅圖像變形嚴(yán)重,圖像質(zhì)量差,與另外3個角度的圖像難以配準(zhǔn),本文只利用0°、-36°、36°圖像進(jìn)行處理和分析,將這3個角度的圖像精確配準(zhǔn),最終采用的圖像大小為360像素×650像素。圖像分類采用的訓(xùn)練樣本和檢驗(yàn)樣本是根據(jù)地面的實(shí)際調(diào)查數(shù)據(jù),分別獨(dú)立地從圖像上選取,兩類樣本數(shù)如表1所示。

表1 分類所用的訓(xùn)練樣本和檢驗(yàn)樣本Table 1 The training samplesand testing samples for classification

研究區(qū)位于河北省衡水地區(qū),該區(qū)地勢平坦,是典型的農(nóng)業(yè)區(qū),主要作物為小麥、玉米、棉花等。棉花生長期為5—11月,一年一季;小麥(生長期為10月至次年6月)和玉米(生長期6—10月)輪作。研究區(qū)其它的土地類型包括水體、居民地、裸地。

2 基于CHRIS/PROBA數(shù)據(jù)的土地覆蓋分類

2.1 處理與分析流程

由于CHRIS圖像往往存在水平與垂直兩種條帶噪聲[5,6],首先進(jìn)行條帶去除及相對輻射糾正。為了減少圖像配準(zhǔn)中重采樣對圖像質(zhì)量的影響,不同角度圖像的配準(zhǔn)是在圖像條帶去除和相對輻射糾正后進(jìn)行的(圖1)。在上述預(yù)處理的基礎(chǔ)上,對主要地物的多角度特征進(jìn)行分析,運(yùn)用不同角度數(shù)據(jù)及其組合分別進(jìn)行分類。

圖1 處理流程Fig.1 Processing flow in this paper

2.2 多角度分析

首先比較不同角度的圖像。圖2的3幅圖像中同一種地物的差別如下:0°圖像(圖2a)的分辨率最高,細(xì)節(jié)最為清晰,果樹的光譜特征變化較大,而36°圖像(圖2b)和-36°圖像(圖2c)分辨率較低,果樹內(nèi)部相對均勻;而且果樹顏色在不同角度圖像中也不相同,在-36°圖像中比較模糊,易與周圍的棉花地混淆。同時,圖2中橢圓標(biāo)記處的小路在0°圖像中很清晰,但在36°和-36°圖像中則非常模糊?？梢?各角度圖像對于不同類別之間的辨別能力不同。

圖2 不同角度的CHRIS假彩色合成圖中果樹的特征Fig.2 The fruit tree feature in the false color composite image using different angles

為了分析不同類別的不同角度光譜特征,選取水體、棉花、果樹和居民地4個類別在不同角度下的光譜曲線(為鄰域內(nèi)的光譜曲線均值)進(jìn)行對比(圖3)。可以看出,同一種地物在不同觀測角度其反射光譜曲線總體形態(tài)基本一致,但反射率大小不同。從圖3a可以看出,棉花在36°圖像中的反射率較其它兩個角度的反射率都高;而果樹的反射率曲線(圖3b)中,36°圖像反射率最高,0°圖像反射率最低;居民地光譜曲線(圖3c)中,0°圖像反射率最高,但與36°圖像反射率接近;水體3個角度的光譜曲線(圖3d)非常接近?？傮w上,棉花和果樹對角度更敏感。

2.3 土地覆蓋分類

分別對CHRIS數(shù)據(jù)的3個角度圖像進(jìn)行特征提取,確定可以代表各自信息量的主成分。經(jīng)過特征提取及用不同數(shù)量的主成分進(jìn)行分類比較,發(fā)現(xiàn)每個角度的圖像的前3個主成分(分別占總體信息的98.97%、98.31%和99.31%)基本可以反映各角度的光譜特征,因此,將各個角度圖像的前3個主成分及其不同組合用于圖像分類和比較。

表2是單角度圖像的分類結(jié)果比較?？梢钥闯?0°圖像的總體分類精度和 Kappa系數(shù)比36°圖像和-36°圖像高。在0°圖像的分類結(jié)果中,居民地、小麥和裸地的用戶精度和生產(chǎn)者精度比在另兩個角度圖像的分類結(jié)果中高,這與各個角度圖像分類的總體精度一致。而36°圖像和-36°圖像的分類結(jié)果中果樹的用戶精度和生產(chǎn)者精度高于0°圖像的分類結(jié)果,-36°圖像分類結(jié)果中棉花的用戶精度和生產(chǎn)者精度也高于0°圖像的分類結(jié)果;水體的分類精度在3個角度圖像中相似,這與不同類別的多角度光譜特征相一致,同時也表明,不同的地物類別在特定角度的圖像更有效,因此,利用多角度圖像可得到比單角度圖像更高的分類精度。

表2 單角度分類結(jié)果比較Table 2 Single angle classification results by SVM s

圖4為0°和36°圖像分類結(jié)果的局部,是果樹為主的分類細(xì)節(jié)圖,可以發(fā)現(xiàn),0°圖像的分類結(jié)果圖中細(xì)節(jié)信息更豐富、更準(zhǔn)確,36°圖像的分類結(jié)果圖相對平滑,但局部有誤分。在多角度分析中,也發(fā)現(xiàn)0°圖像的細(xì)節(jié)更加完整,這個分類結(jié)果也與多角度分析相吻合。

多角度組合圖像的分類結(jié)果如表3所示,可以看出,其總體分類精度比任一單角度圖像的分類精度都高。與單角度0°圖像的分類結(jié)果相比,0°和36°組合圖像的分類精度和Kappa系數(shù)分別提高了1.03%和1.27%;0°和-36°組合圖像的分類精度和 Kappa系數(shù)分別提高了2.94%和3.67%;36°和-36°組合圖像的分類精度和 Kappa系數(shù)分別提高了1.71%和2.13%。3個角度組合圖像的分類精度和 Kappa系數(shù)分別為90.36%和0.8788,比單角度0°圖像的分類精度和 Kappa系數(shù)分別提高了2.49%和3.1%,與0°和-36°組合圖像的分類精度相近。

多角度組合圖像分類結(jié)果中,各類地物的生產(chǎn)者精度和用戶精度均有一定的提高。例如,與單角度0°圖像相比,在多角度組合圖像中,果樹和棉花的生產(chǎn)者精度和用戶精度普遍提高,這與多角度分析相吻合。生產(chǎn)者精度和用戶精度的普遍提高表明,在分類過程中,“漏分”和“錯分”的像元數(shù)減少了,盡管不同類改善的幅度不同,但是運(yùn)用多角度組合圖像進(jìn)行分類的效果很明顯。

對比多角度分類圖細(xì)節(jié)(圖5,見封3),發(fā)現(xiàn)多角度組合圖像的分類結(jié)果更平滑和均勻;而僅用單角度0°圖像分類,圖像中果園內(nèi)部有明顯的斑點(diǎn)噪聲。兩個角度(0°和-36°)組合圖像和3個角度(0°、36°和-36°)組合圖像的分類結(jié)果中果園內(nèi)部更加均一,斑點(diǎn)噪聲減少。

表3 單角度圖像、多角度組合圖像的分類結(jié)果比較Table 3 Classification results by SVM s

3 結(jié)論

本文運(yùn)用多角度CHRIS數(shù)據(jù)進(jìn)行土地覆蓋分類,評價多角度高光譜數(shù)據(jù)在土地覆蓋分類中的性能。綜合分析各組CHRIS數(shù)據(jù)的分類結(jié)果發(fā)現(xiàn):不同角度圖像的分類結(jié)果差別較大,0°圖像分類結(jié)果細(xì)節(jié)最多,總體分類精度最高;其它角度圖像分類結(jié)果細(xì)節(jié)少,總體精度較低,但某些類分類結(jié)果更好;多角度組合圖像分類結(jié)果可以綜合不同角度圖像的特點(diǎn)。運(yùn)用多角度的CHRIS數(shù)據(jù)分類可獲得比單角度數(shù)據(jù)更高的精度,但并不意味多角度組合中角度越多越好,3個角度組合圖像的精度并沒有兩個角度(0°和-36°)組合圖像的精度高,要得到最好的分類結(jié)果,需要選擇合適的多角度數(shù)據(jù)組合。

本文所用的CHRIS/PROBA數(shù)據(jù)由歐空局Cat -1項(xiàng)目提供,此致謝忱!

[1] BARNSLEY M J,SETTLE J J,CU TTER M A,et al.The PROBA/CHRISmission:A low-cost smallsat for hyperspectral multiangle observations of the Earth surface and atmosphere [J].IEEE Transactions on Geoscience and Remote Sensing, 2004,42(7):1512-1520.

[2] 張霞,張兵,胡方超,等.航天成像光譜儀CHRIS輻射與光譜性能評價[J].中國科學(xué) E輯(技術(shù)科學(xué)),2006,36(s1):85-93.

[3] 蓋利亞,劉正軍,張繼賢.CHRIS/PROBA高光譜數(shù)據(jù)的預(yù)處理[J].測繪工程,2008,17(1):40-43.

[4] DUCA R,FRA TE F D.Hyperspectral and multiangle CHRISPROBA images for the generation of land covermaps[J].IEEE Transactions on Geoscience and Remote Sensing,2008,46 (10):2857-2866.

[5] BARDUCCI A,GUZZI D,MARCO IONN I P,et al.CHRISPROBA performance evaluation:Signal-to-noise ratio,instrument efficiency and data quality from acquisitionsover San Rossore(Italy)test site[A].Proc.of 3rd ESA CHRIS/PROBA Workshop[C].Italy:ESA/ESRIN,2005.21-23.

[6] GARCIA J C,MORENO J.Removal of noises in CHRIS/PROBA images:App lication to the SPARC campaign data[A].Proc. of 2nd CHRIS/PROBA Workshop[C].Italy:ESA/ESRIN, 2004.28-30.

Abstract:The availability of multi-angle CHRIS(Compact High-Resolution Imaging Spectrometer)imagery with high spatial resolution p rovides new opportunities formore accurate land cover classification than ever.In thispaper,multi-angle CHRIS data were evaluated in land cover classification,using CHRISmode-5 images acquired over an agricultural area.The multi-angle spectral features of different land cover types derived from CHRIS images were first analyzed.The land cover classifications were the performed separately using CHRIS images with different imaging angles and their combinations.The results showed that images acquired w ith different angles achieved different classification accuracies.Mo reover,the classification using CHRIS images acquired at different angles combined p roduced higher overall accuracy,compared to the classification resultsw ith singleangle images alone.

Key words:multi-angle;land cover classification;CHRIS/PROBA;hyperspectral image

Land Cover Classification Using Hyperspectral and M ulti-angle CHRIS/PROBA Images

ZHANG Xi-ya1,JIN Hui-ran2,L IPei-jun1
(1.Institute of Remote Sensing and GIS,Peking University,Beijing 100871,China;2.Department of Environmental Resources&Forest Engineering,College of Environmental Science and Forestry, State University of New York,Syracuse N Y 12210,U.S.A.)

TP75

A

1672-0504(2010)05-0068-04

2010-03-10;

2010-05-21

國家863計(jì)劃項(xiàng)目(2008AA 121806)

張西雅(1987-),女,蒙古族,碩士研究生,主要從事遙感信息處理和應(yīng)用研究。E-mail:zhangxiya1987@126.com