濟(jì)南市遙感影像的水體信息提取方法研究①

張 勇，吉 雅

（內(nèi)蒙古測(cè)繪事業(yè)局，內(nèi)蒙古 呼和浩特010020）

0 引 言

隨著航空、航天技術(shù)、傳感器技術(shù)、圖像處理技術(shù)、計(jì)算機(jī)技術(shù)的飛速發(fā)展，遙感技術(shù)的發(fā)展也日新月異，遙感的應(yīng)用領(lǐng)域越來越廣，技術(shù)手段越來越先進(jìn)［1]。隨著空間遙感技術(shù)的發(fā)展及其應(yīng)用的廣泛深入，人們對(duì)遙感專題信息的提取方法也在不斷地改進(jìn)，經(jīng)歷了目視解譯、自動(dòng)分類、光譜特性的信息提取及光譜與空間特征的專題信息提取等多個(gè)階段［2－3]。圖像融合是以圖像為主要研究?jī)?nèi)容的數(shù)據(jù)融合技術(shù)，是把多個(gè)不同模式的圖像傳感器獲得的同一場(chǎng)景的多幅圖像或同一傳感器在不同時(shí)刻獲得的同一場(chǎng)景的多幅圖像合成為一幅圖像的過程。由于不同模式的圖像傳感器的成像機(jī)理不同，工作電磁波的波長(zhǎng)不同，不同圖像傳感器獲得的同一場(chǎng)景的多幅圖像之間具有信息的冗余性和互補(bǔ)性，經(jīng)圖像融合技術(shù)得到的合成圖像則可以更全面、更精確地描述所研究的對(duì)象［4]。利用衛(wèi)星遙感數(shù)據(jù)提取專題信息在近20年來得到廣泛的研究，例如：劉建波和戴昌達(dá)利用密度分割法從TM圖像中提取水體的分布范圍［5]；陸家駒和李士鴻分別用閾值法、色度判別法、比率測(cè)法TM圖像中識(shí)別水體［6]；昝梅和陳冬花利用Erdas軟件對(duì)衛(wèi)星影像數(shù)據(jù)進(jìn)行精校正、融合、增強(qiáng)等處理，在建立解譯標(biāo)志的基礎(chǔ)上采用人機(jī)對(duì)話的方式，對(duì)鞏留林場(chǎng)森林資源進(jìn)行了調(diào)查［7]；丁娟，徐躍通，楊燕杰，劉玉華等利用Erdas和Arc／Info軟件對(duì)礦區(qū)遙感影像信息提取進(jìn)行了研究，結(jié)果表明由于航片分辨率高、控制點(diǎn)選取合理以及解譯工序的合理安排，解譯精度較高［8]。都金康，黃永勝，馮學(xué)智，王周龍等對(duì)spot衛(wèi)星資料識(shí)別水體問題進(jìn)行了研究，提出了基于spot影像的決策樹水體識(shí)別技術(shù)，研究發(fā)現(xiàn)該方法可以很好地去除山體陰影［9]。從前人的研究中可知：由于遙感圖像的類別不同以及研究地區(qū)的地面特征不同，同一方法不可能適用于所有情況。因此，對(duì)濟(jì)南市地區(qū)的特點(diǎn)、影像特征以及水體的遙感信息機(jī)理等方面進(jìn)行了綜合分析研究，提出了濟(jì)南市水體識(shí)別技術(shù)。

1 研究區(qū)概況

濟(jì)南市位于山東省的中西部，北緯36°40′，東經(jīng)117°00′，地勢(shì)南高北低，依次為低山、丘陵、平原，南依泰山，北臨華北平原。濟(jì)南境內(nèi)河流主要有黃河、小清河兩大水系，湖泊有大明湖、白云湖等。濟(jì)南市區(qū)分為歷下區(qū)、市中區(qū)、槐蔭區(qū)、天橋區(qū)、歷城區(qū)，面積大約為1 897km2，是中國(guó)歷史文明的泉城。濟(jì)南市屬于暖溫帶半濕潤(rùn)大陸性季風(fēng)氣候區(qū)，夏季炎熱多雨，冬季寒冷干燥；區(qū)內(nèi)農(nóng)業(yè)類型是為城市服務(wù)的復(fù)合式農(nóng)業(yè)，以種植糧菜、林果為主；工農(nóng)業(yè)非常發(fā)達(dá)，但分布不平衡；濟(jì)南市內(nèi)建筑物逐漸增多，城區(qū)擴(kuò)大，地面固化面積增大；礦山開采、開荒種地，使地表裸露，植被覆蓋減少等等［10]。

2 遙感專題信息提取原理

充分利用衛(wèi)星遙感能夠動(dòng)態(tài)地與周期性地獲取地表信息的特點(diǎn)，從衛(wèi)星數(shù)字圖上逐步實(shí)現(xiàn)地學(xué)專題信息的自動(dòng)獲取，是GIS中數(shù)據(jù)采集自動(dòng)化研究的一個(gè)方向，同時(shí)又是遙感信息定量化的一個(gè)方面，實(shí)現(xiàn)圖像解譯的自動(dòng)化與高精度定量化，不僅是遙感應(yīng)用領(lǐng)域發(fā)展的要求，而且是當(dāng)前遙感自身發(fā)展的前沿。為此，將水體信息提取方法技術(shù)流程進(jìn)行細(xì)化，為其他專題信息的獲取提供理論基礎(chǔ)。

3 水體信息提取流程

3.1 影像融合

圖像融合就是將同一區(qū)域的多源遙感圖像按統(tǒng)一的坐標(biāo)系統(tǒng)，通過空間配準(zhǔn)和內(nèi)容復(fù)合，生成一幅比單一信息源更準(zhǔn)確、更完全、更可靠的新圖像的技術(shù)方法。其優(yōu)點(diǎn)是提高了影像的空間分解力，提高影像的平面測(cè)圖精度、分類精度、可靠性，增強(qiáng)了影像的解譯和動(dòng)態(tài)監(jiān)測(cè)能力，有效地提高遙感影像數(shù)據(jù)的利用率［11]。

常用的融合方法有如下三種：主成分變換、乘積變換、比值變換和小波變換融合。通過比較不同融合方法的融合結(jié)果發(fā)現(xiàn)：主成分變換最大地保持了信息量；以4，1，2波段做比值法融合，結(jié)果為模擬自然色影像，目視效果逼真，在影像出圖時(shí)不需要調(diào)整色彩，缺點(diǎn)是融合后影像缺少一個(gè)波段信息；乘積變換融合可以使色彩保持不變；小波變換融合結(jié)果圖像灰度均值非常接近原多光譜圖像［12]。可以對(duì)同一景影像進(jìn)行多次試驗(yàn)，從中選擇融合效果清晰、自然色彩逼真的影像，保證正射影像圖的質(zhì)量［13]。

具體操作流程是將SPOT和Landsat ETM＋衛(wèi)星影像數(shù)據(jù)導(dǎo)入到ERDAS IMAGINE系統(tǒng)中，形成IMG文件。由于SPOT和Landsat ETM＋的分辨率不同，加之研究過程中需要進(jìn)行融合工作，所以首先要對(duì)影像文件進(jìn)行坐標(biāo)精糾正。具體融合的過程如下：ERDAS圖標(biāo)面板菜單條：Main→Image Interpreter→Spatial Enhancement→ResolutionMege→Resolution Merge對(duì)話框［14]。圖1示出融合后影像，圖2示出原影像。

圖1 融合后圖像

圖2 原影像

3.2 非監(jiān)督分類

3.2.1 原理

非監(jiān)督分類按照特征矢量在已選擇的特征空間中以類別集群的特點(diǎn)進(jìn)行分類。非監(jiān)督分類中常用的方法是聚類法。距離的計(jì)算通常采用歐幾里德距離即幾何直角空間里兩點(diǎn)的直線距離。在實(shí)際作聚類時(shí)，有時(shí)經(jīng)過多次迭代還不能停止，有時(shí)由于數(shù)據(jù)本身的聚類特性不太好，類別重疊，或一些零散點(diǎn)遠(yuǎn)離各個(gè)聚類中心，或過少的點(diǎn)自成中心等，這些都會(huì)影響聚類結(jié)果。因此常規(guī)定一些附加的約束，以提高分類質(zhì)量。這些約束主要有：

1）設(shè)置一個(gè)拒絕類：如果這些點(diǎn)距離各類中心都很遠(yuǎn)，則屬于拒絕類而不被分到某一類中。設(shè)拒絕參數(shù)為T距，dij為最小距離，且dij＞T距，則xj屬于拒絕類。

2）類合并：當(dāng)兩個(gè)聚集中心過近時(shí)，將其并為一類。設(shè)距離合并參數(shù)為T合1，如果兩類均值距離小于或等于T合1，兩類合并成一類；若兩類均值距離大于T合1，則保留這兩類。另一種情況，當(dāng)分到某一類的像元數(shù)過少時(shí)，去掉此類合并到最近的類別中去。設(shè)數(shù)目合并參數(shù)為T合2，計(jì)算分類后每類像元數(shù)占總像元數(shù)的百分比，若百分比小于或等于T合2，尋找距這一類均值距離最近的類別合并；若百分比大于T合2，這一類保留。類別合并后，需要重復(fù)計(jì)算各類均值矢量。

3）類分裂：有時(shí)數(shù)據(jù)在特征空間某些方向上分布過寬或分布過密，在這一類別中可能不止一個(gè)集群中心，這時(shí)可以作進(jìn)一步的分裂。辦法仍是檢查每一類的像元總數(shù)占各類像元總數(shù)的百分比。設(shè)定一個(gè)百分比閾值作為分裂與否的參數(shù)T分，如果所求百分比中，某值大于或等于這一參數(shù)，則對(duì)應(yīng)分的類別將被分裂，否則被保留。如果這一類被分裂，要選定兩個(gè)新的聚類中心。首先計(jì)算類別均值矢量 M＝（m1，m2...mn）T，以及標(biāo)準(zhǔn)差矢量S＝（σ1，σ2...σn）T，則規(guī)定新的聚類中心為

上述方法也稱為迭代自組織數(shù)據(jù)分析或動(dòng)態(tài)聚類（ISODATA）方法。

3.2.2 具體實(shí)現(xiàn)過程

1）在ERDAS面板工具條中點(diǎn)擊Classifier圖標(biāo)，選擇Classification菜單下的Unsupervised Classification菜單項(xiàng)，打開Unsupervised Classification對(duì)話框；

2）確定輸入文件（Input Raster File）：即經(jīng)過幾何校正處理后所得的圖像，確定輸出文件（Output File）：即分類后產(chǎn)生的圖像，選擇生成分類模板文件：Output Signature Set（將產(chǎn)生一個(gè)模板文件），確定分類模板文件（Filename），對(duì)Clustering Options選擇Initialize from Statistics，單選框Initialize from Statistics指由圖像文件整體的統(tǒng)計(jì)值產(chǎn)生自由聚類，分出類別的多少由用戶自己決定，在這里我們確定初始類數(shù)（Number of classes）為6，即分出6個(gè)類別點(diǎn)擊Initializing Options按鈕可以調(diào)出File Statistics Options對(duì)話框以設(shè)置ISODATA的一些統(tǒng)計(jì)參數(shù)。點(diǎn)擊Color scheme Option按鈕可以調(diào)出Output Color scheme Option對(duì)話框以決定分類的圖像是彩色的還是黑白的，這里選擇Approximate true color，即生成彩色圖像。定義最大循環(huán)次數(shù) Maximum Iterations：24.最大循環(huán)次數(shù)是指ISODATA重新聚類的最多次數(shù)，這是為了避免程序運(yùn)行時(shí)間太長(zhǎng)或由于沒有達(dá)到聚類標(biāo)準(zhǔn)而導(dǎo)致死循環(huán)。設(shè)置循環(huán)收斂閾值（Convergence threshold）：0.95.收斂閾值是指兩次分類結(jié)果相比保持不變的像元所占最大百分比，此值的設(shè)立可以避免ISODATA無限的循環(huán)下去；

3）點(diǎn)擊OK，進(jìn)行非監(jiān)督分類，得到一個(gè)分類結(jié)果，如圖3所示。

圖3 分類后的圖像

3.3 水體提取

衛(wèi)星遙感影像記載了地物對(duì)電磁波的反射信息及地物本身的熱輻射信息。各種地物由于其結(jié)構(gòu)、組成及理化性質(zhì)的差異，導(dǎo)致其對(duì)電磁波的反射及本身的熱輻射存在著差異。天然水體對(duì)0.4～2.5μm電磁波的吸收明顯高于絕大多數(shù)其它地物。因而水體的總輻射水平低于其它地物，在彩色遙感影像上表現(xiàn)為暗色調(diào)。在紅外波段，水體吸收的能量高于可見光波段，即使水很淺，水體也幾乎全部吸收了近紅外及中紅外波段內(nèi)的全部入射能量，所以水體在近紅外及中紅外波段的反射能量很少，而植被土壤在這兩個(gè)波段內(nèi)的吸收能量較小，且有較高的反射特性，這使得水體在這兩個(gè)波段上與植被和土壤有明顯的區(qū)別。反映在影像上，水體呈現(xiàn)出暗色調(diào)，而土壤植被則相對(duì)較亮。因此，選用一個(gè)合適的近紅外波段，定出水體的閾值，將低于該值的像元定為水體，高于該值的像元?jiǎng)t為非水體，這樣就可很容易地把水體與其它地物區(qū)分開來：但在山區(qū)，由于山體陰影的影響。使得陰坡在紅外波段的反射能量特別低，在圖像上同樣呈現(xiàn)暗色調(diào)。水體的提取可按以下步驟來完成，具體提取的過程是將融合后的圖像做非監(jiān)督分類，用Viewer菜單欄將處理后的圖像打開處理。具體操作過程如下：ERDAS圖標(biāo)面板菜單條：Classifier→Unsupervised Classification；Viewer→Raster→Attributes對(duì)話框。圖4示出提取水體和陰影后的圖像。

圖4 提取水體和陰影后的圖像

仔細(xì)觀察上一步的提取結(jié)果，發(fā)現(xiàn)多提的陰影可以分成兩大類，一類是在建筑物密集的城市及城鎮(zhèn)地區(qū)，由于大量的高建筑物造成的建筑物陰影，一類是由于丘陵等地形高差引起的地形陰影。為了將所提的水體中的建筑陰影去掉，將水體及陰影重采樣。將分離陰影后的水體與從陰影中提取的水體疊加，再疊置在由B2，B3，SWIR組合的彩色合成圖像上，發(fā)現(xiàn)水體被準(zhǔn)確提出，幾乎沒有山體陰影，也沒有水體被漏提。基于上述理論和分析，將提取的水體轉(zhuǎn)成ArcView的shape格式，利用其字段的計(jì)算功能計(jì)算每個(gè)水體圖斑的面積、周長(zhǎng)和形狀指數(shù)k，通過和遙感影像對(duì)比分析，就很容易的將各種水體區(qū)分出來。

4 結(jié) 論

1）在對(duì)遙感影像進(jìn)行融合時(shí)，應(yīng)注意配準(zhǔn)精度或精糾的精度對(duì)影響融合結(jié)果的影像；根據(jù)研究目標(biāo)選擇融合模型的原則；多光譜影像的波段之間有著一定的關(guān)聯(lián)性，根據(jù)需要，選擇最佳波段來融合的原則。

2）在山區(qū)由于陰影的影響，單一方法往往無法將水體有效地提取出來。依據(jù)利用光譜信息法對(duì)不同類型的水體其面積、周長(zhǎng)、形狀等幾何特征特點(diǎn)水體與地貌類型之間的關(guān)系的特點(diǎn)，采用重采樣的方法就可以有效地提取水體。

3）水體信息的提取可以作為其他遙感影像信息提取的理論基礎(chǔ)。

［1]肖 瀟.論ERDAS等軟件在專題地圖中的應(yīng)用［J].江西測(cè)繪，2007（增刊）：56－58.

［2]杜云艷，周成虎.水體的遙感信息自動(dòng)提取方法［J].遙感學(xué)報(bào)，1998，2（4）：264－269.

［3]吳兆福，高 飛，宮 鵬.邊緣疊加遙感影像數(shù)據(jù)融合［J].工程勘察，2005（2）：46－49.

［4]林 卉，杜培軍.基于小波變換的遙感影像徽合與評(píng)價(jià)［J].計(jì)算機(jī)應(yīng)用，2005（4）：6－9.

［5]劉建波，戴昌達(dá).TM圖像在大型水庫(kù)庫(kù)情監(jiān)測(cè)管理中的應(yīng)用［J].環(huán)境遙感，1996，11（1）：53－58.

［6]陸家駒，李士鴻.TM資料水體識(shí)別技術(shù)的改進(jìn)［J].環(huán)境遙感，1992，7（1）：17－23.

［7]昝 梅，陳冬花.ERDAS IMAGIN軟件在森林資源調(diào)查中的應(yīng)用——以鞏留林場(chǎng)為例［J].新疆師范大學(xué)學(xué)報(bào)·自然科學(xué)版，2006，25（3）：178－182.

［8]丁 娟，徐躍通，楊燕杰，等.基于Erdas和Arc／Info的礦區(qū)遙感影像信息提取技術(shù)［J].礦業(yè)研究與開發(fā)，2008，285（3）：43－45.

［9]都金康，黃永勝，馮學(xué)智，等.SPOT衛(wèi)星影像的水體提取方法及分類研究［J].遙感學(xué)報(bào)，2001，5（3）：214－219.

［10]馮海霞，高守英.濟(jì)南市土地利用動(dòng)態(tài)監(jiān)測(cè)分析［J].國(guó)土資源科技管理，2004：72－74.

［11]馬友平，馮仲科，何友均，等.基于ERDAS IMAGINE軟件的快鳥影像融合研究［J].北京林業(yè)大學(xué)學(xué)報(bào)，2007，29（增刊2）：181－184.

［12]張黎寧，周 宇.SPOT5全色與多光譜圖像融合方法研究［J].南京林業(yè)大學(xué)學(xué)報(bào)·自然科學(xué)版，2007，37（4）：89－92.

［13]劉善偉，萬劍華，張 杰，等.任廣波.基于ERDAS的SPOT5衛(wèi)星影像正射校正方法研究［J].海洋測(cè)繪，2008，28（4）：30－33.

［14]胡如忠.中巴地球資源衛(wèi)星及其應(yīng)用［M].全國(guó)地方遙感應(yīng)用協(xié)會(huì)，2003：286－288.