基于規(guī)則替換法的多源遙感數(shù)據(jù)地表覆蓋信息提取

于 歡，孔 博，楊德生

(1.成都理工大學(xué)地球科學(xué)學(xué)院，成都 610059;2.中國科學(xué)院成都山地災(zāi)害與環(huán)境研究所，成都 610041;3.重慶市國土房管局信息中心，重慶 400015)

基于規(guī)則替換法的多源遙感數(shù)據(jù)地表覆蓋信息提取

于 歡1，孔 博2，楊德生3

(1.成都理工大學(xué)地球科學(xué)學(xué)院，成都 610059;2.中國科學(xué)院成都山地災(zāi)害與環(huán)境研究所，成都 610041;3.重慶市國土房管局信息中心，重慶 400015)

為了更加有效地利用海量多源遙感數(shù)據(jù)提取地表覆蓋信息，根據(jù)多源遙感圖像決策級融合技術(shù)原理，提出了基于規(guī)則替換法的信息復(fù)合方法。通過對三江平原典型內(nèi)陸淡水濕地的分類實驗，驗證了該方法的可行性與適用性，從而為地表覆蓋狀況調(diào)查及監(jiān)測提供了一種新的技術(shù)方法。

規(guī)則替換法;多源遙感;信息提取;濕地;三江平原

0 引言

衛(wèi)星遙感已成為國土資源調(diào)查、管理與保護(hù)的重要技術(shù)手段［1－3］。隨著遙感技術(shù)的發(fā)展和不同衛(wèi)星傳感器對地觀測技術(shù)的應(yīng)用，同一地區(qū)的遙感數(shù)據(jù)呈現(xiàn)出多平臺、多傳感器，以及多光譜、多空間、多時間分辨率等特征。與單一源遙感數(shù)據(jù)相比，多源遙感數(shù)據(jù)的優(yōu)越性主要體現(xiàn)在不同數(shù)據(jù)源之間的優(yōu)勢互補(bǔ)性上。將多源遙感數(shù)據(jù)進(jìn)行復(fù)合，可以獲得比任何單一源遙感數(shù)據(jù)更豐富且精確度更高的信息［4］。圖像融合技術(shù)作為多源遙感數(shù)據(jù)復(fù)合的重要方法之一，近年來得到了廣泛關(guān)注和深入研究［5－7］。該方法從信息表征層次上可分為像元級融合、特征級融合和決策級融合［8］3個層次，其中，決策級融合是最高層次的融合，是基于對影像的理解和識別基礎(chǔ)上的融合:它首先對原始圖像進(jìn)行特征提取或加入輔助信息，再對有價值的數(shù)據(jù)運用判別準(zhǔn)則和決策規(guī)則加以判斷、識別和分類，最后將有用信息進(jìn)行融合［9－12］。

本文提出的規(guī)則替換法屬于決策級融合范疇，研究在替換法信息融合的基礎(chǔ)上加入替換規(guī)則條件，形成基于規(guī)則的替換方法。將該方法用于地表覆蓋信息提取，并以三江平原典型淡水濕地為實驗對象，驗證該方法的可行性與適用性，為多源遙感地表覆蓋信息的提取提供新方法支持。

1 方法原理

替換法是以多源數(shù)據(jù)優(yōu)勢互補(bǔ)為目的，在多源遙感圖像分類結(jié)果的基礎(chǔ)上進(jìn)行的。具體方法為:比較同組兩幅圖像總體分類精度和對應(yīng)類別生產(chǎn)者精度與用戶精度，將總體分類精度高的分類圖像作為替換圖像，另一幅作為被替換圖像;如果替換圖像中某一類別生產(chǎn)者精度與用戶精度均比被替換圖像的高，則搜索替換圖像中該類別的所有像元，并用該類別標(biāo)簽取代被替換圖像中相應(yīng)像元的類別標(biāo)簽;對所有土地覆蓋類別的精度逐一比較、替換后，最終生成新的分類圖像［13］。

但是，在替換法應(yīng)用過程中，如果簡單地用替換類別完全取代被替換類別，在很多情況下其結(jié)果并不十分理想。原因是當(dāng)被替換圖像與替換圖像中的各類別空間分布差異較大時，采用簡單的單一類別完全替換方式會影響被替換圖像中其他類別正確的空間分布情況，進(jìn)而影響分類精度，因此有必要建立客觀的替換規(guī)則，以便降低類別替換中存在不合理狀況的機(jī)率。本研究提出的基于影像分類錯分及漏分誤差而產(chǎn)生的置信度替換規(guī)則，能有效防止由替換過程導(dǎo)致的類別二次錯分，進(jìn)而改善替換法的分類效果。

以RS1與RS2兩幅圖像上的水體信息替換為例，規(guī)則替換法的替換規(guī)則為:如果RS1圖像總體分類精度比RS2圖像的高，則選取RS1分類結(jié)果為替換圖像，而RS2圖像為被替換圖像，即

If RS1=水體，RS2=水體;

Then RS2=RS1(直接將RS2值替換成RS1值，亦即置信度T設(shè)為100%);

If RS1=水體，RS2≠水體;

Then RS2=RS1(比較RS2水體的生產(chǎn)者與用戶精度大小，設(shè)RS2被替換的置信度為T，T=(用戶精度/制圖精度)×50%)。

確定置信度的基本依據(jù)是:如果生產(chǎn)者精度與漏分誤差互補(bǔ)，那么漏分誤差大則表明被替換圖像中相應(yīng)地類提取不夠完全，應(yīng)該加大其替換力度;如果用戶精度與錯分誤差互補(bǔ)，那么錯分誤差大，則表明被替換圖像中相應(yīng)地類已經(jīng)冗余，應(yīng)減少其再被替換為相應(yīng)地類的機(jī)率。

當(dāng)有兩種以上圖像時，則以每兩種圖像為一組，在每組中分別開展基于規(guī)則的替換，并進(jìn)一步基于各替換結(jié)果再次分組和規(guī)則替換，以此類推，最終完成整個區(qū)域地表覆蓋狀況的信息提取(圖1)。

圖1 多源遙感圖像的規(guī)則替換流程Fig.1 The diagram of rule－based substitution method for multi－source images

2 實例應(yīng)用與分析

2.1 實驗區(qū)與數(shù)據(jù)

實驗區(qū)位于黑龍江省三江平原東北部(圖2)。

圖2 實驗區(qū)位置示意圖Fig.2 The location of experiment region

三江平原是全國最大的沼澤濕地分布區(qū)，在全球溫帶濕地生態(tài)系統(tǒng)中具有典型性和代表性;實驗區(qū)覆蓋了洪河和三江兩個國家級濕地自然保護(hù)區(qū)，有3條主要水系(鴨綠河、濃江及別拉洪河)。研究中收集到的遙感數(shù)據(jù)如表1所示。

表1 遙感數(shù)據(jù)詳細(xì)信息Tab.1 Detail information of remote sensing data

除上述遙感數(shù)據(jù)外，作者還分別于2007年5月、8月以及2008年5月對實驗區(qū)及其周邊地區(qū)進(jìn)行了野外調(diào)查，在實驗區(qū)內(nèi)采集了314個GPS樣點數(shù)據(jù)，同時又收集了其他科研人員在2005、2006年采集的GPS樣點數(shù)據(jù)210個。這些樣點經(jīng)過地形圖驗證后，用于地表覆蓋類型的識別及影像分類結(jié)果的精度評價。

2.2 多源遙感信息復(fù)合提取

為了獲取更加客觀、豐富的分類結(jié)果，以便將其用于替換法，研究中分別應(yīng)用了非監(jiān)督分類中的迭代自組織數(shù)據(jù)分析方法((ISODATA)［14－15］、監(jiān)督分類中的最大似然法(MLC)［16－17］以及面向?qū)ο蠓椒ǎ?8－19］對遙感影像進(jìn)行分類，并基于誤差矩陣對各地類分類結(jié)果進(jìn)行用戶精度與生產(chǎn)者精度評價，其結(jié)果如表2所示。

表2 不同分類方法的分類精度對比Tab.2 Classification accuracy comparison of different methods (%)

從表2可以看出，針對水體信息，Radarsat－2圖像面向?qū)ο蠓诸惤Y(jié)果的用戶精度及生產(chǎn)者精度總體要高于其他圖像的水體分類精度，因此選擇Radarsat－2圖像進(jìn)行水體信息提取，但Radarsat－2圖像像幅的實際覆蓋范圍相對較小，不能完成整個實驗區(qū)域的水體信息提取;QuickBird圖像監(jiān)督分類的提取效果也較好，但其像幅也未能完全覆蓋整個研究區(qū)域，因此也只是利用其完成局部水體信息的提取;TM與ALOS圖像監(jiān)督分類的水體分類效果相當(dāng)(均較好)，考慮到數(shù)據(jù)源的空間分辨率，最后選取ALOS圖像進(jìn)行監(jiān)督分類，完成剩余區(qū)域的水體信息提取。針對旱地信息，QuickBird圖像非監(jiān)督分類結(jié)果的用戶及生產(chǎn)者精度均為100%，因此用QuickBird圖像完成局部旱地信息的提取;ALOS圖像面向?qū)ο蟮暮档胤诸惤Y(jié)果的用戶、生產(chǎn)者精度均超過了93%，因此選擇它完成剩余區(qū)域旱地信息的提取。以此類推，針對林地、草甸、水田、沼澤及建設(shè)用地信息，依次開展數(shù)據(jù)源的對比分析，并完成規(guī)則替換的地類選擇，具體流程及相應(yīng)的選擇結(jié)果如圖3所示。

圖3 不同覆蓋類型提取的數(shù)據(jù)源選擇Fig.3 The choice of data source for different land cover types

結(jié)合以上分析結(jié)果，基于生產(chǎn)者精度與用戶精度建立替換規(guī)則，在Matlab R2006a軟件下編程，實現(xiàn)各分類結(jié)果的空間分布替換，最終獲得實驗區(qū)地表覆蓋信息(圖4)。

圖4 規(guī)則替換法提取效果Fig.4 The extraction result of rule－based substitution method

基于誤差矩陣對規(guī)則替換法復(fù)合分類結(jié)果進(jìn)行精度評價，總體精度達(dá)到93.65%以上，較該方法應(yīng)用前各影像的提取結(jié)果精度均有所提高，同時也驗證了基于規(guī)則替換法進(jìn)行多源遙感地表信息復(fù)合提取的可行性與有效性。

3 結(jié)論

本文研究了基于替換法信息融合的基本原理，引入規(guī)則替換條件，形成了基于規(guī)則替換方法的多源遙感地表信息提取新技術(shù)。以三江平原典型內(nèi)陸淡水濕地區(qū)開展地表覆蓋信息提取實驗的結(jié)果表明:

(1)應(yīng)用規(guī)則替換法提取結(jié)果的總體精度可以達(dá)到93.65%，較其他圖像分類方法的提取精度有所提高，據(jù)此驗證了該方法的可行性與適用性，為多源遙感地表覆被信息的提取提供了一種新的技術(shù)方法。

(2)規(guī)則替換法的應(yīng)用前提是要有應(yīng)用于替換過程的高精度分類結(jié)果，多種數(shù)據(jù)源的總體或個別地類分類效果會直接影響規(guī)則替換法應(yīng)用的效果與精度。由于篇幅和時間上的限制，本文僅列舉了TM、CBERS、ALOS、QuickBird及 Radarsat－2 等5種具有代表性的數(shù)據(jù)源和有限的實驗來進(jìn)行比較、驗證與分析，將更多已有的遙感數(shù)據(jù)和分類算法納入實驗，還需投入大量的工作。

(3)規(guī)則替換法屬于多源遙感決策級融合的地表覆蓋信息提取，與現(xiàn)有的普通替換法相比，該方法基于影像分類錯分及漏分誤差而產(chǎn)生的置信度替換規(guī)則，這就有效減少了類別替換中存在的不合理狀況，改善了替換法的效果。而與具有復(fù)雜理論基礎(chǔ)的多數(shù)投票、證據(jù)理論等決策級融合方法相比，該方法原理簡單、易于實現(xiàn)，具有很好的普及性和應(yīng)用前景。

［1］牛志春，倪紹祥.土地利用動態(tài)遙感監(jiān)測中數(shù)據(jù)融合方法的研究進(jìn)展［J］.南京師大學(xué)報:自然科學(xué)版，2002，25(3):12 －17.

［2］白 穆，劉慧平，喬 瑜，等.高分辨率遙感圖像分類方法在LUCC中的研究進(jìn)展［J］.國土資源遙感，2010(1):19－23.

［3］于 歡，張樹清，崔 利，等.基于CBERS－02遙感影像的濕地地表覆被分類研究［J］.國土資源遙感，2008(4):69－74.

［4］鮑志良，耿 俊，潘厚成.土地利用動態(tài)監(jiān)測與多源遙感數(shù)據(jù)處理［J］.江蘇測繪，2002，25(4):27 －29.

［5］賈永紅.多源遙感影像數(shù)據(jù)融合技術(shù)［M］.北京:測繪出版社，2005:10－14.

［6］Nencini F，Garzelli A，Baronti S，et al.Remote Sensing Image Fusion Using the Curvelet Transform［J］.Information Fusion，2007，8(2):143 －156.

［7］Aiazzi B，Alparone L，Baronti S，et al.Context Driven Fusion of High Spatial and Spectral Resolution Images Based on Over Sampled Multi－ resolution Analysis［J］.IEEE Transactions on Geoscience and Remote Sensing，2002，40(10):2300 －2312.

［8］Pohl C，Genderen J L V.Multi－ sensor Image Fusion in Remote Sensing:Concepts，Methods and Applications［J］.International Journal of Remote Sensing，1998，19(5):823 －854.

［9］Solberg A H S，Taxt T，Jain A K.A Markov Random Field Model for Classification of Multi－ source Satellite Imagery［J］.IEEE Transaction on Geoscience and Remote Sensing，1996，34(1):100－113.

［10］Zhang Y.Understanding Image Fusion［J］.Photogrammetric Engineering and Remote Sensing，2004，70(3):657 －661.

［11］焦子銻，李小文，王錦地，等.一種基于分類的融合算法［J］.中國圖象圖形學(xué)報，2002，7(8):771 －776.

［12］貟培東，曾永年，歷 華.多尺度遙感影像融合技術(shù)及其算法研究進(jìn)展［J］.遙感信息，2006(6):67－71.

［13］李光麗，杜培軍，王小美，等.多源遙感影像土地覆蓋分類結(jié)果一致性評價與集成應(yīng)用［J］.地理與地理信息科學(xué)，2009，25(4):68－71.

［14］劉湘南，佟志軍，劉志明，等.遙感數(shù)字圖像處理與分析［M］.長春:吉林大學(xué)出版社，2005.

［15］Ball G H，Hall D J.ISODATA，a Novel Method of Data Analysis and Classification［R］.Stanford:Stanford University，1965.

［16］趙英時.遙感應(yīng)用分析原理與方法［M］.北京:科學(xué)出版社，2003.

［17］Huguenin R L，Karaska M A，Blaricom D V，et al.Subpixel Classification of Bald Cypress and Tupelo Gum Trees in Thematic Mapper Imagery［J］.Photogrammetric Engineering and Remote Sensing，1997，63(6):717 －725.

［18］Tso B，Mather P M.Classification Methods for Remotely Sensed Data［M］.New York:Taylor and Francis Inc，2001.

［19］于 歡，張樹清，孔 博，等.面向?qū)ο筮b感影像分類的最優(yōu)分割尺度選擇研究［J］.中國圖象圖形學(xué)報，2010，15(2):352－360.

Land－cover Information Extraction Using Multi－source Remote Sensing Images Based on Rule－based Substitution Methods

YU Huan1，KONG Bo2，YANG De－sheng3
(1.College of Earth Sciences，Chengdu University of Technology，Chengdu 610059，China;2.Institute of Mountain Hazards and Environment，Chinese Academy of Science，Chengdu 610041，China;3.Information Center of Chongqing Land Resources and Housing Administration Bureau，Chongqing 400015，China)

With the purpose of effectively using multi－source remote sensing data to extract surface coverage information，this paper puts forward a rule－based substitution method to achieve land－cover information extraction accurately，which is based on principles of decision－making level multi－source remote sensing images fusion.Based on the classification experiments of freshwater wetlands in the Sanjiang plain regions，the authors verified the feasibility and applicability of this method，thus providing a new means for investigation and monitoring of land cover.

Rule－based substitution methods;Multi－source remote sensing;Information extraction;Wetlands;Sanjiang Plain

TP 79

A

1001－070X(2011)04－0087－05

2011－03－14;

2011－04－28

國家自然科學(xué)基金項目(編號:41101174)和成都理工大學(xué)青年科學(xué)基金項目(編號:2010QJ08)共同資助。

于 歡(1981－)，男，講師，主要研究方向為基于“3S”技術(shù)的生態(tài)環(huán)境評價與保護(hù)。

(責(zé)任編輯:刁淑娟)