基于圖像理解的土地利用分類信息提取

董國棟

(諸城市國土資源局，山東 諸城 262200)

隨著遙感技術(shù)的飛速發(fā)展，我國正進入一個“數(shù)據(jù)海量，信息匱乏”的時代，我國每天獲取TB級(1012 Byte )的遙感數(shù)據(jù)，但是信息提取嚴重不足。遙感數(shù)據(jù)利用率很低：航天遙感數(shù)據(jù)利用率<5%，航空遙感數(shù)據(jù)利用率<10%。當前遙感研究的一個重點就是如何快速高效的從遙感圖像中獲得所需要的信息[1]，因此利用圖像理解(Image Understanding)理論和方法進行遙感信息的提取受到越來越多的重視。

該研究選擇江蘇省宜興市中巴資源衛(wèi)星02星數(shù)據(jù)，參照國家土地利用分類系統(tǒng)(GB/T 21010-2007)進行土地利用分類信息提取技術(shù)研究。研究軟件平臺采用德國Definiens AG公司開發(fā)的Definiens Professional 7.0遙感影像分析系統(tǒng)。該系統(tǒng)是一種面向?qū)ο蠓诸愜浖?，這種分類實際上是模擬人類大腦對地物的認知過程，可以從不同的尺度對周圍的地物關(guān)系進行分析，從而識別不同地類標，實現(xiàn)了計算機高速處理與人類認知原理的結(jié)合，軟件提供了豐富的影像單元特征函數(shù)和分類算法，功能強大。重點研究如何利用圖像理解的理論方法最大限度地發(fā)揮CBERS的優(yōu)勢為國土資源宏觀監(jiān)測服務(wù)。

1 圖像理解的層次結(jié)構(gòu)

圖像理解是一門研究利用計算機系統(tǒng)解釋圖像，實現(xiàn)類似人類視覺系統(tǒng)理解外部世界的科學(xué)[2]，計算機圖像理解的主要任務(wù)是從圖像中分析、識別、解釋各個不同類型的物體，并建立與具體應(yīng)用無關(guān)的通用視覺系統(tǒng)為其最終目標。由于視覺系統(tǒng)所面對場景的復(fù)雜性和人類對人腦認識的局限性，在現(xiàn)階段圖像理解的主要研究工作為面向各種應(yīng)用的圖像分析、識別、解釋。

基于圖像理解的分類信息提取的重點在于對不同地類的圖像分析、識別和解釋，在圖像進行多級別分割的基礎(chǔ)上，對現(xiàn)有的分類知識進行處理分析，并以特征函數(shù)的形式描述實現(xiàn)。

圖像理解具有鮮明的層次性，具有低層、中層和高層描述的層狀結(jié)構(gòu)[3](圖1)，數(shù)字影像通常作為低層的輸入，低層輸出一般以像素為單位統(tǒng)計出的圖像特征，中層輸出則是在低層描述的基礎(chǔ)上進行編組、抽象后形成的影像單元，減少了數(shù)據(jù)量，但是卻增加了更多的可用信息，如大小、形狀等，更接近地物的本質(zhì)。高層理解主要通過以影像單元描述為基本單元的、反映景物與目標特性的模型和服務(wù)于解釋的知識庫，完成解釋圖像的任務(wù)[4]。

圖1 圖像理解的層次結(jié)構(gòu)

2 研究方法

2.1 影像數(shù)據(jù)預(yù)處理

選取中巴資源衛(wèi)星02星的多光譜影像數(shù)據(jù)作為研究數(shù)據(jù)，同時采用研究區(qū)DEM數(shù)據(jù)參與分析，并輔以研究區(qū)土地利用現(xiàn)狀數(shù)據(jù)庫為對比數(shù)據(jù)，以此檢驗土地利用分類信息提取精度(表1)。

表1 研究區(qū)數(shù)據(jù)概況

由于中巴資源衛(wèi)星的數(shù)據(jù)比較容易獲取并且價格相對較低，為提高分類精度，應(yīng)盡量采用同年多時象數(shù)據(jù)，進行幾何校正、影像配準，并進行多波段圖像文件組合、打包，作為影像分類信息提取源數(shù)據(jù)。如圖2所示，宜興地區(qū)6月份水田植物還沒開始生長，因此在遙感影像上基本看不到植被信息，所以水田與建設(shè)用地在光譜特征上存在相似性，容易出現(xiàn)混分情況。8月份水田植物長勢較好，在遙感影像上主要反映的是植被信息，與建設(shè)用地比較容易區(qū)分，但是與林地草地混分情況比較嚴重，采用多時象數(shù)據(jù)打包作為數(shù)據(jù)源可以較好地解決這一問題。

圖2 兩個時相影像對比圖

2.2 多尺度分割

通過對影像數(shù)據(jù)進行多級分割得到不同級別的影像單元(image object)，影像單元則屬于中層輸出，是面向?qū)ο蠓诸惖幕締卧?，是?shù)字圖像經(jīng)過抽象后得到的綜合信息載體[5]。語義信息對于地物判別極其重要，而單個像素是無法表達語義信息的，只有有意義的影像對象及其相互關(guān)系才可以表達語義概念。

研究采用Definiens Professional 7.0提供的多尺度分割算法進行影像分割和信息提取。建立不同級別的影像單元，以便建立從圖像理解中層到高層的函數(shù)描述。

根據(jù)宜興地區(qū)的特點對影像數(shù)據(jù)采取了三級分割，分割尺度參數(shù)設(shè)置分別為30，20，5；其中20為主要分割尺度，5為紋理分析尺度，影像分在20的分割尺度上，由于不同的地物類別的最佳分割尺度略有不同，應(yīng)根據(jù)不同地類的具體情況對分割的圖像單元的邊界進行調(diào)整，以使不同地類提取取得更好的效果(圖3)。

圖3 影像分割層次示意圖

2.3 特征函數(shù)描述

Definiens除了提供幾十種特征函數(shù)以外還允許自定義函數(shù)用于表達語義信息。軟件提供的特征函數(shù)主要分為灰度值描述(Layer Values)、形狀指數(shù)描述(shape)、紋理描述(texture)、層次描述(Hierarchy)、類臨近關(guān)系描述(Class-Related features)、場景關(guān)系描述(Scene features)等幾大類。在先驗知識的基礎(chǔ)上，通過多種函數(shù)的組合、變形，設(shè)置合適的隸屬度函數(shù)，形成準確的語義表達，對圖像單元進行解釋，從而達到地類識別的目的[6]。研究選取根據(jù)先驗知識，通過不同特征函數(shù)的組合對宜興地區(qū)的河渠水面、湖泊水面、坑塘水面、有林地、灌木林、農(nóng)村居民點、城鎮(zhèn)用地、交通用地等地類進行了分類提取試驗，不同地類知識表達與函數(shù)描述如表2所示。

表2 各種地類的函數(shù)描述

根據(jù)宜興地區(qū)的特點，通過紋理、面積、形狀指數(shù)、與居民點的距離關(guān)系等幾個特征函數(shù)對宜興試驗區(qū)二級地類進行分類。采用特征閾值分類法劃分地類精度(表3)。

表3 特征閾值分類法劃分二級地類精度統(tǒng)計

3 結(jié)論

該研究基于圖像理解的原理，利用面向?qū)ο蠓椒ǎ砸伺d地區(qū)為研究區(qū)進行了土地利用分類實驗，通過分析可以得到以下結(jié)論：

(1)在中低分辨率遙感數(shù)據(jù)中，影像數(shù)據(jù)所提供的有效的形狀以及紋理等空間信息很少，面向?qū)ο蠹夹g(shù)能達到較好的識別效果，總體分類精度可以達到接近70%，但在高空間分辨率數(shù)據(jù)上，可以構(gòu)建更多的知識表達與函數(shù)描述，從而發(fā)揮其更大的優(yōu)勢。

(2)在對影像進行分割時，分割尺度的設(shè)置對一級類的劃分精度有較大影響，它也直接影響到函數(shù)描述的構(gòu)建，所以，面向?qū)ο蠓诸惙椒ū容^靈活，也很難總結(jié)出一套適合不同數(shù)據(jù)的函數(shù)描述設(shè)置，但在同一空間分辨率數(shù)據(jù)上可以形成比較統(tǒng)一的知識表達，這些特點決定了面向?qū)ο蟮姆诸惙椒摿艽?，通過對不同數(shù)據(jù)的分析，進一步總結(jié)不同地類的通用的知識表達方式，從而進一步提高分類效率與精度，以廣泛應(yīng)用于大尺度的國土資源宏觀調(diào)查。

參考文獻：

[1] 王鵬，張海燕.基于遙感技術(shù)對兗州煤田采煤塌陷地現(xiàn)狀調(diào)查[J]．山東國土資源，2012，28(12)：50-52．

[2] 錢樂樂．基于視覺層次感知機制的圖像理解方法研究[D]．合肥工業(yè)大學(xué)，2009:12．

[3] 劉淼．基于結(jié)構(gòu)和表觀模型的圖像理解方法及其應(yīng)用研究[D]．吉林大學(xué)，2008:6．

[4] 官小平，關(guān)澤群．小波分析在高分辨率遙感影像邊緣檢測中的應(yīng)用[C]//第十三屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[A].2001:43-44．

[5] 孫曉霞，張繼賢，劉正軍．利用面向?qū)ο蟮姆诸惙椒◤腎KONOS全色影像中提取河流和道路[J]．測繪科學(xué)，2006,31(1):62-63．

[6] 張立國，吳曉，江娜，等．利用面向?qū)ο蠓诸惣夹g(shù)進行地理要素快速更新的方法研究[J]．山東國土資源，2010，26(9)：53-56．