航空影像內(nèi)業(yè)處理實(shí)驗(yàn)研究

林黎明+張珂霞

摘 要：該文基于筆者多年從事航空影像數(shù)據(jù)處理的相關(guān)工作經(jīng)驗(yàn)，以航空影像建筑物提取為研究對(duì)象，采用面向?qū)ο蟮乃悸?，探討了預(yù)處理、特征選擇、外形初步提取等一套流程形成的思路方法，并進(jìn)行了實(shí)驗(yàn)，全文是筆者長期工作實(shí)踐基礎(chǔ)上的理論升華，相信對(duì)從事相關(guān)工作的同行能有所裨益。

關(guān)鍵詞：面向?qū)ο?航空影像 建筑物提取 光譜特征

中圖分類號(hào)：P23 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1674-098X（2014）08（c）-0096-02

面向?qū)ο笮畔⑻崛∈且詫?duì)象為基本單位來進(jìn)行的，其關(guān)鍵步驟有兩個(gè)：多尺度影像分割（對(duì)象生成）和影像信息提取。其中，分割（對(duì)象生成）是面向?qū)ο笮畔⑻崛》椒ǖ幕A(chǔ)，分割結(jié)果的好壞直接關(guān)系到后續(xù)信息提取結(jié)果的精度。該文提出的面向?qū)ο蟮慕ㄖ锿庑翁崛』舅悸肥牵侯A(yù)處理→多尺度分割→建筑物特征選擇→初步提取→優(yōu)化外形。

1 預(yù)處理

該文的預(yù)處理采用影像融合，隨著多種遙感衛(wèi)星的發(fā)射成功，我們有了許多可利用的多傳感器、多時(shí)相、多分辨率和多光譜遙感影像。遙感影像的信息提取常常要求把多傳感器、多時(shí)相、多光譜和多分辨率影像進(jìn)行融合分析，以提取感興趣的信息。

通過實(shí)驗(yàn)要求及實(shí)驗(yàn)所得效果比較，采用該文主成份變換融合法對(duì)Quickbird全色和多光譜圖像進(jìn)行融合。因?yàn)楸疚牡娜诤鲜且环N預(yù)處理，所以別的算法在此就不做介紹了，在這里只闡述主成份變換。主成份變換也稱PCA變換，是著眼于變量之間的相互關(guān)系，盡可能不丟失信息的用幾個(gè)綜合性指標(biāo)匯集多個(gè)變量的測(cè)量值而進(jìn)行描述的方法，是一種最小均方差意義上的最優(yōu)正交變換。對(duì)多光譜圖像，由于各波段的數(shù)據(jù)間存在相關(guān)的情況很多，通常采用主成份分析就可以把圖像中所包含的大部分信息用少數(shù)波段表示出來。主成份分析是基于K-L（Kathunen-Loeve）變換來實(shí)現(xiàn)的。

2 建筑物特征選擇

建筑物特征選擇與提取是在影像分割得到多邊形對(duì)象基礎(chǔ)上進(jìn)行的，通過分割得到多邊形對(duì)象并不是最終目的，而是為后續(xù)分類提供更多的描述特征，參與影像分類的因子不僅包括對(duì)象的光譜信息，還有對(duì)象的紋理、形狀、拓?fù)?、語義等信息，但并不是特征越多，效果越好，特征提取也是研究的關(guān)鍵。由此，本節(jié)重點(diǎn)定量化描述了這些特征，并介紹了特征提取的策略，同時(shí)提出并解決了特征選擇與提取實(shí)現(xiàn)中的關(guān)鍵問題。影像對(duì)象包含了豐富的特征信息，它主要包括光譜、幾何、紋理等特征。

2.1 光譜特征

光譜特征是所有描述影像對(duì)象與像元灰度值相關(guān)特征的集合，反映對(duì)象的光譜信息。它包括影像對(duì)象的均值、均方差、亮度、比率等。

2.2 幾何特征

影像對(duì)象的形狀特征反映了對(duì)象的幾何特征，形狀特征是所有描述影像對(duì)象本身形狀特征的集合，反映對(duì)象的形狀方面的信息。它是在提取區(qū)域邊界點(diǎn)的基礎(chǔ)上形成的，計(jì)算形狀特征的理論基礎(chǔ)是根據(jù)矢量化后各點(diǎn)的坐標(biāo)組成的協(xié)方差矩陣，即

其中，X和Y分別是該對(duì)象的所有像元坐標(biāo)（x，y）組成的矢量，var（x），var（y）分別是X和Y的方差，cov（XY）是X，Y之間的協(xié)方差。

2.3 紋理特征

紋理在遙感影像分類中占有重要地位，描述紋理最常用的方法有灰度共生矩陣（GreyLevel Concurrence Matix，GLC-M）。通過分析與實(shí)驗(yàn)，得到建筑物與其他地物對(duì)比度較大的有光譜特征和形狀特征。所以該文將從光譜特征和形狀特征中選擇特征參數(shù)進(jìn)行提取建筑物外形。

3 建筑物外形初步提取

該文使用基于模糊規(guī)則的分類器進(jìn)行提取建筑物外形。模糊分類器能夠較準(zhǔn)確地提取所屬類別的對(duì)象。選擇不同地物最優(yōu)尺度對(duì)原始影像分割而成的多尺度影像是進(jìn)行地物信息有效提取的前提，它是將固定尺度的影像轉(zhuǎn)換為各種地物對(duì)應(yīng)的尺度影像，使地物在各自的最佳尺度上顯示，尺度分割只完成了面向?qū)ο笥跋穹治龅囊徊糠帧Ｒ胩崛〕龈信d趣的地物就必須要對(duì)影像對(duì)象進(jìn)行分類，研究表明模糊分類器分類影像對(duì)象效果較好。一般模糊分類器的設(shè)計(jì)要考慮以下幾方面內(nèi)容。

（1）模糊特征空間選擇，即在眾多的特征中選擇相對(duì)獨(dú)立的特征組成模糊空間。（2）模糊分類規(guī)則的建立。（3）模糊集隸屬函數(shù)（Member ship Funetion）的選擇及參數(shù)調(diào)節(jié)。

建立類別模糊規(guī)則庫是基于模糊規(guī)則分類器的主要內(nèi)容。首先，在分割好的影像對(duì)象層中查看各地物目標(biāo)的邊界、輪廓形狀、面積、長、寬等信息，提取包含在其中的信息，如每個(gè)地物目標(biāo)的平均值、標(biāo)準(zhǔn)差、形狀特征等。根據(jù)類別可分性原理選擇不同類別特征響應(yīng)差別較大的特征作為模糊規(guī)則庫的判別特征。如植被和水體在近紅外波段的光譜差異較大，植被在近紅外波段有較大的反射值，而水體在該波段的反射值較小，因此可以選擇近紅外波段作為植被和水體的判別特征。其次，在獲取這些信息后，在分類體系的基礎(chǔ)上建立每個(gè)類的成員函數(shù)。對(duì)每一種對(duì)象特征都有幾個(gè)相應(yīng)的描述函數(shù)，如幾何形狀特征，描述函數(shù)有面積、長度、寬度、長寬比、緊密度、最大方向、外邊界長度、矩形匹配度等，它提供了特征值和類隸屬度之間非常透明的關(guān)系。根據(jù)不同類別特征響應(yīng)的差別選擇適合的隸屬函數(shù)建立該特征的模糊判別規(guī)則。最后，在前面分析的基礎(chǔ)上統(tǒng)籌所有類別，根據(jù)“先易后難”的原則先分出較容易區(qū)別的類，分層逐步建立一個(gè)邏輯層次較強(qiáng)的模糊規(guī)則分類庫。

在面向?qū)ο蠓诸悤r(shí)，經(jīng)常出現(xiàn)有些類別不能由單條模糊規(guī)則進(jìn)行有效區(qū)別。如河流的分類則不僅需要近紅外波段低反射值條件還需要形狀特征length/width來區(qū)分河流和其他的水域，length/width值越大，對(duì)象越呈線狀，因此水域?qū)儆诤恿鳌６鄺l件規(guī)則表達(dá)式的建立需要表示邏輯的“and”、“or”、“not”等連接，如下河流提取表達(dá)式：

If（Layermean of Nir（Object）∈[c，d]）AND（length/width（Object）∈[e，f]）Then class（Object）=riverendprint

這樣的分類器一方面可以完成非常復(fù)雜的分類任務(wù)，另一方面也使得分類過程在細(xì)節(jié)方面透明、可調(diào)節(jié)。

4 實(shí)驗(yàn)

本實(shí)驗(yàn)應(yīng)用Erdas做影像融合，Ecognition實(shí)現(xiàn)分割提取，Matlab優(yōu)化提取結(jié)果。

首先應(yīng)用主成份變換進(jìn)行融合，然后對(duì)融合后的影像進(jìn)行多尺度分割。本實(shí)驗(yàn)在進(jìn)行多尺度影像分割之前，充分考慮了以下幾點(diǎn)：（1）分割過程應(yīng)該生成高度同質(zhì)的分割區(qū)域，分割后的小區(qū)域具有最優(yōu)的可分離性與代表性；（2）由于影像分析問題與給定尺度遙感數(shù)據(jù)的空間結(jié)構(gòu)有關(guān)系，那么分割后對(duì)象的平均大小必須與建筑物的尺度大小相適宜；（3）分割過程應(yīng)該具有普遍性，能適用于多種不同類型的數(shù)據(jù)與問題；分割成果應(yīng)該具有再生性等。由于實(shí)驗(yàn)數(shù)據(jù)只有四個(gè)波段，所以它們將都參與分割，將權(quán)重都設(shè)置為1。由于建筑物的特殊性選擇異質(zhì)性尺度為50，同質(zhì)性的顏色因子和形狀因子各取0.5，緊湊度和光滑度也各取0.5，進(jìn)行分割。

融合后的影像被分割成不同的多邊形對(duì)象，如何將屬于建筑物的對(duì)象提取出來呢？這就需要分析研究建筑物的特征。首先建筑物的亮度值在（150.5，184），把這個(gè)范圍內(nèi)的地物提取出來形成建筑物的候選區(qū)。在候選區(qū)中我們發(fā)現(xiàn)主要是建筑物和道路兩種地物，經(jīng)過反復(fù)實(shí)驗(yàn)，區(qū)別這兩種地物的主要特征是形狀特征。在形狀特征中，由于建筑物的幾何特征，本實(shí)驗(yàn)首先選擇“矩形匹配”特征；其次根據(jù)道路的形狀特征，選擇“最大方向”特征。所謂的“最大方向”特征是指影像對(duì)象的空間分布協(xié)方差矩陣中最大特征向量的方向特征。根據(jù)這兩個(gè)特征進(jìn)一步提取，建筑物外形就基本顯現(xiàn)出來了。但是由于圖像的光譜范圍、建筑物自身附帶的其他人造目標(biāo)（如太陽能熱水器）等因素影像，提取出來的建筑物外形并不是規(guī)則形狀。所以下一步就要進(jìn)行外形優(yōu)化。

本實(shí)驗(yàn)設(shè)計(jì)了一個(gè)方向?yàn)?6 °，大小9*9的結(jié)構(gòu)元素進(jìn)行形態(tài)學(xué)開運(yùn)算，優(yōu)化建筑物外形。根據(jù)本文提出的方法進(jìn)行編程和實(shí)驗(yàn)，得到的結(jié)果圖如圖1。

5 結(jié)語

該文發(fā)展了一種面向?qū)ο蟮慕ㄖ锿庑翁崛》椒?。?yīng)用多尺度分割技術(shù)將具有高空間分辨率和高光譜信息的融合影像分割成不同的對(duì)象，依據(jù)建筑物特征自定義分類因子，運(yùn)用模糊分類技術(shù)對(duì)建筑物外形進(jìn)行初步提取，最后通過形態(tài)學(xué)開運(yùn)算進(jìn)行結(jié)果優(yōu)化。

參考文獻(xiàn)

[1] 唐亮，謝維信.直線Snakes及其在建筑物提取中的應(yīng)用[J].西安電子科技大報(bào)，2005，32（1）：60-65.

[2] 宋文濤.基于數(shù)字?jǐn)z影測(cè)量的DOM制作與應(yīng)用研究[J].測(cè)繪通報(bào)，2010（2）.

[3] 杜金莉.正射影像圖的制作與應(yīng)用研究[J].測(cè)繪通報(bào)，2009（24）.

[4] 胡海駒.SPOT-5衛(wèi)星DOM制作的質(zhì)量控制研究[J].測(cè)繪通報(bào)，2008（20）.endprint

這樣的分類器一方面可以完成非常復(fù)雜的分類任務(wù)，另一方面也使得分類過程在細(xì)節(jié)方面透明、可調(diào)節(jié)。

4 實(shí)驗(yàn)

本實(shí)驗(yàn)應(yīng)用Erdas做影像融合，Ecognition實(shí)現(xiàn)分割提取，Matlab優(yōu)化提取結(jié)果。

首先應(yīng)用主成份變換進(jìn)行融合，然后對(duì)融合后的影像進(jìn)行多尺度分割。本實(shí)驗(yàn)在進(jìn)行多尺度影像分割之前，充分考慮了以下幾點(diǎn)：（1）分割過程應(yīng)該生成高度同質(zhì)的分割區(qū)域，分割后的小區(qū)域具有最優(yōu)的可分離性與代表性；（2）由于影像分析問題與給定尺度遙感數(shù)據(jù)的空間結(jié)構(gòu)有關(guān)系，那么分割后對(duì)象的平均大小必須與建筑物的尺度大小相適宜；（3）分割過程應(yīng)該具有普遍性，能適用于多種不同類型的數(shù)據(jù)與問題；分割成果應(yīng)該具有再生性等。由于實(shí)驗(yàn)數(shù)據(jù)只有四個(gè)波段，所以它們將都參與分割，將權(quán)重都設(shè)置為1。由于建筑物的特殊性選擇異質(zhì)性尺度為50，同質(zhì)性的顏色因子和形狀因子各取0.5，緊湊度和光滑度也各取0.5，進(jìn)行分割。

融合后的影像被分割成不同的多邊形對(duì)象，如何將屬于建筑物的對(duì)象提取出來呢？這就需要分析研究建筑物的特征。首先建筑物的亮度值在（150.5，184），把這個(gè)范圍內(nèi)的地物提取出來形成建筑物的候選區(qū)。在候選區(qū)中我們發(fā)現(xiàn)主要是建筑物和道路兩種地物，經(jīng)過反復(fù)實(shí)驗(yàn)，區(qū)別這兩種地物的主要特征是形狀特征。在形狀特征中，由于建筑物的幾何特征，本實(shí)驗(yàn)首先選擇“矩形匹配”特征；其次根據(jù)道路的形狀特征，選擇“最大方向”特征。所謂的“最大方向”特征是指影像對(duì)象的空間分布協(xié)方差矩陣中最大特征向量的方向特征。根據(jù)這兩個(gè)特征進(jìn)一步提取，建筑物外形就基本顯現(xiàn)出來了。但是由于圖像的光譜范圍、建筑物自身附帶的其他人造目標(biāo)（如太陽能熱水器）等因素影像，提取出來的建筑物外形并不是規(guī)則形狀。所以下一步就要進(jìn)行外形優(yōu)化。

本實(shí)驗(yàn)設(shè)計(jì)了一個(gè)方向?yàn)?6 °，大小9*9的結(jié)構(gòu)元素進(jìn)行形態(tài)學(xué)開運(yùn)算，優(yōu)化建筑物外形。根據(jù)本文提出的方法進(jìn)行編程和實(shí)驗(yàn)，得到的結(jié)果圖如圖1。

5 結(jié)語

該文發(fā)展了一種面向?qū)ο蟮慕ㄖ锿庑翁崛》椒?。?yīng)用多尺度分割技術(shù)將具有高空間分辨率和高光譜信息的融合影像分割成不同的對(duì)象，依據(jù)建筑物特征自定義分類因子，運(yùn)用模糊分類技術(shù)對(duì)建筑物外形進(jìn)行初步提取，最后通過形態(tài)學(xué)開運(yùn)算進(jìn)行結(jié)果優(yōu)化。

參考文獻(xiàn)

[1] 唐亮，謝維信.直線Snakes及其在建筑物提取中的應(yīng)用[J].西安電子科技大報(bào)，2005，32（1）：60-65.

[2] 宋文濤.基于數(shù)字?jǐn)z影測(cè)量的DOM制作與應(yīng)用研究[J].測(cè)繪通報(bào)，2010（2）.

[3] 杜金莉.正射影像圖的制作與應(yīng)用研究[J].測(cè)繪通報(bào)，2009（24）.

[4] 胡海駒.SPOT-5衛(wèi)星DOM制作的質(zhì)量控制研究[J].測(cè)繪通報(bào)，2008（20）.endprint

這樣的分類器一方面可以完成非常復(fù)雜的分類任務(wù)，另一方面也使得分類過程在細(xì)節(jié)方面透明、可調(diào)節(jié)。

4 實(shí)驗(yàn)

本實(shí)驗(yàn)應(yīng)用Erdas做影像融合，Ecognition實(shí)現(xiàn)分割提取，Matlab優(yōu)化提取結(jié)果。

首先應(yīng)用主成份變換進(jìn)行融合，然后對(duì)融合后的影像進(jìn)行多尺度分割。本實(shí)驗(yàn)在進(jìn)行多尺度影像分割之前，充分考慮了以下幾點(diǎn)：（1）分割過程應(yīng)該生成高度同質(zhì)的分割區(qū)域，分割后的小區(qū)域具有最優(yōu)的可分離性與代表性；（2）由于影像分析問題與給定尺度遙感數(shù)據(jù)的空間結(jié)構(gòu)有關(guān)系，那么分割后對(duì)象的平均大小必須與建筑物的尺度大小相適宜；（3）分割過程應(yīng)該具有普遍性，能適用于多種不同類型的數(shù)據(jù)與問題；分割成果應(yīng)該具有再生性等。由于實(shí)驗(yàn)數(shù)據(jù)只有四個(gè)波段，所以它們將都參與分割，將權(quán)重都設(shè)置為1。由于建筑物的特殊性選擇異質(zhì)性尺度為50，同質(zhì)性的顏色因子和形狀因子各取0.5，緊湊度和光滑度也各取0.5，進(jìn)行分割。

融合后的影像被分割成不同的多邊形對(duì)象，如何將屬于建筑物的對(duì)象提取出來呢？這就需要分析研究建筑物的特征。首先建筑物的亮度值在（150.5，184），把這個(gè)范圍內(nèi)的地物提取出來形成建筑物的候選區(qū)。在候選區(qū)中我們發(fā)現(xiàn)主要是建筑物和道路兩種地物，經(jīng)過反復(fù)實(shí)驗(yàn)，區(qū)別這兩種地物的主要特征是形狀特征。在形狀特征中，由于建筑物的幾何特征，本實(shí)驗(yàn)首先選擇“矩形匹配”特征；其次根據(jù)道路的形狀特征，選擇“最大方向”特征。所謂的“最大方向”特征是指影像對(duì)象的空間分布協(xié)方差矩陣中最大特征向量的方向特征。根據(jù)這兩個(gè)特征進(jìn)一步提取，建筑物外形就基本顯現(xiàn)出來了。但是由于圖像的光譜范圍、建筑物自身附帶的其他人造目標(biāo)（如太陽能熱水器）等因素影像，提取出來的建筑物外形并不是規(guī)則形狀。所以下一步就要進(jìn)行外形優(yōu)化。

本實(shí)驗(yàn)設(shè)計(jì)了一個(gè)方向?yàn)?6 °，大小9*9的結(jié)構(gòu)元素進(jìn)行形態(tài)學(xué)開運(yùn)算，優(yōu)化建筑物外形。根據(jù)本文提出的方法進(jìn)行編程和實(shí)驗(yàn)，得到的結(jié)果圖如圖1。

5 結(jié)語

該文發(fā)展了一種面向?qū)ο蟮慕ㄖ锿庑翁崛》椒?。?yīng)用多尺度分割技術(shù)將具有高空間分辨率和高光譜信息的融合影像分割成不同的對(duì)象，依據(jù)建筑物特征自定義分類因子，運(yùn)用模糊分類技術(shù)對(duì)建筑物外形進(jìn)行初步提取，最后通過形態(tài)學(xué)開運(yùn)算進(jìn)行結(jié)果優(yōu)化。

參考文獻(xiàn)

[1] 唐亮，謝維信.直線Snakes及其在建筑物提取中的應(yīng)用[J].西安電子科技大報(bào)，2005，32（1）：60-65.

[2] 宋文濤.基于數(shù)字?jǐn)z影測(cè)量的DOM制作與應(yīng)用研究[J].測(cè)繪通報(bào)，2010（2）.

[3] 杜金莉.正射影像圖的制作與應(yīng)用研究[J].測(cè)繪通報(bào)，2009（24）.

[4] 胡海駒.SPOT-5衛(wèi)星DOM制作的質(zhì)量控制研究[J].測(cè)繪通報(bào)，2008（20）.endprint