研究易康（eCognition）面向?qū)ο筮b感影像的分類

■段凱 魏那

（吉林省航測(cè)遙感院吉林長(zhǎng)春130051）

研究易康（eCognition）面向?qū)ο筮b感影像的分類

■段凱 魏那

（吉林省航測(cè)遙感院吉林長(zhǎng)春130051）

現(xiàn)如今高空間分辨率遙感數(shù)據(jù)增多，綜合各類信息提取技術(shù)，運(yùn)用多尺度信息提取結(jié)果，更好的從各類遙感數(shù)據(jù)中提取信息，已成為遙感應(yīng)用中研究的問(wèn)題之一。以長(zhǎng)春郊區(qū)ETM遙感影像與某海邊ETM遙感影像為例，選取具有典型地物特征的區(qū)域?yàn)閷?shí)驗(yàn)區(qū)，以eCognition為平臺(tái)，對(duì)實(shí)驗(yàn)區(qū)進(jìn)行面向?qū)ο蟮姆诸悓?shí)驗(yàn)。

ETM eCognition 平臺(tái) 面向分類

0 引言

近年來(lái)隨著高分辨率影像的普及，人們?cè)诟呖臻g分辨率遙感信息提取上取得了進(jìn)一步的發(fā)展，這些遙感數(shù)據(jù)信息，地物幾何結(jié)構(gòu)、紋理信息更加明顯，更加提高了地物定位、判讀精度遙感影像分類是通過(guò)目視解譯進(jìn)行的，依靠人們的經(jīng)驗(yàn)和知識(shí)，通過(guò)基本要素及具體標(biāo)志來(lái)識(shí)別不同的地物類型，因此目視技術(shù)不適合大量遙感數(shù)據(jù)處理,計(jì)算機(jī)的自動(dòng)分類技術(shù)成為了遙感技術(shù)與應(yīng)用研究的重點(diǎn)。那么如何運(yùn)用高分辨率影像的特點(diǎn)，進(jìn)行影像信息的快速并高精度提取，便是本文研究需要研究論述的重點(diǎn)。

1 研究背景

最初的遙感影像分類主要是通過(guò)目視解譯進(jìn)行的，是依靠人們的經(jīng)驗(yàn)和知識(shí)，通過(guò)解譯基本要素以及具體解譯標(biāo)志來(lái)識(shí)別不同的地物類型，盡管目視解譯的技術(shù)已經(jīng)很成熟,但是目視解譯不僅需要豐富的地學(xué)知識(shí)，還需要目視判讀經(jīng)驗(yàn),更需要消耗大量的時(shí)間去目視判讀,其勞動(dòng)強(qiáng)度大,信息獲取周期長(zhǎng)。以像元的光譜特征為主要依據(jù)的分類方法是無(wú)法表達(dá)同一地物本身的光譜異質(zhì)性的。綜上所述，由于遙感影像數(shù)據(jù)的復(fù)雜性、多源性和特殊性，基于統(tǒng)計(jì)模式識(shí)別的傳統(tǒng)分類方法已經(jīng)無(wú)法滿足人類的要求。怎樣運(yùn)用高分辨率影像的特點(diǎn)，進(jìn)行影像信息的快速并高精度提取是目前急需解決的關(guān)鍵問(wèn)題，也是本文研究的重點(diǎn)。

2 面向?qū)ο筮b感影像分類的方法

Baatz M和Schape A根據(jù)高分辨率遙感影像特點(diǎn),顯示了面向?qū)ο筮b感影像分類的方法。此方法進(jìn)行信息的提取，處理最小單元不再是像元，而是有更多語(yǔ)義信息的相鄰像元組成的對(duì)象，所以分類時(shí)更多是在利用對(duì)象的幾何信息和影像對(duì)象之間的語(yǔ)義信息、紋理信息、拓?fù)潢P(guān)系，并不僅是單個(gè)對(duì)象的光譜信息。面向?qū)ο笠肓四：诸惙?，同時(shí)取得了很好的分類效果。于傳統(tǒng)相比的分類方法，面向?qū)ο蟮姆诸惙椒ê芎玫某浞掷眠b感影像的多種特征更加接近人腦解譯方式，更適合處理空間尺度、空間分析等問(wèn)題。

3 影像分類

影像分類是在影像分割的基礎(chǔ)上，根據(jù)影像中地物空間特征、光譜特征、時(shí)相特征，對(duì)地物目標(biāo)進(jìn)行識(shí)別。基本分為監(jiān)督分類和非監(jiān)督分類。如果使用計(jì)算機(jī)對(duì)遙感影像進(jìn)行分類會(huì)分為硬分類和軟分類。硬分類是用分類器給每個(gè)像元賦予唯一類別的方法，如最大似然分類、最小距離分類等；軟分類與硬分類相反，每個(gè)像元可能被賦予多個(gè)類別，如模糊分類、貝葉斯分類等。所以硬分類沒(méi)有顧及到混合像元的影響，混合像元越多就會(huì)導(dǎo)致硬分類的精度越低。而軟分類恰巧可以闡述類別歸屬的不確定性。因此這種軟分類得到越來(lái)越多人的認(rèn)同，更能反映真實(shí)的情況。面向?qū)ο蟮挠跋穹诸愂且阅：倪壿嫹诸愊到y(tǒng)作為基礎(chǔ)的典型軟分類器。模糊邏輯的基本思想就是樣本的隸屬度然后通過(guò)成員函數(shù)獲取的，成員函數(shù)再把任意特征值范圍轉(zhuǎn)換為[0,1]這樣一個(gè)統(tǒng)一的范圍，最后描述一個(gè)類型的隸屬度。模糊數(shù)學(xué)分類的方法優(yōu)勢(shì)如下:特征值向模糊值轉(zhuǎn)化,就是一個(gè)特征標(biāo)準(zhǔn)化的過(guò)程;允許不同特征之間的組合,使范圍和大小等都差異很大的特征也可以組合起來(lái);很好的調(diào)整特征描述;經(jīng)過(guò)模糊運(yùn)算和層次類型的描述,進(jìn)行復(fù)雜的特征描述；此方法更接近我們的思維模式。

3.1 實(shí)驗(yàn)區(qū)域影響

本文選擇兩幅影像來(lái)進(jìn)行面向?qū)ο蟮姆诸悓?shí)驗(yàn)。第一幅是某海邊的高分辨率影像，第二幅是吉林省長(zhǎng)春市郊區(qū)周邊的ETM影像。

圖1 實(shí)驗(yàn)區(qū)1和實(shí)驗(yàn)區(qū)2影像圖

4 eCognition實(shí)驗(yàn)區(qū)信息的提取

從實(shí)驗(yàn)區(qū)1可以看出來(lái)，該實(shí)驗(yàn)區(qū)的水體特征明顯，建筑物與植被邊界不突出且建筑物部分有陰影，植被與裸地之間差異較小，道路特征不是很清晰，因此要對(duì)該影像進(jìn)行較為細(xì)致的分割。從實(shí)驗(yàn)區(qū)2可以看出來(lái)，該實(shí)驗(yàn)區(qū)的道路特征明顯，建筑物較為集中，植被與裸地的差異較大，各地物特征比較明顯，所以分割尺度的選擇相對(duì)比較容易些。通過(guò)不斷的調(diào)整分割尺度的大小選取最優(yōu)值后分割結(jié)果

4.1 實(shí)驗(yàn)區(qū)的影像分類

實(shí)驗(yàn)區(qū)的兩個(gè)影像進(jìn)行分類主要采用以下四種分類算法：最優(yōu)Box、最鄰近算法、亮度閾值和雜波去除法。下面以實(shí)驗(yàn)區(qū)1為例進(jìn)行影像分類的具體闡述。對(duì)分割后的影像先進(jìn)行觀察，先提取最容易識(shí)別的類別，在實(shí)驗(yàn)區(qū)1中先對(duì)水體進(jìn)行提取，觀察水體與其他地物相差較大的特征進(jìn)行區(qū)分。以Layer 4的數(shù)值進(jìn)行閾值分類，首先選擇該波段，然后對(duì)影像同步進(jìn)行閾值選取，然后對(duì)提取后的水體進(jìn)行合并，由于個(gè)別地物的提取誤差，會(huì)有少許的遺漏或錯(cuò)分，需要后面進(jìn)行單獨(dú)處理，合并效果如圖2。

圖2 實(shí)驗(yàn)區(qū)1的水體合并圖

5 結(jié)論語(yǔ)

本文運(yùn)用了面向?qū)ο蟮倪b感影像分類方法，借助eCognition的平臺(tái)完成了遙感影像的分類實(shí)驗(yàn)并在處理高空間分辨率影像時(shí)，更加證明了面向?qū)ο蟮挠跋穹诸惙椒ǖ膬?yōu)勢(shì)。不僅僅避免了“椒鹽現(xiàn)象”、有效的提高了精度，更好的加入人類思維，使分類結(jié)果更容易理解和解釋。雖然高分辨率影像已經(jīng)具有了良好的目視效果，但在分類過(guò)程中仍會(huì)有一些沒(méi)辦法識(shí)別的區(qū)域，所以結(jié)合計(jì)算機(jī)視覺(jué)與認(rèn)知學(xué)的相關(guān)理論和方法進(jìn)行糾正處理也需要進(jìn)一步的研究。

[1]李德仁.論21世紀(jì)遙感與GIS的發(fā)展 [J].武漢大學(xué)學(xué)報(bào)，信息科學(xué)版,2003,28 (2):127一131.

[2]宮鵬,黎夏,徐冰.高分辨率遙感影像解譯理論和應(yīng)用方法中的一些研究問(wèn)題［J］.遙感學(xué)報(bào),2006,10(1):1-4.

[3]秦其明.遙感圖像自動(dòng)解譯面臨的問(wèn)題與解決的途徑 [J].測(cè)繪科學(xué),2000,25(2):2-24.

[4]杜鳳蘭,田慶久,夏學(xué)齊等.面向?qū)ο蟮牡匚锓诸惙ǚ治雠c評(píng)價(jià) [J].遙感技術(shù)與應(yīng)用, 2004,19(l):20一23.

[5]鄭江,駱劍承,陳秋曉等.遙感影像理解智能化系統(tǒng)與模型集成方法 [J].地球信息科學(xué)2003(l):95一102.

[6]章毓晉.圖象分割 [M].北京:科學(xué)出版社,2000.

P2[文獻(xiàn)碼]B

1000-405X（2016）-5-283-2

段凱（1985～），男，2006年畢業(yè)于軍事經(jīng)濟(jì)學(xué)院，工程師，研究方向?yàn)楹綔y(cè)遙感與地理信息系統(tǒng)的應(yīng)用。