基于建筑指數的GF—2影像建筑用地提取

張燊+楊巖

摘要：以高分二號（GF-2）影像為數據源，選取南京市江北新區(qū)為主要研究區(qū)域，針對GF-2影像缺少中紅外波段的特性，對比研究了仿建筑用地指數（SIBI）和比值建筑指數（RBI）兩種建筑指數的構建方法。通過兩組建筑用地提取實驗，對比分析了利用兩種建筑指數提取南京市江北新區(qū)建筑用地的效果。結果表明，利用這兩種建筑指數均能有效增強影像中的建筑用地信息，其中RJ3I略優(yōu)于SIBI；但由于GF-2影像分辨率較高，僅利用光譜特征構建的建筑指數難以區(qū)分建筑用地和道路、部分裸土，應利用影像空間、紋理特征構建建筑物指數。

關鍵詞：GF-2影像；建筑用地指數；建筑用地提取

引言：改革開放之后，我國城鎮(zhèn)化進程不斷加快，建筑用地也隨之急劇變化，及時準確地監(jiān)測建筑用地的變化可以準確掌握城市發(fā)展的狀態(tài)。利用遙感影像實現建筑用地提取已經成為了主要的研究方向。其中，構建建筑指數的提取方法自動化程度高、人為干預小，成為當前的研究熱點，已有不少學者陸續(xù)提出了不同的建筑指數。例如，查勇、楊山等建立了歸一化建筑指數（NDBI），徐涵秋提出利用指數波段來構建建筑指數（IBI）吳志杰等構建了“增強的指數型建筑用地指數（EIBI），等等。這些建筑指數均針對TM/ETM影像構建。

由于高分二號（GF-2）衛(wèi)星影像與TM影像相比缺少短波紅外波段（即中紅外），因此前文提到的各建筑指數均不適用，針對GF-2影像進行建筑用地提取的研究顯得十分必要。目前，針對GF-1影像，僅楊文軍等人提出了比值建筑用地指數（RBI）馬紅等構建了仿建筑用地指數（SIBI），鑒于GF-2與GF-I衛(wèi)星波段設置相似，本文分別將這兩種方法用于GF-2影像中，通過進行對比實驗，分析比較兩種方法的適應性，并提出改進措施。

1建筑用地提取原理

1.1仿建筑用地指數（SIBI）

為了適用于高分影像，馬紅等構建了仿建筑用地指數模型。該指數模型在徐涵秋提出的指數型建筑用地指數（IBI）的基礎上構建和改進。IBI由三個波段指數構成，分別為改進的歸一化水體指數（MNDWI）、歸一化土壤調節(jié)植被指數（SAVI）、歸一化建筑指數（NDBI），IBI表達式為：

MIR為多光譜影像的中紅外波段，NIR為近紅外波段，Green為綠光波段，Red紅光波段。

仿建筑用地指數借助軍事方面利用綠光波段和近紅外波段來區(qū)分植被與目標物的方法，將近紅外波段和綠光波段分別代替中紅外光波段和近紅外波段，由此構建SNDBI：

由于在地物的光譜曲線中可以看出水體在綠光波段到近紅外波段的反射率不斷下降，因此水體的仿歸一化建筑指數呈現負值，而在原本的歸一化建筑指數中，水體呈現正值，因此引入參數β進行改進。將SNDBI中小于β的值（即水體）賦值為1，其余（其他地物）不變。

而水體指數則直接采用歸一化水體指數NDWI，歸一化土壤調節(jié)植被指數（SAVI）保持不變，其中土壤調節(jié)因子a取0.5。

結合以上三者，仿歸一化建筑用地指數（SIBI）的計算表達式為

在高分遙感影像的SIBI影像中，建筑用地呈現正值，植被為負值，水體接近0，通過SIBI影像進行閾值分割，可將建筑用地提取出來。

1.2比值建筑指數（RBI）

比值指數在構建過程中，通過對圖像進行纓帽變換（KT變換）來提取建筑物。選取與高分影像參數相近的IKNOROS影像的KT變換矩陣模型（由Home于2003年提出）對GF-2影像進行變換。通過分析KT變換后各地物的主成分分量值，進行構建筑指數。

分析KT變化矩陣，結合光譜曲線圖，可以發(fā)現建筑用地在KTl分量與KT2分量的變化差值遠遠大于其他地物，水體呈現負值，植被趨近于1，因此構建比值建筑指數；

利用比值指數進行圖像增強后，水體呈現負值，植被接近于1，建筑物和裸地呈現較大的正值，通過對RBI影像進行閾值分割可提取建筑用地。

2城市建筑用地提取實驗

2.1數據源及研究區(qū)概況

數據源選用GF-2衛(wèi)星的高分辨率影像。高分二號衛(wèi)星是我國自主研制的民用光學遙感衛(wèi)星，搭載有一臺高分辨率1米全色相機和一臺4米多光譜相機，衛(wèi)星綜合觀測效能處于世界先列。其影像波段參數如表1所示。

研究區(qū)域為南京市江北新區(qū)，江北新區(qū)地處長江以北，占地面積2451平方千米，是東部沿海地區(qū)與長江的經濟交匯點。為便于分析與評價，在該研究區(qū)內裁取一個實驗區(qū)，如圖1（a）所示，其中紅色區(qū)域代表植被，藍色區(qū)域代表水體，綠色區(qū)域代表裸地，藍綠色和黃色區(qū)域代表建筑用地。

2.2實驗結果與分析

構建建筑指數的過程如下：①對影像進行預處理（輻射校正、大氣改正）；②對原圖像進行裁剪得到試驗區(qū)；③構建三個仿歸一化指數，按公式（3）計算仿歸一化建筑指數，得到SIBI影像，如圖2（a）所示；④對原圖像進行KT變換，按公式（4）構建RBI影像，如圖2（b）所示；⑤分別對SIBI圖像和RBI影像進行閾值分割，提取建筑用地結果分別如圖2（c）、2（d）所示。對比圖l（a）、（b）、（c）可以看出，利用這兩種建筑指數均能將影像中大部分建筑用地提取出來，并且清楚的顯示出建筑用地的分布狀態(tài)與分布特點，可以用于城市效應的分析。

3精度分析

為定量評價建筑用地提取精度，在圖1（a）實驗區(qū)域中選取局部區(qū)域作為精度試驗區(qū)進行精度分析。該試驗區(qū)云量影響小，含有建筑用地、道路、裸地、植被、水體5類地物，分別利用兩種建筑指數提取的結果如圖2所示。

通過分析提取結果發(fā)現，兩種建筑用地指數目視提取精度較高。SIBI指數在該區(qū)域中較好地分離了水體與建筑用地，但對裸地與建筑物的分離能力較弱；利用RBI指數提取的建筑用地效果要優(yōu)于SIBI指數，抑制了大部分的裸地信息。兩種方法的提取結果中均存在將道路錯分成建筑用地的現象。針對兩種建筑指數對原圖像的建筑用地與非建筑用地隨機采樣，樣本數為21044，建立混淆矩陣，進行精度檢驗，通過建筑用地與非建筑用地的提取精度和圖像的總體精度進行評判，精度的計算方法為：精度=正確分類的樣本數/樣本總數，結果如表2。從表中也可以看出利用RBI指數提取的結果更優(yōu)。

然而，由于高分二號影像具有較高的分辨率，僅利用光譜特征構建的建筑指數進行建筑用地提取，往往不能得到很高的精度，特別易將道路、裸土錯分為建筑用地。為更好地提取高分辨率影像中的建筑用地，應嘗試利用影像空間、紋理特征構建建筑物指數。

4總結與展望

高分影像中缺少中紅外波段增大了建筑用地提取難度，SIBI是對建筑指數IBI進行改進得到的建筑指數，RBI則通過對原圖像進行KT變化來增強建筑區(qū)信息，兩者都可以對影像中建筑用地信息進行增強，并能通過閾值分割將大部分建筑區(qū)提取出來，但精度遠沒有達到應用需求。通過利用南京江北新區(qū)高分二號影像進行實驗可以發(fā)現，僅僅根據光譜特征構建的建筑指數已經不再完全適用于高分辨遙感影像，針對高分辨率影像所含的豐富信息，結合空間、紋理特征等，對多種信息進行綜合分析才是今后的研究方向。endprint