基于ASTER遙感圖像的宜昌市區(qū)土地利用監(jiān)督分類

何 微

（湖北科技學(xué)院 數(shù)學(xué)與統(tǒng)計(jì)學(xué)院，湖北 咸寧 437000）

遙感是一門新興的綜合性探測技術(shù)科學(xué)，在其發(fā)展不到半個世紀(jì)的時間內(nèi)，已經(jīng)在地理學(xué)、地質(zhì)學(xué)、生態(tài)學(xué)、環(huán)境科學(xué)、大氣科學(xué)和海洋科學(xué)等領(lǐng)域得到了廣泛的研究和應(yīng)用。伴隨著科學(xué)技術(shù)的不斷發(fā)展，遙感圖像分辨率也在不斷提高，人們從遙感圖像中也獲得越來越多有用的數(shù)據(jù)和信息。近年來，遙感技術(shù)的應(yīng)用領(lǐng)域和深度不斷延伸，它在人類進(jìn)行資源勘探、土地規(guī)劃與利用、災(zāi)害動態(tài)監(jiān)測、城市規(guī)劃、環(huán)境監(jiān)測、氣象預(yù)報(bào)、農(nóng)作物估產(chǎn)、農(nóng)業(yè)、林業(yè)、地質(zhì)礦產(chǎn)、軍事等領(lǐng)域的工作中有著深遠(yuǎn)的影響，大大增強(qiáng)了人類在區(qū)域以及全球范圍上開發(fā)資源、制圖和監(jiān)測等能力，為社會發(fā)展作出了巨大貢獻(xiàn)，可以說遙感技術(shù)已成為當(dāng)前人類研究地球資源環(huán)境的一種有力技術(shù)手段。在遙感技術(shù)的研究中，對遙感影像判讀識別各種目標(biāo)是遙感技術(shù)發(fā)展的一個非常重要環(huán)節(jié)，無論是專業(yè)信息提取、動態(tài)變化預(yù)測，還是專題地圖制作和遙感數(shù)據(jù)庫的建立等都離不開分類。但是遙感影像數(shù)據(jù)類別多，含混度大，不同場合遙感圖像應(yīng)用所需的類別數(shù)據(jù)不同，那么對應(yīng)的遙感圖像處理方式也是不一樣，這也就使得圖像分類顯得尤為重要。而如何從已獲取的遙感圖像中得到所需的信息，現(xiàn)已有一些經(jīng)典的分類方法和算法，其中最為人們所知的方法有監(jiān)督分類和非監(jiān)督分類。

非監(jiān)督分類：遙感圖像上的同類地物在相同的條件下，一般具有相同或相近的光譜特征，從而表現(xiàn)出某種內(nèi)在的相似性，歸屬于同一個光譜空間區(qū)域。而不同的地物，光譜特征不同，歸屬于不同的光譜空間區(qū)域，這是非監(jiān)督分類的理論依據(jù)。該分類方法主要是通過系統(tǒng)自動依據(jù)光譜數(shù)據(jù)在統(tǒng)計(jì)上的差別而進(jìn)行分類的。主要算法有分級集群法、ISODATA法（迭代自組織數(shù)據(jù)分析技術(shù)）和K-Means法等。

監(jiān)督分類：與非監(jiān)督分類不同，監(jiān)督分類最顯著的特點(diǎn)是在分類前人們對遙感圖像上某些樣區(qū)中影像地物的類別屬性已有了先驗(yàn)知識，也就是先要從圖像中選取所有要區(qū)分的各類地物的樣本，用于訓(xùn)練分類器（建立判別函數(shù)）。一般是在圖像中選取具有代表性的區(qū)域作為訓(xùn)練區(qū)，由訓(xùn)練區(qū)得到各個類別的統(tǒng)計(jì)數(shù)據(jù)，進(jìn)而對整個圖像進(jìn)行分類。主要方法有線性判別法、最大似然法、最小距離法和平行多面體法等。

文章采用宜昌市區(qū)的遙感影像進(jìn)行圖像處理，主要利用監(jiān)督分類法獲取整個城區(qū)類別的分布情況，探討了監(jiān)督分類中最小距離分類法和最大似然分類法的實(shí)現(xiàn)和分類結(jié)果的差異。

1 遙感圖像分類原理

遙感圖像分類主要依據(jù)是地物的光譜特征，即地物電磁波輻射的多波段測量值，這些測量值可以用作遙感圖像分類的原始特征變量。遙感圖像分類就是利用計(jì)算機(jī)通過對遙感圖像中各類地物的光譜信息和空間信息進(jìn)行分析，選擇特征，并用一定的手段將特征空間劃分為互不重疊的子空間，然后將圖像中的各個像素劃歸到各個子空間去。由于遙感圖像中的同類地物在相同的條件下（紋理、地形、光照以及植被覆蓋等），具有相同或相似的光譜信息特征和空間信息特征，所以表現(xiàn)出同類地物某種內(nèi)在的相似性，于是有同類地物像素的特征向量將集群在同一特征空間區(qū)域，不同的地物其光譜信息和空間信息特征將不同，從而集群在不同的特征空間區(qū)域。在目前的遙感分類應(yīng)用中，用得較多的是傳統(tǒng)的模式識別分類方法，諸如最大似然法、最小距離法、ISODATA法、K-Means法等監(jiān)督和非監(jiān)督分類法。

圖1 圖像分類基本流程圖

文章所選的遙感影像數(shù)據(jù)已做過預(yù)處理，主要運(yùn)用監(jiān)督分類方法進(jìn)行分類，在此，只需做特征提取，即訓(xùn)練區(qū)的選擇，再對圖像進(jìn)行分類。

1.1 特征提取

對監(jiān)督分類而言，訓(xùn)練區(qū)的選擇是非常重要的，如果大量原始的測量數(shù)據(jù)不做分析，直接作為分類特征，不僅數(shù)據(jù)量太大，計(jì)算復(fù)雜，浪費(fèi)計(jì)算機(jī)處理時間，而且分類的效果也不一定好。因此，為了獲得滿意的分類結(jié)果，訓(xùn)練數(shù)據(jù)必須既有代表性，同時還要具有完整性。用于圖像分類訓(xùn)練區(qū)的統(tǒng)計(jì)結(jié)果，一定要充分反映各種信息類型中光譜類別的所有組成。根據(jù)影像中的地物，確定選擇具有代表性的訓(xùn)練區(qū)。對于“同物異譜”現(xiàn)象，將此種地物作為兩個類別進(jìn)行訓(xùn)練區(qū)的輸入選擇。對每種類別訓(xùn)練區(qū)樣本選擇后，檢查樣本的質(zhì)量，利用圖表顯示法剔除不好的樣本，對剩余樣本進(jìn)行合并，從而建立分類模板。

1.2 分類方法

目前，在遙感圖像分類處理中，主要有傳統(tǒng)分類方法中的監(jiān)督分類和非監(jiān)督分類，還有多級切割分類法、決策樹分類法，以及近年來發(fā)展起來的神經(jīng)網(wǎng)絡(luò)分類等。在這里，主要介紹以下分類方法。

（1）最大似然法。最大似然分類是圖像處理中最常采用的分類方法之一，它是求出像元數(shù)據(jù)對于各類別的似然度，把該像元分到似然度最大的類別中去的方法。似然度是指當(dāng)觀測到像元數(shù)據(jù)X時，它是從分類類別k中得到的（后驗(yàn)）概率，設(shè)從類別k中觀測到X的條件概率為P（X/k），則似然度蘊(yùn)k可表示為下式（1）：

其中P（k）為類別k的先驗(yàn)概率，通常假定它在每個類別中都是一樣的。X屬于似然度蘊(yùn)k取值最大的那一類。

通常都是利用最大似然比分類，所以就要求知道總體的概率密度函數(shù)P（X/k）。一般都是假設(shè)概率密度函數(shù)為多維正態(tài)分布，通過訓(xùn)練數(shù)據(jù)，按最大似然度測定其平均值、方差及協(xié)方差。此時，蘊(yùn)k可表示為下式（1）：

式中：n：特征空間的維數(shù)；det：矩陣的行列式；t：逆矩陣和轉(zhuǎn)置矩陣；X：像元數(shù)據(jù)（n維列矢量）；μk：類別k的平均矢量（n維 t列矢量）；：類別k的方差、協(xié)方差矩陣（n×n矩陣）；蘊(yùn)（kX）：像元數(shù)據(jù)X歸并到類別k的似然度。

最大似然法的分類步驟：①確定需要分類的地區(qū)和使用的波段和特征分類數(shù)，檢查所用各波段或特征分量是否相互已經(jīng)位置配準(zhǔn)；于根據(jù)已經(jīng)掌握的典型地區(qū)的地面情況，在圖像上選擇訓(xùn)練區(qū)；③計(jì)算參數(shù)，根據(jù)選出的各類訓(xùn)練區(qū)的圖像數(shù)據(jù)，計(jì)算和確定先驗(yàn)概率；④分類，將訓(xùn)練區(qū)以外的圖像像元逐個逐類代入公式，對于每個象元，分幾類就計(jì)算幾次，最后比較大小，選擇最大值得出類別；⑤產(chǎn)生分類圖，給每一類別規(guī)定一個值，如果分k類，就定每一類分別為1，2，3…k，分類后的象元值便用類別值代替，最后得到的分類圖像就是專題圖像；⑥檢驗(yàn)結(jié)果，如果分類中錯誤較多，需重新選擇訓(xùn)練區(qū)再做以上各步，直到結(jié)果滿意為止。

（2）最小距離法。最小距離分類法是用特征空間的距離表示象元數(shù)據(jù)和分類類別特征的相似程度，在距離最?。ㄏ嗨瞥潭茸畲螅┑念悇e上對象元數(shù)據(jù)進(jìn)行分類的方法。特征空間中的距離通常用以下方式表達(dá):

歐氏距離公式：

Mahalanobis距離（馬氏距離）公式：

其中式（3）和式（4）中表示特征空間的距離，其它符號意義同式（2）。另外，從式（2）和（4）可以看到，當(dāng)各類別的方差、協(xié)方差矩陣中的行列式相等時，這兩個公式相等，也就是似然度等于馬氏距離。

最小距離公式：

式中：n為波段數(shù)，即維數(shù)；k為某一特征波段；i為某一聚類中心；Mi為第i類樣本均值；Mik為第i類中心第k波段的像素值；d（X，Mi）為象素點(diǎn)X到第i類中心Mi的距離。

最小距離法的分類步驟如下：①確定地區(qū)和波段，配準(zhǔn)備分量；于選擇訓(xùn)練區(qū)；③根據(jù)各訓(xùn)練區(qū)圖像數(shù)據(jù)，計(jì)算Mi；④將訓(xùn)練區(qū)外圖像象元逐類代入上式，按判別規(guī)則比較大小，得到類別；⑤產(chǎn)生分類圖像；⑥檢驗(yàn)結(jié)果，如果錯誤較多需要重新選訓(xùn)練區(qū)；⑦輸出專題圖。

2 分類實(shí)驗(yàn)

2.1 實(shí)驗(yàn)區(qū)和數(shù)據(jù)

文章是以湖北宜昌市城區(qū)為試驗(yàn)區(qū)，選用的遙感資料是經(jīng)過預(yù)處理后2001年的ASTER數(shù)據(jù)，此影像數(shù)據(jù)有9個波段（Band1，Band2，Band3，Band4，Band5，Band6，Band7，Band8，Band9），其中Band1是綠色波段，Band2是紅色波段，Band3是近紅外波段，Band4是短波紅外，Band5、Band6和Band7是中紅外，Band8和Band9是熱紅外，ASTER數(shù)據(jù)沒有藍(lán)色波段。原始數(shù)據(jù)在可見光的分辨率是15m，短波紅外分辨率是30m，熱紅外分辨率是90m，而此處是采用了經(jīng)過預(yù)處理的數(shù)據(jù)，重采樣后的空間分辨率為30m。如圖2所示，圖像大小為719行×661列。本實(shí)驗(yàn)主要運(yùn)用ENVI4.4軟件對影像數(shù)據(jù)進(jìn)行分類處理。

圖2 初始圖

2.2 實(shí)驗(yàn)結(jié)果

在圖像上選取了164個訓(xùn)練樣本點(diǎn)和164個不同于訓(xùn)練樣本點(diǎn)的檢驗(yàn)點(diǎn)，這兩組點(diǎn)選取都具有普遍性。然后在軟件ENVI4.4中對影像實(shí)現(xiàn)最大似然法的算法原理進(jìn)行實(shí)現(xiàn)分類，主要有植被、河流、長江、建筑四大類，得到結(jié)果圖為如圖3所示。

圖3 最大似然分類結(jié)果圖

然后，在軟件ENVI4.4中對初始影像最小距離法算法原理進(jìn)行實(shí)現(xiàn)分類，也是主要有植被、河流、長江、建筑四大類，得到的實(shí)驗(yàn)結(jié)果為圖4所示。

圖4 最小距離分類結(jié)果圖

3 分類結(jié)果比較

由上面兩種分類法所得的圖像，首先通過人工目視解譯，可看到這兩種方法得的分類效果的差異，其中可看到圖3比圖4的效果要好，因?yàn)閳D3中斑點(diǎn)面積要小，也比較少。另一方面，通過對這兩種分類法進(jìn)行混淆矩陣如表1和2所示，并比較。

根據(jù)表1、表2可以看出，最大似然分類的總體精度要高于最小距離分類，Kappa系數(shù)也是最大似然的要好，并且表1中，所有類別的用戶精度和生產(chǎn)精度相差很小，而表2中，類別建筑和類別長江它們的用戶精度和生產(chǎn)精度相差比較大，從而導(dǎo)致了整體分類精度的降低。同時在圖4中也明顯看到長江有一部分被誤分為建筑。所以，在此實(shí)驗(yàn)中，用最大似然法分類要優(yōu)于最小距離法。

表1 影像的最大似然分類結(jié)果混淆矩陣

表2 影像的最小距離分類結(jié)果混淆矩陣

4 結(jié)語

文章主要是對宜昌市城區(qū)采用監(jiān)督分類的兩個基本方法的分類討論，分類后的結(jié)果圖可以為繪制成土地利用分類題圖或土地利用現(xiàn)狀圖做一些參考，也可以為以后土地管理、調(diào)查、更新提供基礎(chǔ)資料。但是由于這些分類結(jié)果沒有與實(shí)地調(diào)查相結(jié)合比較，所以其中會有一些混合像元被誤分，也會導(dǎo)致分類精度不夠好。在今后的研究中可以通過解決如下問題進(jìn)而提高分類精度：①選用高分辨率的影像數(shù)據(jù)；于怎樣選擇才能使訓(xùn)練樣本更具有代表性和普遍性；③進(jìn)行實(shí)地調(diào)查；④改進(jìn)分類算法。

［1］ 浦瑞良，宮鵬.高光譜遙感及其應(yīng)用［M］.北京：高等教育出版社，2000.

［2］ 李石華，王金亮，畢艷，等.遙感圖像分類方法研究綜述［J］.國土資源遙感，2005，（2）：1-5.

［3］ 王一達(dá)，沈熙玲，謝炯.遙感圖像分類方法綜述［J］.遙感信息，2006，（5）：67-70.

［4］ 劉桂生，葛根旺.基于遙感影像的土地利用監(jiān)督分類探討［J］.城市勘測，2008，（3）：43-46.

［5］ 賈永紅.數(shù)字圖像處理［M］.武漢：武漢大學(xué)出版社，2006.

［6］ 楊存健，周成虎.基于知識的遙感圖像分類方法的探討［J］.地理學(xué)與國土研究，2001，17（1）：72-77.