基于GF-1影像的礦區(qū)地物提取與分析★

賈玉娜 高 雅 白 洋

(華北理工大學(xué)，河北 唐山 063210)

0 引言

遙感技術(shù)的進(jìn)步使得豐富的影像數(shù)據(jù)分辨率獲得大幅度提升，為合理監(jiān)測(cè)資源開發(fā)及礦山環(huán)境變化等提供了更加精準(zhǔn)的數(shù)據(jù)支持。李成尊等2005年利用Quick Bird遙感影像對(duì)晉城煤礦區(qū)域內(nèi)不同性質(zhì)的地質(zhì)災(zāi)害進(jìn)行信息提取，精度達(dá)到100%和95%[1]。王曉紅等2006年以唐山市某礦區(qū)為研究區(qū)域，采用不同影像數(shù)據(jù)進(jìn)行礦區(qū)地物提取并展開對(duì)比，得出TM數(shù)據(jù)影像對(duì)礦區(qū)的已采區(qū)進(jìn)行大面積圈定有相對(duì)優(yōu)勢(shì)[2]。趙得軍2017年根據(jù)高分一號(hào)遙感影像構(gòu)建礦區(qū)的地物特征知識(shí)庫(kù)，提出了一種基于知識(shí)庫(kù)的最佳分割尺度選擇方法，結(jié)合地物特征知識(shí)庫(kù)實(shí)現(xiàn)了礦區(qū)典型的識(shí)別[3]。

1 遙感影像融合處理

圖像融合可使地物信息豐富，色彩鮮明且有高空間分辨率，便于地物信息提取與研究。對(duì)高分一號(hào)遙感影像經(jīng)過Brovey,PC,GS融合技術(shù)的比照，最終選用GS融合方法。此方法能更準(zhǔn)確的反映地物信息，也是目視效果最好的一種融合方法，見圖1。

2 基于傳統(tǒng)像元分類法和面向?qū)ο蠓诸惙ǖ牡V區(qū)地物提取

2.1 傳統(tǒng)基于像素的監(jiān)督分類

Bayes分類法是在兩類或多類的情況下，通過執(zhí)行運(yùn)算分類計(jì)算每一類待分類樣本的歸屬概率，進(jìn)行圖像分類[4]。通過傳統(tǒng)的監(jiān)督分類對(duì)研究區(qū)進(jìn)行礦區(qū)地物提取后，提取效果如圖2所示，不同地類的提取邊界效果不太理想。

2.2 傳統(tǒng)基于像素的非監(jiān)督分類

非監(jiān)督分類的前提是假定影像上同類物體在同樣條件下具有相同的光譜信息特征[5]。非監(jiān)督分類后，要求分析者對(duì)各類別進(jìn)行定義并解釋，然后將同一地物的子類進(jìn)行合并，從而達(dá)到最終的分類效果，非監(jiān)督分類效果如圖3所示。

2.3 面向?qū)ο蠓诸惙?/h3>

面向?qū)ο蟮姆诸惙椒ㄊ菑膶?duì)象層次對(duì)遙感圖像進(jìn)行分類[6]，影像分割后采用模糊分類的方法依據(jù)紋理、形狀和光譜等特征來確定分類與子類。采用提供對(duì)象所考慮類的隸屬的模糊分類法進(jìn)行分類，從而使精度準(zhǔn)確、操作便捷。面向?qū)ο蠓诸惤Y(jié)果如圖4所示。

3 面向?qū)ο蠓诸惙ㄅc傳統(tǒng)基于像元法的比較

3.1 分類精度評(píng)價(jià)方法

基于建立好的混淆矩陣可以統(tǒng)計(jì)、計(jì)算其他參數(shù)。在混淆矩陣中，每一列的元素代表預(yù)測(cè)類別，每一列元素的總數(shù)代表被預(yù)測(cè)為該類別的元素總數(shù)目；分類中的樣本真實(shí)歸屬類別數(shù)為矩陣相對(duì)應(yīng)的行值，矩陣中行元素總數(shù)為某類別實(shí)際樣本數(shù)。混淆矩陣中對(duì)角線元素為準(zhǔn)確分類樣本數(shù)。

1)總體精度是正確分類的樣本數(shù)與總樣本數(shù)的比值，指分類結(jié)果正確程度的大小。數(shù)學(xué)公式如下：

(1)

其中，N為樣本總數(shù);pii為正確分類的樣本數(shù)。

2)生產(chǎn)者精度是單一類別中樣本準(zhǔn)確分類的概率。數(shù)學(xué)公式如下：

(2)

其中，ppi為某一類被分類的總像元數(shù)。

3)用戶精度是正確分類樣本數(shù)占實(shí)際分類樣本總數(shù)的比率。數(shù)學(xué)公式如下：

(3)

其中，pqi為實(shí)際被分到該類別的樣本總數(shù)。

Kappa系數(shù)是表示分類影像與參考影像之間的吻合程度，是檢驗(yàn)二者之間一致性的客觀評(píng)價(jià)標(biāo)準(zhǔn)。其數(shù)學(xué)公式如下：

(4)

單一類別的條件Kappa系數(shù)：

(5)

生產(chǎn)者精度、用戶精度、單一類別的條件Kappa系數(shù)結(jié)合用于對(duì)單一類別分類結(jié)果的精度進(jìn)行評(píng)價(jià)?？傮w精度和Kappa系數(shù)這兩個(gè)指標(biāo)用于整體分類結(jié)果精度評(píng)價(jià)。二者一般搭配使用來反映分類質(zhì)量的好壞，可以更加客觀的對(duì)分類結(jié)果進(jìn)行評(píng)價(jià)。

3.2 分類精度評(píng)價(jià)對(duì)比

分別用監(jiān)督分類、非監(jiān)督分類和面向?qū)ο蠓诸惙椒▽?duì)融合后的高分一號(hào)影像展開地物提取實(shí)驗(yàn)。采用混淆矩陣的方法分析對(duì)比可以得出：采用面向?qū)ο蟮姆椒▽?duì)研究區(qū)域進(jìn)行分割，根據(jù)精度評(píng)定報(bào)表得出分類總精度為88.547 0%，Kappa系數(shù)為0.862 5；采用監(jiān)督分類的方法對(duì)研究區(qū)域地物進(jìn)行信息提取其分類精度達(dá)到67.997 0%，Kappa系數(shù)為0.514 5；用非監(jiān)督分類法礦區(qū)地物進(jìn)行分類，分類精度只有36.923 1%，Kappa系數(shù)為0.258 7；綜合看面向?qū)ο蟮姆诸愋Ч顬槔硐?，提取精度相?duì)較高，見表1。

表1 面向?qū)ο?、監(jiān)督分類和非監(jiān)督分類各精度值對(duì)比 %

4 結(jié)語

面向?qū)ο蠓诸惙ㄔ诳紤]光譜信息的基礎(chǔ)上充分利用了空間、地物、紋理等特征信息進(jìn)行處理，具有分類精度高和處理過程高效等特色，為礦區(qū)環(huán)境監(jiān)測(cè)提供有效的理論依據(jù)。采用監(jiān)督分類和非監(jiān)督分類的方法對(duì)高分一號(hào)影像進(jìn)行分類實(shí)驗(yàn)，分類精度為67.997 0%和36.923 1%，精度低于面向?qū)ο蟮姆诸惙椒ǎ捎没煜仃嚨姆椒▽?duì)分類結(jié)果進(jìn)行精度評(píng)定，面向?qū)ο蠓诸惥茸罡摺?/p>