應(yīng)急遙感影像信息快速提取方法探討

吳壽江 龔梅

摘要：經(jīng)濟(jì)和科技的飛速發(fā)展對現(xiàn)階段各行各業(yè)都產(chǎn)生了較大的影響，尤其是遙感技術(shù)的產(chǎn)生發(fā)展對當(dāng)今社會產(chǎn)生了巨大的作用。應(yīng)急遙感影像信息處理機(jī)制是保障遙感技術(shù)能夠順利使用的重要方向，同樣也是保障遙感技術(shù)應(yīng)用性的有效方式。

關(guān)鍵詞：應(yīng)急遙感影像;信息快速提取;方法

現(xiàn)階段較為主流的應(yīng)急遙感影像信息快速提取方法分為兩種：即非監(jiān)督法和監(jiān)督法，因此本文主要對上述兩種應(yīng)急遙感影像信息快速提取方法做系統(tǒng)的探究。

1.非監(jiān)督分類簡述

非監(jiān)督分類指的是在無提前驗證的情況下，只根據(jù)圖像本身的統(tǒng)計特性和自然點群的分布來區(qū)分功能類別，完成后再次確認(rèn)對象的分類屬性，因此這一分類方式存在一定的盲目性。這種方法不需要選擇各種各樣的樣品，一般只提供一定的閾值作為分類控制過程的因素，常用的有ISODATA、K-MEANS等方法。

ISODATA分類：

ISODATA是非監(jiān)督分類的一種典型方法，該方法首先對遙感圖像進(jìn)行分類并從中得到大致的結(jié)果，然后根據(jù)一定的原則對樣本進(jìn)行類別間的重新組合，直到實現(xiàn)對合理的類別進(jìn)行分類。

K-MEANS分類：

這一分類方式更多的是依據(jù)大數(shù)據(jù)空間的信息疊加量來實現(xiàn)，在接收到外部指令后，依據(jù)指令的范圍在最短時間內(nèi)對這一指令做出回復(fù)，回復(fù)的結(jié)果必然也是與指令最為接近的一個信息作為疊加空間。

2.監(jiān)督分類簡述

監(jiān)督分類法用于基于用戶定義的訓(xùn)練樣本類別聚合數(shù)據(jù)集中的像素，實施分類時，可以選擇ROI訓(xùn)練樣本“訓(xùn)練”計算機(jī)對未知區(qū)域的像素進(jìn)行處理和分類的能力，盡量避免不相同類別中的疊加效果。最后將分類結(jié)果分為已知類別，實現(xiàn)有效分類的效果。也正因此，監(jiān)督分類應(yīng)包含兩個步驟：首先應(yīng)基于監(jiān)督分類具體內(nèi)容選擇合適ROI，其次制定合適的監(jiān)督分類方法。

2.1平行六面體分類

平行六面體分類法是通過設(shè)定各軸上一系列的分割點，將多維特征分類成與各自不同分類對應(yīng)的不相互重疊的特征子空間的分類方法。以簡單的判定比例分類多頻譜數(shù)據(jù)，邊界在圖像數(shù)據(jù)空間中形成N維平行六面體，平行六面體的維度是由來自每個選定類別的平均值標(biāo)準(zhǔn)偏差決定的。如果多個類別都存在差值，則被分類為最后的匹配類別;如果不在已知類別中，則屬于未知類型。通過這個方法，在所有的像差分類完成之前，都被分類為所有種類。

2.2最小距離分類

最小距離分類也是一種較為典型的監(jiān)督分類的方法，其應(yīng)用思路如下：

①訓(xùn)練計算機(jī)的數(shù)據(jù)分析能力，降低各個數(shù)據(jù)之間差值。

②均值向量可作為特征空間中心的主要位置，計算機(jī)圖像基于像素中心位置展開分布，在既定范圍內(nèi)進(jìn)行比較，兩者之間位置越近，成像能力越強(qiáng)，圖像相似性也就越高。

2.3最大似然分類

最大似然分類是在假設(shè)每個頻帶的每個類別統(tǒng)計量均為正態(tài)分布的情況下，計算既定像素屬于某一類的一種分類方法。最大似然分類是一種非常穩(wěn)定的分類方式，除非選擇一個似然閾值，否則將對所有像素進(jìn)行分類，每個像素將以最高的可能性被合并到方法中。

2.4馬氏距離分類

這一分類方式與最大似然分類非常相似，都是使用各個類別多向統(tǒng)計信息的一種方式。但是這一分類方式中各個類別之間的差值都是相等的，也就是說對于指令的反應(yīng)速度相似，因此可以實現(xiàn)較強(qiáng)對指令的快速反應(yīng)。但如果用戶在發(fā)出指令后限定了某一反應(yīng)距離和反應(yīng)速度，則會導(dǎo)致這一像素不能在值域內(nèi)進(jìn)行反應(yīng)，也就是說這一值域?qū)澐譃闊o類別狀態(tài);如果像素內(nèi)的各種值域都可實現(xiàn)被反應(yīng)，則會將所有的像素單位統(tǒng)一匯集在距離最近的類別中。

2.5支持向量機(jī)分類

支持向量機(jī)是這一種基于科學(xué)統(tǒng)計理論建立起來的分類學(xué)習(xí)方法，正是基于這一統(tǒng)計學(xué)優(yōu)勢，這種分類機(jī)制才可適用于小樣本的計量問題，并且這一問題在很大程度上也解決了傳統(tǒng)統(tǒng)計學(xué)方法中非線性和局限小的問題。這一分類方式優(yōu)勢非常明顯，首先表現(xiàn)為參數(shù)非常容易設(shè)置，其次他能夠?qū)崿F(xiàn)從所有已知范圍中找到最為合適的一個結(jié)果。因此，將SVM應(yīng)用到高空間分辨率的遙感影像圖中進(jìn)行分類會能夠取得不錯的效果。

2.6 BP神經(jīng)網(wǎng)絡(luò)分類

神經(jīng)元網(wǎng)絡(luò)分類在實施監(jiān)督時首先應(yīng)基于標(biāo)準(zhǔn)反向技術(shù)（back propagation），用戶可基于實際探討結(jié)果展開分類。

結(jié)語：

綜上所述，基于上述探究結(jié)果不難發(fā)現(xiàn)，現(xiàn)階段較為典型的分類方法中，非監(jiān)督分類法所得出的結(jié)果普遍精度較低，而監(jiān)督分類法所闡釋的幾種方式所得到的結(jié)果準(zhǔn)確度相對較高。除去平行六面體外其他幾個測算結(jié)果準(zhǔn)確度都可達(dá)到60%以上。甚至部分方法測算精度可達(dá)80%以上。但是不可否認(rèn)，兩者之間雖有優(yōu)劣，但是整體結(jié)果顯示并不是非常完善，也就是說現(xiàn)有的技術(shù)并不是遙感信息處理方式的終點，而是新的起點，未來科技發(fā)展仍需對現(xiàn)有的技術(shù)進(jìn)行調(diào)整和升級，實現(xiàn)遙感技術(shù)新的發(fā)展，以提升遙感技術(shù)對人們有效的幫助。

參考文獻(xiàn)

[1]劉嘉，廖小露.應(yīng)急遙感影像信息快速提取方法探討[J].航天返回與遙感，2019，40（01）：93-101.

[2]孫家波，張曉艷，牛魯燕，劉延忠，劉炳福，張維戰(zhàn).基于高分辨率遙感影像的耕地信息快速提取方法研究[J].山東農(nóng)業(yè)科學(xué)，2018，50（03）：132-136+141.

[3]閆琦.基于高分辨率遙感影像的典型地震次生地質(zhì)災(zāi)害快速智能提取研究[D].中國科學(xué)院大學(xué)（中國科學(xué)院遙感與數(shù)字地球研究所），2017.

[4]金寶石，周葆華，黃大鵬.基于ArcScan的遙感影像中水域信息快速提取方法[J].合肥工業(yè)大學(xué)學(xué)報（自然科學(xué)版），2008（11）：1744-1747.