基于GF-2影像的面向?qū)ο笾脖恍畔⑻崛⊙芯?/h1>

2020-11-20 11:49:22瞿躍輝陳忠明

中南林業(yè)調(diào)查規(guī)劃訂閱 2020年2期 收藏

關(guān)鍵詞：分類方法

瞿躍輝，陳 利，陳忠明

(湖南省農(nóng)林工業(yè)勘察設(shè)計(jì)研究總院，長沙 410007)

近年來遙感技術(shù)快速發(fā)展，遙感影像的種類越來越豐富，空間分辨率、時(shí)間分辨率都不斷提高，遙感影像含有的各類地物信息也越來越豐富，這些都為各類遙感專題應(yīng)用提供了基礎(chǔ)數(shù)據(jù)[1]。如何從海量的遙感信息中獲取想要的專題信息，一直都是國內(nèi)外遙感研究的熱點(diǎn)[2]。目前，通過遙感影像進(jìn)行信息提取的方法主要分為基于像素為基本單元和基于對(duì)象為基本單元的分類提取?；谙袼氐倪b感影像分類方法是利用每個(gè)像元所包含的光譜，將具有相同特征的目標(biāo)像素聚集到同一特征空間區(qū)域而進(jìn)行的分類，不同目標(biāo)的光譜特征、空間特征存在差異，這種分類方法沒有考慮地物目標(biāo)與周圍信息的相互關(guān)系[3]；而面向?qū)ο蠓诸惙椒ǖ幕驹硎窃诜诸惽皩?duì)影像進(jìn)行分割，將分割后得到的分割對(duì)象作為分類提取的最小分類單元，每個(gè)分割對(duì)象中的像元具有相似的光譜、紋理、空間信息等特征。

GF-2衛(wèi)星作為國產(chǎn)的首顆空間分辨率高于1 m的民用陸地觀測(cè)衛(wèi)星，其獲取的影像擁有高空間分辨率，以及豐富的光譜、紋理及形狀信息，眾多研究表明，采用面向?qū)ο蟮姆诸惙椒梢暂^好獲取高分辨率遙感影像的光譜、紋理等信息。

1 研究區(qū)概況

長株潭城市群生態(tài)綠心地區(qū)位于長沙、株洲和湘潭三市交匯地，涉及三市 10個(gè)縣級(jí)行政單位的21個(gè)鄉(xiāng)鎮(zhèn)(街道辦事處) ，是目前國內(nèi)唯一一個(gè)大型城市群綠心，總面積約 528.32km2。其中，長沙市面積 306km2，占57.92%；株洲市面積 83.87km2，占15.87%；湘潭市面積138.45 km2，占26.21%。本研究選取的實(shí)驗(yàn)范圍為長株潭生態(tài)綠心地區(qū)的龍頭鋪街道和云田鎮(zhèn)2個(gè)鄉(xiāng)鎮(zhèn)，位于長株潭交匯處。

2 數(shù)據(jù)來源與研究方法

2.1 數(shù)據(jù)來源

采用2017年7月的GF-2多光譜遙感數(shù)據(jù)，以及2017年林地變更調(diào)查成果數(shù)據(jù)等為數(shù)據(jù)源。

2.2 研究方法

2.2.1 數(shù)據(jù)預(yù)處理

遙感是從遠(yuǎn)處通過探測(cè)儀器接收地物反射、輻射或散射電磁波信息，通過提取、分析、判定、解譯等，達(dá)到判別地物屬性和專題應(yīng)用的目的。遙感影像在成像過程中會(huì)受到諸多因素的影響，包括衛(wèi)星拍攝角度、大氣散射、成像誤差等，獲取的圖像灰度值并不完全是地物輻射電磁波的真實(shí)信息，造成影像的輻射失真和幾何畸變[4]。通過對(duì)遙感影像的預(yù)處理，能夠極大減少衛(wèi)星獲取影像過程中形成的輻射誤差與幾何畸變，預(yù)處理結(jié)果的好壞對(duì)于后期植被信息提取有著較大影響。

遙感影像預(yù)處理的步驟主要包括：輻射定標(biāo)、大氣校正、正射校正、圖像配準(zhǔn)、影像融合、圖像鑲嵌和圖像裁剪等。通過圖像預(yù)處理，使得遙感影像所包含信息能夠真實(shí)反映地物目標(biāo)信息。本研究影像預(yù)處理后結(jié)果如圖1。

圖1 影像預(yù)處理結(jié)果圖

2.2.2 面向?qū)ο蟮亩喑叨确指?/p>

面向?qū)ο笮畔⑻崛》椒ǖ牡谝徊绞谦@取最小分類單元，即影像對(duì)象。影像對(duì)象通過影像分割得到，影像分割結(jié)果好壞對(duì)分類結(jié)果有直接影響，所以，分割的對(duì)象同實(shí)際地物輪廓之間的吻合程度越高，影像特征信息的提取結(jié)果會(huì)越準(zhǔn)確[5]。本研究采用的是多尺度分割方法得到影像的對(duì)象，多尺度分割是一種異質(zhì)性最小區(qū)域合并的算法[6]，在合并過程中，如果新生成的影像區(qū)域異質(zhì)性大于所設(shè)定的參數(shù)閾值時(shí)，即會(huì)結(jié)束影像合并而完成影像分割，得到一個(gè)影像區(qū)域，生成異質(zhì)性最小、同質(zhì)性最高影像對(duì)象[7]。

面向?qū)ο蠖喑叨确指钏惴ㄖ饕行螤钪笖?shù)、分割尺度和緊致度指數(shù)等三個(gè)參數(shù)，其中對(duì)分割效果影響最大的是分割尺度[8]。不同的分割尺度會(huì)生成差異較大的分割對(duì)象，進(jìn)而嚴(yán)重影響后期的提取精度。在緊致度指數(shù)和形狀指數(shù)一定情況下，如果設(shè)置尺度參數(shù)值越大，得到的分割對(duì)象越大，斑塊數(shù)量會(huì)越少；如果設(shè)置尺度參數(shù)值越小，得到的分割對(duì)象越小，斑塊數(shù)量則會(huì)越多。

2.2.3 面向?qū)ο笾脖恍畔⑻崛?/p>

在圖像分類方法中，基于模糊聚類的圖像分類方法能夠?qū)b感圖像有效地處理、分析以及分類等[10]。模糊聚類方法主要特點(diǎn)是對(duì)圖像屬性以不同的模糊隸屬度進(jìn)行聚類，能夠比較真實(shí)的反映出圖像模糊性和不確定性[11]。本研究采用隸屬度函數(shù)進(jìn)行篩選與分類，進(jìn)行植被信息的被提取。本文選用10類特征值：即歸一化植被指數(shù)、比值植被指數(shù)、方差、對(duì)比度、均值、協(xié)同性、相異性、信息嫡、二階矩和相關(guān)性。

3 結(jié)果與分析

3.1 最佳分割尺度

通過專業(yè)分割軟件進(jìn)行多尺度分割操作。首先在軟件中導(dǎo)入影像，設(shè)置分割尺度、形狀指數(shù)和緊致度指數(shù)，得到分割效果圖2 。

圖2 分割效果圖

從圖2中可以清晰看出水域、農(nóng)田、裸露地等都形成為單獨(dú)小塊的對(duì)象，而不是一個(gè)個(gè)單獨(dú)的像元，達(dá)到了需要的分割效果。根據(jù)影像多尺度分割后的數(shù)據(jù)，采用ESP工具插件，設(shè)置分割起始尺度、分割尺度的增長步長、形狀指數(shù)、緊致度指數(shù)以及循環(huán)次數(shù)等，計(jì)算分割尺度，結(jié)果見圖3。

從圖3中可清晰地看出峰值的存在。這里的峰值出現(xiàn)了多個(gè)，這是因?yàn)閷?duì)于影像中多種地物會(huì)得出幾個(gè)最優(yōu)分割尺度，所以往往計(jì)算得到的變化率峰值會(huì)有多個(gè)。將不同峰值分別再次進(jìn)行影像分割，得到最優(yōu)分割尺度。最后確定最優(yōu)分割參數(shù)為: 尺度參數(shù)113、緊致度指數(shù)參數(shù)0.5和形狀指數(shù)參數(shù)0.4。

3.2 植被信息提取

采用隸屬度函數(shù)分類方法，結(jié)合特征值進(jìn)行提取。在專業(yè)分割軟件中選擇類別提取所需使用的某一特征，以隸屬度函數(shù)的形式來建立規(guī)則。本文利用隸屬度函數(shù)的模糊規(guī)則來提取道路、建筑、水域、裸露地、耕地、植被以及其它類別地物，隸屬度函數(shù)設(shè)置以及分類結(jié)果局部圖分別如圖4、圖5。

由于采用遙感影像進(jìn)行森林植被的提取，而遙感影像本身是基于像元構(gòu)成，這會(huì)導(dǎo)致提取結(jié)果出現(xiàn)細(xì)碎小斑塊、斑塊邊界不規(guī)整而呈現(xiàn)鋸齒狀等，需要進(jìn)一步優(yōu)化提取結(jié)果。優(yōu)化處理選用指數(shù)核的多項(xiàng)式近似方法，使用參數(shù)化連續(xù)平均技術(shù)來計(jì)算平滑線，通過源線所有點(diǎn)的加權(quán)坐標(biāo)平均值來計(jì)算當(dāng)前點(diǎn)坐標(biāo)。優(yōu)化處理后局部放大效果圖如圖6所示。圖中黃色矢量線為優(yōu)化處理前的結(jié)果，紅色矢量線為優(yōu)化處理后的結(jié)果。

圖4 隸屬度函數(shù)設(shè)置圖

圖5 分類結(jié)果局部圖

圖6 優(yōu)化處理效果圖

將分割提取得到的結(jié)果數(shù)據(jù)導(dǎo)入地理信息系統(tǒng)軟件中，得到植被提取結(jié)果圖(圖7 )。

圖7 植被提取結(jié)果圖

3.3 精度檢驗(yàn)

遙感影像信息提取精度的高低對(duì)結(jié)果能否實(shí)際應(yīng)用起到關(guān)鍵作用。精度驗(yàn)證采用系統(tǒng)布點(diǎn)的方法進(jìn)行，設(shè)置75個(gè)檢驗(yàn)點(diǎn)，間距為1 km，系統(tǒng)布點(diǎn)如圖8。

分別對(duì)每個(gè)檢驗(yàn)點(diǎn)結(jié)合林地變更調(diào)查數(shù)據(jù)以及目視判別進(jìn)行驗(yàn)證。如果檢驗(yàn)點(diǎn)中提取得到的地類與林地?cái)?shù)據(jù)庫和目視判讀一致，則判定該點(diǎn)提取正確。最后得到植被提取正確點(diǎn)數(shù)64個(gè)，錯(cuò)誤點(diǎn)數(shù)11個(gè)，總體精度為85.33%。

圖8 系統(tǒng)布點(diǎn)圖

4 結(jié)論與討論

1)面向?qū)ο蠓椒ǜ鶕?jù)影像的光譜、形狀、紋理等特征形成同質(zhì)性的最小分類單元，能夠有效減少“同物異譜”“同譜異物”帶來的誤差，更適用于高分辨率遙感影像進(jìn)行信息提取。

2)利用ESP分割工具，計(jì)算不同分割尺度參數(shù)下影像對(duì)同質(zhì)性的局部變化率作為分割對(duì)象層的平均標(biāo)準(zhǔn)差，以此來判別分割效果是否最佳，實(shí)現(xiàn)了最佳分割參數(shù)的定量計(jì)算，可以有效減少主觀判斷分割效果實(shí)驗(yàn)過程中的重復(fù)操作和不確定性。

3)采用面向?qū)ο蠓椒軌驅(qū)F-2影像的植被信息進(jìn)行快速提取，提取精度達(dá)85.33%。

4)由于受到研究實(shí)驗(yàn)范圍限制，研究論文的結(jié)論在大區(qū)域、大尺度范圍內(nèi)的適用性需要進(jìn)一步進(jìn)行考證和探討。

猜你喜歡

分類方法

分類算一算

數(shù)學(xué)小靈通(1-2年級(jí))(2021年4期)2021-06-09 06:25:56

垃圾分類的困惑你有嗎

大眾健康(2021年6期)2021-06-08 19:30:06

學(xué)習(xí)方法

兒童故事畫報(bào)(2019年5期)2019-05-26 14:26:14

分類討論求坐標(biāo)

中學(xué)生數(shù)理化·七年級(jí)數(shù)學(xué)人教版(2019年4期)2019-05-20 10:06:32

數(shù)據(jù)分析中的分類討論

中學(xué)生數(shù)理化·七年級(jí)數(shù)學(xué)人教版(2018年6期)2018-06-26 08:36:06

教你一招：數(shù)的分類

初中生世界·七年級(jí)(2017年9期)2017-10-13 22:27:46

可能是方法不對(duì)

意林原創(chuàng)版(2016年10期)2016-11-25 10:28:30

用對(duì)方法才能瘦

Coco薇(2016年2期)2016-03-22 02:42:52

四大方法 教你不再“坐以待病”！

Coco薇(2015年1期)2015-08-13 02:47:34

賺錢方法

小雪花·成長指南(2015年7期)2015-08-11 15:03:12

中南林業(yè)調(diào)查規(guī)劃2020年2期

中南林業(yè)調(diào)查規(guī)劃的其它文章

森林城市生態(tài)標(biāo)識(shí)系統(tǒng)規(guī)劃
——以中山市國家森林城市為例

湖南省國家石漠公園發(fā)展現(xiàn)狀及空間分布特征

西藏雅魯藏布江中游河谷黑頸鶴國家級(jí)自然保護(hù)區(qū)珍稀野生動(dòng)植物資源與保護(hù)

海南省松樹、橡膠樹削度方程模型研建

福壽林場杉木混交林種內(nèi)、種間競爭研究

針闊混交林林分結(jié)構(gòu)與固碳功能耦合關(guān)系研究
——以青羊湖國有林場馬尾松—南酸棗混交林為例