高光譜遙感影像分類(lèi)方法探析

馬波波 胡勇

摘 要：高光譜遙感影像的分類(lèi)問(wèn)題是目標(biāo)檢測(cè)和識(shí)別的基礎(chǔ)，深入研究高光譜遙感影像的數(shù)據(jù)特性對(duì)于去除噪聲等干擾因素、實(shí)現(xiàn)準(zhǔn)確解譯并進(jìn)行后續(xù)分析具有重要的意義。本文分析了高光譜遙感影像分類(lèi)研究現(xiàn)狀，重點(diǎn)論述了高光譜遙感影像的分類(lèi)方法、分類(lèi)流程、分類(lèi)結(jié)果的評(píng)價(jià)方法，希望能和廣大同行共同探討。

關(guān)鍵詞：高光譜;遙感影像;分類(lèi)

1引言

近年來(lái)，遙感技術(shù)作為一種準(zhǔn)確、客觀、及時(shí)獲取地球表面宏觀信息的技術(shù)手段，在城市規(guī)劃建設(shè)、土地利用監(jiān)測(cè)、農(nóng)林業(yè)以及自然災(zāi)害預(yù)報(bào)等方面越來(lái)越得到廣泛的重視和應(yīng)用。遙感技術(shù)相繼經(jīng)歷過(guò)全色遙感、彩色遙感和多光譜遙感之后，高光譜遙感影像的到來(lái)推動(dòng)了遙感技術(shù)的全新發(fā)展。高光譜遙感影像數(shù)據(jù)具有豐富的光譜信息，使其在地表覆蓋物提取分類(lèi)中相對(duì)于多光譜數(shù)據(jù)具有先天的優(yōu)勢(shì)。然而，也正是因?yàn)槠渚哂胸S富信息的優(yōu)勢(shì)，同樣也帶來(lái)了一些困擾，比如光譜數(shù)據(jù)量大、空間分辨率低、像元混合等，因此如何利用先進(jìn)的數(shù)據(jù)處理技術(shù)手段來(lái)進(jìn)行高光譜影像的提取分類(lèi)成為一大挑戰(zhàn)。

2高光譜遙感影像分類(lèi)研究現(xiàn)狀

高光譜影像可以提供含有豐富的光譜波段，雖然能夠?yàn)榈乇砦矬w的準(zhǔn)確分類(lèi)供應(yīng)充足的特征信息，但留存較大光譜波段冗余，同時(shí)高光譜影像也包含了空間鄰域信息外加了數(shù)據(jù)處理的難度，也增大了數(shù)據(jù)的處理和解譯的難度。眾多在維數(shù)低的圖像中能夠得到良好分類(lèi)效果的現(xiàn)有分類(lèi)方法，在高維數(shù)據(jù)分類(lèi)中結(jié)果并不能滿足實(shí)際的需求。傳統(tǒng)的分類(lèi)方法通常只利用數(shù)據(jù)的單一特性，或簡(jiǎn)單的把兩個(gè)單一的數(shù)據(jù)拼加在一起，忽略了大量的隱含信息，這就阻礙了高光譜影像在地物分類(lèi)等領(lǐng)域的應(yīng)用。因此，如何從高維數(shù)據(jù)發(fā)掘有用、更有價(jià)值的隱含特征，并能夠?yàn)楹罄m(xù)分類(lèi)器對(duì)地物的分類(lèi)提供，是高光譜遙感發(fā)展中亟待解決的問(wèn)題。

在目前的遙感分類(lèi)應(yīng)用中，用得較多的的是傳統(tǒng)的模式識(shí)別分類(lèi)方法，諸如最小距離法、平行六面體法、最大似然法、等混合距離法、循環(huán)集群法等監(jiān)督非監(jiān)督分類(lèi)法，其分類(lèi)結(jié)果由于遙感影像本身的空間分辨率以及“同物異譜”、“異物同譜”現(xiàn)象的存在，而往往出現(xiàn)較多的錯(cuò)分、漏分情況，導(dǎo)致分類(lèi)、精度不高。隨著遙感應(yīng)用技術(shù)的飛速發(fā)展，利用神經(jīng)網(wǎng)絡(luò)進(jìn)行遙感影像分類(lèi)、利用分維向量改進(jìn)神經(jīng)網(wǎng)絡(luò)在遙感模式識(shí)別中的分類(lèi)精度問(wèn)題、大量適用于遙感影像分類(lèi)的決策樹(shù)結(jié)構(gòu)，尤其是近年來(lái)針對(duì)高光譜影像的廣泛應(yīng)用，各種新理論新方法的相繼涌現(xiàn)，對(duì)傳統(tǒng)計(jì)算機(jī)分類(lèi)方法提出了新的要求。

3高光譜影像的分類(lèi)方法

3.1分類(lèi)方法介紹

近年來(lái)科學(xué)技術(shù)的迅猛發(fā)展，高光譜成像光譜儀捕獲數(shù)據(jù)的方式日漸更新，因此分析和處理高光譜遙感圖像的方法也隨之改變。高光譜影像分類(lèi)是遙感工作中重要一個(gè)方面，許多種類(lèi)的數(shù)據(jù)分析和處理方法不斷的被提出和應(yīng)用。主要分為兩種分類(lèi)方法：一種是基于地物光譜特征，另一種是基于數(shù)據(jù)統(tǒng)計(jì)特性。

基于地表物體波譜特征的分類(lèi)方法是通過(guò)對(duì)比待分類(lèi)波譜曲線與標(biāo)準(zhǔn)曲線的差異來(lái)實(shí)現(xiàn)物種的區(qū)分，光譜曲線是地物的光學(xué)物理特性直接表示，同時(shí)利用不同的光譜匹配方法來(lái)判別不同的物體類(lèi)別。這種方法具有兩種特點(diǎn)，分別是既可以使用全部波普特征的波普曲線，也可以使用感興趣區(qū)的光譜特征進(jìn)行匹配和分析，從而達(dá)到分類(lèi)目的。基于統(tǒng)計(jì)特性的分類(lèi)可以分成監(jiān)督分類(lèi)和非監(jiān)督分類(lèi)，這二類(lèi)方法主要的區(qū)別在于待分辨地物是否需要已有類(lèi)別的樣本。已知訓(xùn)練樣本在非監(jiān)督分類(lèi)中不是必須的，即不需要知道各種物體的統(tǒng)計(jì)特性，便可以實(shí)現(xiàn)預(yù)處理后的數(shù)據(jù)分析和分類(lèi)。非監(jiān)督分類(lèi)的優(yōu)點(diǎn)在于其能夠快速完成處理任務(wù)，在監(jiān)督分類(lèi)時(shí)可以參考無(wú)監(jiān)督分類(lèi)的輸出，為后者做鋪墊。K均值聚類(lèi)的主要原理是最小化為準(zhǔn)則，是一種的動(dòng)態(tài)聚類(lèi)算法，算法通過(guò)計(jì)算每個(gè)訓(xùn)練樣本所對(duì)應(yīng)的聚類(lèi)中心的隸屬度，判定全部像元該劃分的類(lèi)別，是非監(jiān)督分類(lèi)中較為典型的方法。

監(jiān)督分類(lèi)時(shí)需要真實(shí)地物類(lèi)別的訓(xùn)練樣本，首先利用適當(dāng)數(shù)目的真實(shí)地物類(lèi)別的樣本讓分類(lèi)系統(tǒng)對(duì)特征進(jìn)行學(xué)習(xí)，經(jīng)過(guò)訓(xùn)練的分類(lèi)系統(tǒng)記錄了不同的地物光譜特征信息，按照不一樣的分類(lèi)算法對(duì)數(shù)據(jù)就行分類(lèi)處理。隨著時(shí)間的推移，涌現(xiàn)出了許多種算法，例如人工神經(jīng)網(wǎng)絡(luò)、最大似然分類(lèi)、K近鄰法、決策樹(shù)、SVM等。由于分類(lèi)方法或訓(xùn)練樣本數(shù)目的制約，在具體的分類(lèi)應(yīng)用中如何提高分類(lèi)器在高光譜影像上的應(yīng)用性能具有很大的挑戰(zhàn)性。

3.2高光譜圖像的分類(lèi)流程

（1）高光譜圖像預(yù)處理對(duì)原始的高光譜圖像數(shù)據(jù)進(jìn)行基本的圖像預(yù)處理，如幾何畸變校正、大氣輻射校正、波段選擇以及消除噪聲等。

（2）依據(jù)影像數(shù)據(jù)特性以及分類(lèi)目的定義感興趣并標(biāo)記地物類(lèi)別和訓(xùn)練樣本，選取合適的波段組合成彩色圖像，整體分析產(chǎn)生詳細(xì)的地物類(lèi)別，然后從獲取的訓(xùn)練樣本數(shù)據(jù)集中提取出要需要分類(lèi)的地物目標(biāo)類(lèi)型，分別找出分類(lèi)類(lèi)型對(duì)應(yīng)的特征量。

（3）特征提?。禾卣魈崛〉淖饔檬鞘雇活?lèi)別樣本的呈密集性分布，同時(shí)在特

征空間中分隔不同類(lèi)別的地物樣本，關(guān)鍵是從初始數(shù)據(jù)中選取出最能代表其特點(diǎn)的光譜。

（4）特征選擇：特征選取的要求是在不干擾初始數(shù)據(jù)有利用價(jià)值信息的前提下，選取一定數(shù)目有用特征，同時(shí)舍棄剩余特征，具體過(guò)程就是依據(jù)原始波段圖像的測(cè)量值，按照分類(lèi)需要經(jīng)過(guò)特定變換，找出最能夠代表地物類(lèi)別特征的變量。

（5）像元分類(lèi)選取適當(dāng)?shù)呐袆e準(zhǔn)則和分類(lèi)模型，確定待定分類(lèi)區(qū)域的樣本并劃分其類(lèi)別歸屬，即對(duì)像元進(jìn)行類(lèi)別判別。主要分為監(jiān)督分類(lèi)和無(wú)監(jiān)督分類(lèi)兩種，這其中受到使用不同方法的影響，取得的效果會(huì)存在一定的差異。

（6）分類(lèi)和精度分析：分類(lèi)后地物分類(lèi)結(jié)果已經(jīng)確定，然后把分類(lèi)后的樣本轉(zhuǎn)換為二維圖像，與選取的已知訓(xùn)練樣本或已知的真實(shí)地物標(biāo)記比較，其次評(píng)價(jià)分類(lèi)的精度和效果。

3.3高光譜圖像分類(lèi)結(jié)果的評(píng)價(jià)方法

分類(lèi)結(jié)束時(shí)，可以獲得高光譜影像每個(gè)像元的所屬類(lèi)別的二維圖像。地物參考圖是人工對(duì)地面真實(shí)類(lèi)別進(jìn)行標(biāo)記后得到的，在對(duì)高光譜遙感圖像進(jìn)行分類(lèi)后，需要根據(jù)地物參考圖對(duì)分類(lèi)結(jié)果進(jìn)行評(píng)價(jià)。通常的結(jié)果評(píng)價(jià)典型的方法包括混淆矩陣、總體分類(lèi)精度和Kappa 系數(shù)三種。在完成高光譜遙感圖像分類(lèi)后，把輸出的分類(lèi)結(jié)果圖像與其對(duì)應(yīng)的地面的真實(shí)地物標(biāo)記進(jìn)行比較，則混淆矩陣可通過(guò)圖像中全部分辨率的像元對(duì)比計(jì)算得到。

總體精度（OA）是指影像中被劃分為該屬類(lèi)別的像素點(diǎn)的數(shù)目在圖像全部像素中占有的比例，總體精度可由混淆矩陣計(jì)算得到，平均分類(lèi)精度（AA）表示的是每個(gè)種類(lèi)地物像元分類(lèi)精度的平均值，利用每個(gè)類(lèi)別分類(lèi)精度數(shù)值相加的和除以地物類(lèi)別的個(gè)數(shù)，Kappa系數(shù)是一致性檢驗(yàn)的一種指標(biāo)。在圖像的分類(lèi)應(yīng)用領(lǐng)域上，它表示了被分類(lèi)數(shù)據(jù)和標(biāo)準(zhǔn)的地物圖像之間的符合度，當(dāng)kappa系數(shù)的值超過(guò)0.75時(shí)表明符合度好，而當(dāng)數(shù)值低于0.4時(shí)則分類(lèi)結(jié)果和參考圖像間的符合度不是很好?？傊?，kappa系數(shù)概括分析了矩陣當(dāng)中的每個(gè)類(lèi)型因素，能較全面的表示出圖像的精度評(píng)價(jià)，Kappa系數(shù)的數(shù)值越高，則分類(lèi)的效果越好和精度越高。

4結(jié)束語(yǔ)

隨著遙感技術(shù)的不斷發(fā)展，遙感圖像的分辨率有了很大提高，但圖像分類(lèi)技術(shù)還跟不上遙感技術(shù)自身的發(fā)展。盡管有不少人從不同角度出發(fā)提出了很多分類(lèi)方法，但是還沒(méi)有哪一種是普適高效的。因此，高光譜遙感圖像分類(lèi)技術(shù)及圖像處理技術(shù)還有待于進(jìn)一步發(fā)展，便于達(dá)到工作量小、精確度高、準(zhǔn)確性好、易于實(shí)現(xiàn)的目的。

參考文獻(xiàn)：

[1]張兵.高光譜圖像處理與信息提取前沿[J].遙感學(xué)報(bào).2016，20（5）.1062-1090.BC58F9C0-981F-480B-87F7-938808EB9D8D