基于多尺度分割技術(shù)的高分辨率影像信息提取方法分析

李靖霞 文金花

摘要：高分辨率遙感影像已成為幫助人們觀察自然的常用技術(shù)，它不僅擴(kuò)大了觀測(cè)范圍，而且承載了更為豐富的信息。然而，如何有效地處理和應(yīng)用收集到的數(shù)據(jù)信息，成為使用該技術(shù)的一個(gè)棘手問題。例如，在QuickBird和Geo-Eye等高分辨率遙感影像中，可以發(fā)現(xiàn)地物的光譜、形狀、紋理等信息，但傳統(tǒng)的信息提取方法會(huì)降低信息的提取精度，同時(shí)占用大量的數(shù)據(jù)空間，造成資源的嚴(yán)重浪費(fèi)。多尺度分割技術(shù)的應(yīng)用可以提高高分辨率遙感圖像的應(yīng)用效率，使衛(wèi)星遙感數(shù)據(jù)信息提取技術(shù)得到極大地發(fā)展。

關(guān)鍵詞：多尺度分割;高分辨率圖像;信息提取方法

Abstract： High-resolution remote sensing image has become a common technique for people to observe nature. It expands the scope of observation and also hosts more abundant information. However， how to effectively process and apply the collected data information has become a thorny problem for using this technology. For example， in the high resolution remote sensing images such as Quik Bird and Geo-Eye， spectral， shape， texture and other ground object information can be found， but the traditional information extraction method will reduce the accuracy of information and occupy a large amount of data space at the same time， resulting in serious waste of resources. To develop the information extraction technology of satellite remote sensing data， the application efficiency of high-resolution remote sensing images can be improved by studying the multi-scale segmentation technology.

Keywords： Multi-scale segmentation; High-resolution images; Information extraction method

1引言

隨著傳感器技術(shù)的不斷進(jìn)步，遙感觀測(cè)技術(shù)逐漸成熟，與中、低分辨率遙感圖像相比，高分辨率圖像顯示的地物尺度更小，內(nèi)部細(xì)節(jié)更準(zhǔn)確，與周圍環(huán)境的關(guān)系更清晰，更有利于遙感圖像數(shù)據(jù)信息的處理和分析。因此，高分辨率遙感技術(shù)在許多領(lǐng)域都顯示了其應(yīng)用價(jià)值，特別是在地物信息提取方面。

然而，由于高分辨率遙感圖像提供的地物信息相對(duì)復(fù)雜，以及目標(biāo)結(jié)構(gòu)的變化引起的干擾，對(duì)地物信息的提取產(chǎn)生了嚴(yán)重的影響。在處理高分辨率遙感圖像的過程中，像素法主要關(guān)注目標(biāo)地物的光譜信息，而忽略了目標(biāo)地物的形狀、紋理和背景等空間信息。因此，出現(xiàn)了嚴(yán)重的“椒鹽現(xiàn)象”，導(dǎo)致高分辨率遙感影像沒有被充分利用。因此，為了提高高分辨率遙感數(shù)據(jù)的應(yīng)用價(jià)值，有必要深入研究其信息特征，掌握適合于提取地物信息的技術(shù)。因此，本研究通過仔細(xì)分析尺度參數(shù)、光譜異質(zhì)性和形狀異質(zhì)性等影響因素，闡述了多尺度分割的原理。首先，將地物邊緣參數(shù)和多尺度分割相結(jié)合，將與地物相關(guān)的實(shí)際信息生成到圖像目標(biāo)層中，改進(jìn)了地物邊緣信息的提取方法。其次，結(jié)合閾值分類和模糊分類方法提取研究區(qū)主要地物信息，并對(duì)影像對(duì)象的特征進(jìn)行深入分析。最后，選擇合適的樣本對(duì)其混淆矩陣進(jìn)行評(píng)價(jià)，以滿足提取結(jié)果的精度要求。

作為一種新的遙感圖像處理方法，多尺度分割技術(shù)一直受到研究者的密切關(guān)注。傳統(tǒng)的地物信息提取技術(shù)將地物信息的最小單位定義為單個(gè)像素，而多尺度分割技術(shù)則關(guān)注圖像對(duì)象本身。該方法提取的地物信息能有效地將地物的光譜特征和空間特征結(jié)合起來。因此，它根據(jù)影像對(duì)象的空間特征，簡(jiǎn)單地劃分出每個(gè)地面對(duì)象所反映的不同的地面對(duì)象信息，從而掌握了新的信息提取方法。

楊暉[1]等同時(shí)采用多尺度分割技術(shù)和基于像素的方法從SPOT數(shù)據(jù)和航空影像中提取森林信息，經(jīng)實(shí)踐證明，多尺度分割技術(shù)更為準(zhǔn)確。同樣，蒲智[2]等以高分航空數(shù)據(jù)為數(shù)據(jù)源，利用該技術(shù)對(duì)研究區(qū)土地利用進(jìn)行了分類，取得了滿意的效果。這些實(shí)驗(yàn)充分證明了多尺度分割技術(shù)具有較高的應(yīng)用價(jià)值。此外，為了證明該方法在提取地物信息方面的有效性，周成虎等[3]根據(jù)地物非均質(zhì)性差異和光譜特征，對(duì)極化雷達(dá)數(shù)據(jù)進(jìn)行了綜合分析，并從圖像中提取了大量的植被信息。除了考慮光譜特征外，還考慮了目標(biāo)的空間特征，從IKONOS圖像中依然獲得了足夠的居民信息。這也說明高分辨率遙感數(shù)據(jù)的應(yīng)用具有良好的發(fā)展?jié)摿?。隨后，在分析不同地物特征差異的過程中，朱連奇[4]等將地物之間的相互關(guān)系結(jié)合起來，利用IKONOS圖像對(duì)洪災(zāi)進(jìn)行監(jiān)測(cè)。在植被專題圖與NOAA數(shù)據(jù)融合工作中，Willhauek采用多尺度分割方法對(duì)SAR數(shù)據(jù)進(jìn)行處理，以專題圖像的形式對(duì)森林火災(zāi)進(jìn)行了監(jiān)測(cè)，取得了良好的監(jiān)測(cè)效果。近年來，徐涵秋[5]利用多尺度分割技術(shù)和傳統(tǒng)方法提取QuickBird衛(wèi)星圖像數(shù)據(jù)信息，分類精度提高了26.71%。

2 研究區(qū)

本文以天水市城市地區(qū)為研究對(duì)象，坐標(biāo)位置在東經(jīng)105°40′～105°56′、北緯34°30′～34°38′之間，多光譜圖像分辨率為2m，全色光譜為0.5m。研究區(qū)的形象涉及水、居住用地、道路等多種信息，而且地物信息比較全面。此外，圖像中含有大量的噪聲信息，給地物邊緣的檢測(cè)帶來了一定的干擾。Robert、Sobel、Prewitt和Canny是自動(dòng)檢測(cè)地面目標(biāo)邊緣的常用算法[6][7]，它們各有優(yōu)缺點(diǎn)。Robert、Sobel和Prewitt算法在識(shí)別噪聲信息方面功能較弱，且容易將噪聲作為地物的邊緣進(jìn)行檢測(cè)，而忽略了真實(shí)的邊緣信息，可信度較差。而canny算法在檢測(cè)邊緣信息時(shí)能夠有效地自動(dòng)屏蔽噪聲信息，從而能夠檢測(cè)出真實(shí)的邊緣信息，具有良好的效果。

3 研究方法

3.1影像分割

只有高質(zhì)量的圖像分割才能保證提取出的圖像的精度，因此提高圖像分割技術(shù)一直是各國(guó)所追求的目標(biāo)。該技術(shù)是將圖像分成若干塊，塊之間沒有重疊或空間，但它們之間有一定的聯(lián)系，具有相同的特征，每個(gè)塊的圖像都對(duì)應(yīng)于實(shí)際物體。

3.2多尺度分割

在整個(gè)高分辨率圖像中，有一些具有代表性的物體或地貌特征。有些在光譜上有差異，有些在形狀或大小上有差異。多尺度分割技術(shù)就是識(shí)別這些差異，并根據(jù)不同的特征將其劃分為不同的模塊。差分最小化是每個(gè)塊劃分的標(biāo)準(zhǔn)。在設(shè)置了最基本的參數(shù)后，需要根據(jù)參數(shù)來判斷差異。如果滿足條件，則對(duì)差異進(jìn)行分割，反之則分割結(jié)束。這種嚴(yán)格的方法在很大程度上保證了多尺度分割的準(zhǔn)確性。這些參數(shù)也可以合并不需要分割的部分，從而確定分割對(duì)象的大小，該技術(shù)可以在很大程度上優(yōu)化分割結(jié)果。

3.3多尺度分割的最優(yōu)尺度

由于圖像分割的基本單位是單個(gè)像素，分割尺度可以改變。為了從一些高分辨率圖像中提取更多的信息，需要找到最佳的分割尺度。在最佳尺度下，應(yīng)盡可能保證圖像與目標(biāo)的一致性，以獲得最高的精度。

不同的分割尺度通常取決于多尺度分割本身的設(shè)置。必須建立一個(gè)更真實(shí)的數(shù)字模型，以最小的差異集成每個(gè)圖像的目標(biāo)層的目標(biāo)信息。該技術(shù)保證了在不丟失信息的前提下，可以添加其他對(duì)象的特征，從而為最終的信息提取提供了方便。

由于對(duì)象層和實(shí)際對(duì)象是最平緩的，只有在尺度最優(yōu)的情況下才能提高信息提取的成功率，因此保證最合適的尺度是至關(guān)重要的。遙感技術(shù)中地表特征的差異可以通過光譜等因素反映出來，因此要保證尺度的多樣性和目標(biāo)的完整性。此外，應(yīng)保持邊界的明確性，以保證被識(shí)別對(duì)象之間的差異。此外，不同的尺度也應(yīng)該能夠分析不同的對(duì)象。綜合以上因素，保證目標(biāo)的最佳分割尺度。

3.4多尺度分割步驟

合理的分割參數(shù)設(shè)置是多尺度分割的前提。保證實(shí)際效果達(dá)到要求是關(guān)鍵。影響因素及其相互關(guān)系可以用以下結(jié)構(gòu)圖表示：

根據(jù)真實(shí)的目標(biāo)圖像，通過多尺度分割技術(shù)將整個(gè)遙感圖像生成與其對(duì)應(yīng)的目標(biāo)層次，從而更好地提取目標(biāo)。但是，僅僅依靠多尺度分割技術(shù)來有效提取地物信息是遠(yuǎn)遠(yuǎn)不夠的。在構(gòu)建對(duì)象層時(shí)，必須對(duì)相關(guān)數(shù)據(jù)進(jìn)行集成，以方便多尺度分割?；A(chǔ)數(shù)據(jù)的添加可以解決多尺度分割技術(shù)無法解決的問題。例如，在提取建筑光譜和道路光譜信息數(shù)據(jù)時(shí)，需要使用高程數(shù)據(jù)來區(qū)分具有相似特征的光譜信息，而這僅僅依靠圖像光譜是無法實(shí)現(xiàn)的。除了利用高程數(shù)據(jù)輔助多尺度分割外，道路邊緣信息的整合與提取還可以提高分割效果，為地物信息的提取奠定良好的基礎(chǔ)。

4結(jié)果與討論

4.1融合地物邊緣參與多尺度分割

提取復(fù)雜地物信息，如果僅僅依靠多尺度分割技術(shù)，很難達(dá)到理想的分割效果，因此必須結(jié)合其他技術(shù)輔助多尺度分割。本文將canny算法與Geoway軟件相結(jié)合，有效地檢測(cè)出地面目標(biāo)的邊緣。在此基礎(chǔ)上，對(duì)比簡(jiǎn)單多尺度分割的效果，直接分析了兩種方法的差異。通過比較可以看出，在相同的分割尺度下，單一的多尺度分割得到的圖像對(duì)象遠(yuǎn)不如有地物邊緣時(shí)得到的結(jié)果理想。由于清晰的輪廓線增強(qiáng)了地物的可分性，因此在地物邊緣的參與下，獲得的地物信息更加完整，分割效果較好。利用地物的邊緣信息，改變分割尺度，觀察各種地物最大面積的變化趨勢(shì)，變化關(guān)系曲線如下圖2-6所示：

從以上曲線可以看出，在20～200的尺度變化過程中，水的最大面積一般逐漸增大，且與尺度成正比。當(dāng)尺度超過200時(shí)，水的最大面積保持在相對(duì)穩(wěn)定的狀態(tài)，曲線幾乎平行，因此可以取200作為水的最佳尺度。對(duì)于植被目標(biāo)，在同一尺度變化范圍內(nèi)，尺度上升到180后，植被目標(biāo)的最大面積幾乎平行，因此植被的最佳尺度為180。采用同樣的方法，住宅用地最優(yōu)規(guī)模為80，道路最優(yōu)規(guī)模為120，裸地最優(yōu)規(guī)模為100。在此基礎(chǔ)上，引入其他參數(shù)設(shè)置（表1）來構(gòu)建相應(yīng)的圖像對(duì)象層。

4.2主要地物信息的提取

從成像角度看，水體呈現(xiàn)暗化特征，水體反射率由可見光逐漸降低到近紅外波段，特別是近紅外波段反射率極低。因此，亮度值、近紅外波段值和歸一化水體指數(shù)可以作為水體提取的參考標(biāo)準(zhǔn)。

城市的主要組成部分是居住區(qū)，也是遙感圖像信息提取的主要對(duì)象。目前高分辨率遙感應(yīng)用的重點(diǎn)和難點(diǎn)是如何提取居住區(qū)的信息。因此，研究居住區(qū)特征是提高信息提取準(zhǔn)確性的重要方法。

總體而言，居住區(qū)反射率較高，亮度值較高，藍(lán)、綠、紅波段反射率呈上升趨勢(shì)。反射值類似于道路和裸地的反射值。在遙感影像中，住宅用地內(nèi)部灰度值的變化幅度減小，呈現(xiàn)穩(wěn)定的趨勢(shì)，但住宅用地邊緣灰度值波動(dòng)明顯。

通過高分辨率遙感影像可以看出，住宅用地呈現(xiàn)出平面覆蓋。獨(dú)立建筑的形狀通常是矩形或L或U形，是不規(guī)則的幾何形狀。小區(qū)具有自動(dòng)構(gòu)建拓?fù)涠噙呅蔚奶匦裕ㄖ⒈坏缆?、平地、草地所包圍，可能?huì)被高大茂密的樹木所阻擋。在拍攝自然環(huán)境的過程中，建筑周圍往往會(huì)出現(xiàn)陰影。建筑物的光譜值與道路的光譜值相似，不能根據(jù)光譜值來區(qū)分建筑物與道路。但從肌理分布來看，建筑與道路的差異明顯，建筑肌理變化不大。此外，通過多尺度分割創(chuàng)建圖像對(duì)象層時(shí)，住宅用地和道路的幾何屬性存在顯著差異，體現(xiàn)在長(zhǎng)、寬、長(zhǎng)寬比和形狀指數(shù)的不同上。

4.3精度分析

信息提取后的結(jié)果評(píng)價(jià)起著關(guān)鍵的作用?；诰鹊脑u(píng)估可以推斷出信息提取方法是否與特定的圖像和表面對(duì)象一致。精度分析和推理的第一步是通過目測(cè)來判斷信息提取的結(jié)果是否符合實(shí)際。第二步是計(jì)算混淆矩陣的值來推斷地物信息提取的質(zhì)量。根據(jù)混淆矩陣的結(jié)果，通過分析可以得到相應(yīng)類別的錯(cuò)分誤差值和漏分誤差值。本實(shí)驗(yàn)從所有地物信息中提取幾個(gè)樣本，計(jì)算混淆矩陣，如表2所示。根據(jù)形式，它可以發(fā)現(xiàn)地面對(duì)象的所有生產(chǎn)精度大于0.9，用戶精度大于0.9，總體精度等于0.946，kappa系數(shù)達(dá)到93.1%，證明從地物信息提取的精度值通過多尺度分割技術(shù)是相當(dāng)高的。該方法作為一種高分辨率遙感影像地形信息的提取方法，具有較高的有效性。

5結(jié)論

本實(shí)驗(yàn)在研究影響因素的基礎(chǔ)上，采用多尺度分割技術(shù)進(jìn)行圖像分割，建立了圖像目標(biāo)層。實(shí)驗(yàn)結(jié)果表明，該方法能將干擾因素與周圍像素點(diǎn)結(jié)合起來，形成相似、一致的區(qū)域，對(duì)減小干擾對(duì)研究結(jié)果的影響具有重要意義。它既能消除圖像的局部不均勻性，又能解決圖像中“同物不同譜”和“同譜不同物”的問題，避免了傳統(tǒng)方法在高分辨率圖像處理中經(jīng)常出現(xiàn)的“椒鹽現(xiàn)象”。因此，在高分辨率遙感圖像地物信息提取過程中，多尺度分割技術(shù)具有可靠性和準(zhǔn)確性。曲面特征信息提取的關(guān)鍵是多尺度分割技術(shù)的應(yīng)用。圖像分割的質(zhì)量決定了表面特征提取的準(zhǔn)確性，而圖像分割的質(zhì)量取決于分割的尺度。根據(jù)目標(biāo)最大面積法進(jìn)行尺度選擇，以明確不同地物的最佳分割尺度。雖然分割質(zhì)量有所提高，但這種方法并不完善，缺乏可移植性。因此，如何選擇最佳的地物分割尺度，需要深入研究科學(xué)、準(zhǔn)確、可量化的標(biāo)準(zhǔn)。

參考文獻(xiàn)：

【1】楊暉， 曲秀杰. 圖像分割方法綜述[J]. 電腦開發(fā)與應(yīng)用， 2005， 18（3）： 21-23.鄭偉， 曾志遠(yuǎn). 遙感圖像大氣校正的黑暗像元法[J]. 國(guó)土資源遙感， 2005， 17（1）： 8-11.

【2】蒲智， 楊遼， 白潔. 基于面向?qū)ο蠹夹g(shù)的高分辨率遙感影像的陰影檢測(cè)與去除[J]. ?遙感技術(shù)與應(yīng)用， 2008， 23（6）： 735-738.

【3】周成虎，駱劍承.高分辨率衛(wèi)星遙感影像地學(xué)計(jì)算[M].北京：科學(xué)出版社，2009.125.

【4】朱連奇， 許叔明， 陳沛云. 2003. 山區(qū)土地利用覆被變化對(duì)土壤侵獨(dú)的影響[J]. 地理研究， 22（4）： 432-438.

【5】徐涵秋. 利用改進(jìn)的歸一化差異水體指數(shù) （MNDWI） 提取水體信息的研究[J]. 遙感學(xué)報(bào)， 2005， 9（5）： 589-595.

【6】XueliangZhang，PengfengXiao，XiaoqunSong，JiangfengShe.Boundary-constrained multi-scale segmentation method for remote sensing images[J]. ISPRS Journal of Photogrammetry and Remote Sensing，2015（1）：15-25

【7】Chao Wang，WeiXu，Xiao-fang Pei，Xiao-yanZhou.An unsupervised multi-scale segmentation method based on automated parameterization [J]. Arabian Journal of Geosciences， 2016 （15）：25-29.