面向?qū)ο蟮母叻直媛视跋褡兓瘷z測(cè)方法研究

1、面向?qū)ο蟮母叻直媛视跋褡兓瘷z測(cè)方法研究 面向?qū)ο蟮母叻直媛视跋褡兓瘷z測(cè)方法研究 摘要：本文旨在針對(duì)高分辨率遙感影像的信息提取形成一套處理方法及流程，同時(shí)豐富高分辨率遙感圖像處理的方法和理論知識(shí)，具有一定的理論意義。通過(guò)對(duì)試驗(yàn)數(shù)據(jù)的處理，準(zhǔn)確、快速地從圖像中發(fā)現(xiàn)、提取變化區(qū)域，目的是通過(guò)對(duì)兩時(shí)相影像的變化檢測(cè)反映具體的變化情況，并分析綜合這些變化數(shù)據(jù)以便效勞于土地利用現(xiàn)狀調(diào)查、國(guó)土資源執(zhí)法監(jiān)察、土地利用規(guī)劃等實(shí)際應(yīng)用中，具有一定的實(shí)際意義。 中圖分類(lèi)號(hào)：F301.0 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)： 1 引言 從衛(wèi)星遙感影像上提取地表變化信息的研究可以追溯到七十年代末，由于衛(wèi)星數(shù)據(jù)可以提供有重復(fù)訪問(wèn)的

2、數(shù)據(jù)，一些研究者嘗試?yán)眯l(wèi)星遙感數(shù)據(jù)進(jìn)行變化檢測(cè)。早期的遙感影像變化檢測(cè)由于受到當(dāng)時(shí)的技術(shù)條件限制，主要是通過(guò)人工目視解譯來(lái)進(jìn)行的，雖然傳統(tǒng)目視判讀的遙感信息提取方法精度較高，但目視解譯既要求解譯人員具有豐富的地學(xué)知識(shí)和目視判讀經(jīng)驗(yàn)，又需要花費(fèi)大量的時(shí)間去目視判讀，其勞動(dòng)強(qiáng)度大、信息獲取周期長(zhǎng)，解譯質(zhì)量受目視判讀者的經(jīng)驗(yàn)及對(duì)解譯區(qū)的熟悉程度等各種因素限制，難以保證前后一致性，因而實(shí)際應(yīng)用中具有很大的主觀性。 利用面向?qū)ο蟮姆诸?lèi)技術(shù)，對(duì)兩時(shí)相影像進(jìn)行信息提取，選取精度較好結(jié)果并做變化檢測(cè)。在分類(lèi)時(shí)，不僅利用了影像的光譜信息，同時(shí)考慮了影像對(duì)象的空間結(jié)構(gòu)信息，改變了原來(lái)信息提取特征單一的狀況，使其

3、分類(lèi)精度有所提高。本文旨在針對(duì)高分辨率遙感影像的信息提取形成一套處理方法及流程，同時(shí)豐富高分辨率遙感圖像處理的方法和理論知識(shí)，具有一定的理論意義和實(shí)用價(jià)值。通過(guò)對(duì)試驗(yàn)數(shù)據(jù)的處理，準(zhǔn)確、快速地從圖像中發(fā)現(xiàn)、提取變化區(qū)域，可以效勞于土地利用現(xiàn)狀調(diào)查、國(guó)土資源執(zhí)法監(jiān)察、土地利用規(guī)劃等實(shí)際應(yīng)用。 2 面向?qū)ο笞兓瘷z測(cè)原理 高分辨率遙感圖像的細(xì)節(jié)信息豐富，圖像的局部異質(zhì)性大，傳統(tǒng)的基于像元的分類(lèi)方法易受高分辨率影像局部異質(zhì)性大的影響和干擾，而面向?qū)ο蠓椒ㄗ罡镜奶攸c(diǎn)就是以圖像分割獲得的圖像對(duì)象為根本的操作單元，而不是像傳統(tǒng)的面向像素方法那樣，基于單個(gè)像素操作。通過(guò)圖像分割獲得的圖像對(duì)象具有一定的屬性，不

4、僅包含了高分辨率圖像豐富的光譜信息，還包括紋理、大小、形狀、緊致性、上下文等從圖像中提取出的附加信息，在不增加外來(lái)信息的情況下增加了分類(lèi)的依據(jù)，從而顯著提高分類(lèi)的精度，使分類(lèi)結(jié)果含有豐富的語(yǔ)義信息更加接近目視判別的結(jié)果。當(dāng)遙感影像被分割為地物對(duì)象后，還可以建立對(duì)象之間的拓?fù)潢P(guān)系，從而有可能實(shí)現(xiàn)地理信息系統(tǒng)中的空間分析。對(duì)高分辨率影像來(lái)說(shuō)，是一種非常有效的信息提取方法，具有很好的應(yīng)用前景。 圖 2-1 面向?qū)ο蠓诸?lèi)技術(shù)流程圖 3設(shè)計(jì)思路和處理流程 面向?qū)ο蠓诸?lèi)：運(yùn)用ENVI4.7版本的EX擴(kuò)展模塊中的面向?qū)ο筇卣魈崛?，充分利用高分辨率影像的空間、紋理和光譜信息分別對(duì)前后兩時(shí)相影像進(jìn)行面向?qū)ο蠓诸?lèi)

5、，以高精度的分類(lèi)結(jié)果或者矢量輸出。 分類(lèi)后處理：分類(lèi)結(jié)果中不可防止地會(huì)產(chǎn)生一些面積很小的圖斑，有必要對(duì)這些小圖斑進(jìn)行剔除或重新分類(lèi)。常用方法有Majority/Minority分析、聚類(lèi)處理和過(guò)濾處理。 評(píng)價(jià)分類(lèi)精度：ENVI 4.8提供了多種評(píng)價(jià)方法，包括分類(lèi)結(jié)果疊加、混淆矩陣和ROC曲線。本文運(yùn)用Confusion Matrix工具可以把分類(lèi)結(jié)果的精度顯示在一個(gè)混淆矩陣?yán)?，可是使用一幅地表真?shí)圖像或地表真實(shí)感興趣區(qū)來(lái)計(jì)算混淆矩陣。 變化檢測(cè)：ENVI4.8及ENVI EX中提供多重檢測(cè)方法，包括圖像直接比擬法工具和分類(lèi)后比擬法工具。運(yùn)用ENVI的分類(lèi)后比擬法工具，包括Change Dete

6、ction Statistics工具和Thematic Change工具，輸出結(jié)果。 4 試驗(yàn)及分析 實(shí)驗(yàn)數(shù)據(jù)采用IKONOS、QuickBird兩個(gè)高分辨率遙感衛(wèi)星對(duì)同一區(qū)域的前后兩時(shí)相的遙感影像。前一時(shí)相為ik-preif，試驗(yàn)區(qū)域范圍多裸地、植被，少量房屋、水體、道路，其中有兩條主干道路。后一時(shí)相為qb-postif，試驗(yàn)區(qū)范 分類(lèi)結(jié)果： 圖3-6分類(lèi)后處理結(jié)果 分類(lèi)精度評(píng)價(jià) 選擇地表真實(shí)感興趣區(qū)進(jìn)行精度評(píng)價(jià)，精度評(píng)價(jià)為相對(duì)的。 表3-9混淆矩陣精度 變化檢測(cè) 圖像直接比擬法：Compute Different Map工具 圖3-7變化檢測(cè)結(jié)果 作為結(jié)果的變化分類(lèi)圖像將以彩色顯示。正值差

7、異用漸變的紅色表示，從代表無(wú)變化的灰色到代表最大的正值差異的亮紅色逐級(jí)顯示；負(fù)值差異用漸變的藍(lán)色表示，從代表無(wú)變化的灰色到代表最大負(fù)值差異的亮藍(lán)色逐級(jí)顯示。 分類(lèi)后比擬法：Change Detection Statistics工具 對(duì)兩幅分類(lèi)影像進(jìn)行差異分析，分析識(shí)別出哪些像元發(fā)生了變化，以像元數(shù)量、百分比和面積統(tǒng)計(jì)參數(shù)輸出。 圖3-8變化像元數(shù)統(tǒng)計(jì) 圖3-9變化百分比統(tǒng)計(jì) 圖3-10變化面積統(tǒng)計(jì) 5 總結(jié)與展望 提取精度的上下關(guān)鍵在于分類(lèi)的規(guī)那么是否具有很強(qiáng)的區(qū)分性。因此，分類(lèi)規(guī)那么、體系也是決定分類(lèi)精度的關(guān)鍵因素，在眾多的特征參數(shù)中，如何通過(guò)有效的特征參數(shù)組合，如何建立更合理，有效的分類(lèi)體

8、系，進(jìn)一步提高分類(lèi)精度也是下一步研究的重點(diǎn)。 參考文獻(xiàn) 【1】陳云浩，馮通，史培軍，王今飛.基于面向?qū)ο蠛鸵?guī)那么的遙感影像分類(lèi)研究J.武漢大學(xué)學(xué)報(bào)，2006，31(4):316-320. 【2】戴昌達(dá)，姜小光，唐伶俐著.遙感圖像處理與應(yīng)用分析M.2004，清華大學(xué)出版社. 【3】李德仁.論21世紀(jì)遙感與GIS的開(kāi)展J.武漢大學(xué)學(xué)報(bào)，2003，28(2):127-131. 【4】章毓晉.圖像分割M.北京：科學(xué)出版社，2000. 【5】周成虎，駱劍承等著.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，2021. 【6】Jens Keuchela，Simone Naumanna,Matthias

9、 Heilera,Alexander Siegmund2003Automatic land cover analysis for Tenerife by supervised classification using remotely sensed dataRemote sensing of Environment86：530-541 【7】Jha C S，Unni NVM1 994Digital change detection of forest conversion of dry tropical forest regionJ.International Journal of Remot

10、e Sensing.15:2543-2552 【8】KanellopoulosI and WilkinsonG1997Strategies and Best Practice for Neural Network Image ClassificationJInternational Joural of Remote Sensing18(4):711-725. 【9】L.Bruzzone and D.Fernandez Prieto,An mrf approach to unsupervised change detectionC.InProc.InternationalConferenceCo

11、nference on Image Processing,pages I:143-147,1999. 10MacDonald J.A.，F(xiàn).M.Gemmell and P.E.Lewis.1998.Investigation of the Utility of Spectral Vegetation Indices for Determining Information on Coniferous Forests.Remote Sens.Environ.66:250-272. 11PRosin2002Thresholding for change detectionComputvisimage understandingVol8