星高分辨率遙感數(shù)據(jù)應(yīng)用潛力與精度評(píng)價(jià)研究

1、CBERS-02B星高分辨率遙感數(shù)據(jù)應(yīng)用潛力與精度評(píng)價(jià)研究以基于影像融合的土地利用分類(lèi)為例劉詠梅1,2劉曉靖1王懷生1,2李京忠2楊勤科1（1.陜西省遙感中心，2.西北大學(xué)城市與資源學(xué)系）摘要：本文以評(píng)價(jià)02B星高分辨率影像數(shù)據(jù)應(yīng)用潛力為目的，通過(guò)對(duì)02B星數(shù)據(jù)的輻射和彩色增強(qiáng)、02B星數(shù)據(jù)與較低分辨率影像的融合，并對(duì)融合前后的信息含量和分類(lèi)結(jié)果進(jìn)行了對(duì)比。結(jié)果表明，02B高分辨率影像的應(yīng)用明顯提高了土地利用信息的提取精度，在國(guó)土資源調(diào)查與生態(tài)環(huán)境監(jiān)測(cè)中具有廣闊的應(yīng)用前景。關(guān)鍵詞：CBERS-02B星高分辨率影像融合土地利用分類(lèi)針對(duì)02B星高分辨率影像的光譜特征與空間分辨率，研究對(duì)02B星高分

2、辨率影像的增強(qiáng)處理方法；研究02B星高分辨率影像與CBERS多光譜影像的融合方法；通過(guò)對(duì)融合影像與原影像信息量的對(duì)比，以及基于融合前后影像的土地利用分類(lèi)精度對(duì)比，對(duì)02B星高分辨率影像在資源環(huán)境領(lǐng)域的應(yīng)用潛力與精度進(jìn)行了初步探索。1研究區(qū)域與數(shù)據(jù)源1.1 研究區(qū)域研究區(qū)位于陜西省南部的西鄉(xiāng)縣（見(jiàn)圖53-1）。經(jīng)緯度范圍為107.606107.97Q32.79632.86(o1.2 數(shù)據(jù)源圖53-1西鄉(xiāng)縣位置圖(1)研究區(qū)的02B星高分辨率相機(jī)全色波段影像(圖幅號(hào)7-63-D-5-L20000014221),空間分辨率為2.36米，已作過(guò)精校正。(2)研究區(qū)的TM影像(2、3、4波段)，空間分辨

3、率為30米。已作過(guò)精校正。11.3 研究方法本研究利用了數(shù)字圖像增強(qiáng)處理和專(zhuān)題分類(lèi)方法，對(duì)02B星高分辨率相機(jī)全色波段的影像質(zhì)量和實(shí)用性進(jìn)行初步評(píng)價(jià)。(1)針對(duì)02B星HR全色波段影像光譜分辨率較低的問(wèn)題，通過(guò)輻射增強(qiáng)、彩色增強(qiáng)等方法對(duì)圖像進(jìn)行預(yù)處理，增強(qiáng)圖像光譜信息，改善圖像質(zhì)量；(2)對(duì)02B星HR全色波段影像與低分辨率影像(由于尚未得同時(shí)相的02B星多光譜圖像，這里用TM替代)進(jìn)行融合研究，分析融合影像信息量的變化并基于融合前后圖像進(jìn)行土地利用分類(lèi)。分類(lèi)結(jié)果的精度評(píng)價(jià)對(duì)比表明，與02B星HR全色波段影像的融合明顯提高了TM影像的分類(lèi)精度。TM影像的空間分辨率低于CBERS影像，因此通過(guò)與

4、02B星HR全色波段影像的融合，CBERS多光譜圖像的分類(lèi)精度必將明顯提高。2圖像預(yù)處理2.1 輻射增強(qiáng)02B星影像的灰度值范圍較窄，為0-174,圖像色調(diào)偏暗，對(duì)比度不夠；為了改善圖像質(zhì)量，采用分段線形拉伸的方法對(duì)該圖像進(jìn)行了對(duì)比度拉伸，灰度值范圍拉伸到0-255,使圖像的對(duì)比度明顯提高，細(xì)節(jié)清晰，目視效果明顯改善。2.2 彩色增強(qiáng)對(duì)低分辨率影像的3個(gè)波段進(jìn)行假彩色合成：RGB-band432,得到TM標(biāo)準(zhǔn)假彩色合成圖像。2.3 投影轉(zhuǎn)換與重采樣主要進(jìn)行了兩個(gè)處理，包括：(1)對(duì)02B星高分辨率影像進(jìn)行投影轉(zhuǎn)換，使其與低分辨率影像投影相一致，投影參數(shù)見(jiàn)圖53-2;(2)對(duì)投影變換后的02B星

5、高分辨率影像進(jìn)行像元大小的重采樣，使其像元大小變?yōu)?m。3影像融合處理3.1 融合方法多源遙感影像融合，是指采用某種算法模型，將覆蓋同一地區(qū)的2幅或多幅空間配準(zhǔn)的2影像，進(jìn)行信息組合匹配，獲取高質(zhì)量的影像信息的技術(shù)。通常，采用低空間分辨率的多波段數(shù)據(jù)(如TM影像)和高空間分辨率的全色光譜數(shù)據(jù)(如SPOT的Pan波段）進(jìn)行融合運(yùn)算，獲得既具有細(xì)致紋理又保持豐富光譜信息的融合影像，使不同遙感數(shù)據(jù)源的優(yōu)勢(shì)互補(bǔ)，提高圖像的應(yīng)用精度。目前，針對(duì)土地利用信息提取有多種融合算法模型，如Lab變換、IHS變換、Brovey變換、主成分變換、乘積運(yùn)算、小波變換等11120以上述經(jīng)過(guò)處理的02B星高分辨率影像和低

6、分辨率假彩色合成圖像為主要信息源，分別應(yīng)用主成分變換、乘積運(yùn)算和Brovey變換進(jìn)行融合處理。與原始低分辨率影像對(duì)比可知，乘積運(yùn)算法的融合影像的光譜信息損失最少，因此，最終采用乘積運(yùn)算進(jìn)行02B星高分辨率影像與低分辨率彩色圖像的融合處理，融合圖像有3個(gè)波段，分辨率為3m。3.2 融合影像質(zhì)量評(píng)價(jià)對(duì)融合前后圖像質(zhì)量的對(duì)比評(píng)價(jià)可以從兩個(gè)方面進(jìn)行分析，一般采用主觀定性評(píng)價(jià)和客觀定量評(píng)價(jià)相結(jié)合的方法。3.2.1 主觀定性評(píng)價(jià)主觀定性評(píng)價(jià)從色調(diào)、清晰度、地物形狀和紋理信息等方面對(duì)原始影像和融合影像進(jìn)行比較，從而對(duì)融合效果有一個(gè)定性的認(rèn)識(shí)。與原始低分辨率影像相比，乘積運(yùn)算融合的影像空間分辨率明顯提高，紋理

7、詳細(xì)豐富，色調(diào)突出，植被覆蓋清晰；水域與其它地類(lèi)的光譜差異增大，輪廓明顯；城鎮(zhèn)內(nèi)部結(jié)構(gòu)信息增強(qiáng)，形狀清楚，平原區(qū)不同農(nóng)田地塊的色調(diào)對(duì)比增強(qiáng)，邊界變的明顯；山區(qū)地形溝谷細(xì)節(jié)增強(qiáng)；植被色調(diào)信息增強(qiáng)（見(jiàn)圖53-3）。原圖像圖53-3融合前后影像對(duì)比融合后影像3.2.2 客觀定量評(píng)價(jià)客觀定量評(píng)價(jià)主要通過(guò)多種統(tǒng)計(jì)分析方法進(jìn)行，常用的評(píng)價(jià)指標(biāo)主要包括像元亮度值范圍、灰度直方圖、均值、以及偏差和相關(guān)系數(shù)等。均值均值指像素灰度的平均值,反映了影像的平均亮度。如果均值適中,則目視效果良好。偏差偏差指灰度影像灰度平均值與多光譜影像、融合影像灰度平均值之差；偏差反映融合影像與原多光譜影像光譜特征的變化，平均程度差值

8、越大，光譜畸變?cè)酱蟆Ｏ嚓P(guān)系數(shù)反映融合影像與原多光譜影像光譜特征的相似程度，融合影像與原多光譜影像相關(guān)系數(shù)越大，融合結(jié)果就越能保持原多光譜影像的光譜特征。表53-102B星原圖像、拉伸處理圖像、TM圖像以及融合圖像的質(zhì)量評(píng)價(jià)參數(shù)表圖像類(lèi)別02B星原圖像拉伸處理圖像灰度值范圍0-174灰度差174均值56.74與拉伸處理圖像偏差31.76與02B星原圖像偏差相關(guān)系數(shù)0-25525588.50031.76R2-255253126.5938.1069.85原始圖像G82-255173122.0133.5165.26B48-55207123.5135.0166.77R1-24924882.525.982

9、5.780.9604融合圖像G1-22322270.0918.4113.350.9498B1-24224369.8018.7013.050.9562注：上表中，原始圖像指未經(jīng)融合的TM圖像。從表53-1可知，經(jīng)過(guò)拉伸處理的02B星圖像比原圖像的灰度范圍明顯擴(kuò)大，目視效果得到改善。原始影像與融合影像對(duì)比，除均值一項(xiàng)外（TM影像各波段的均值特征優(yōu)于融合影像），融合影像的灰度值范圍、灰度差和偏差等項(xiàng)參數(shù)值均優(yōu)于原始影像，表明融合影像的光譜質(zhì)量得到明顯提高。這里，由于研究所用的材料（TM影像）分辨率為30m,低與CBERS多光譜影像，所以融合無(wú)疑將對(duì)CBERS的質(zhì)量有所改進(jìn)。融合影像與原多光譜影像相關(guān)

10、系數(shù)對(duì)應(yīng)三個(gè)波段的相關(guān)系數(shù)都很高，說(shuō)明融合結(jié)果很好地保持了原TM影像的光譜信息。4土地利用分類(lèi)4.1 分類(lèi)方法在研究區(qū)內(nèi)選取典型區(qū)域，各類(lèi)地物都有，面積為10X10km2o以融合影像為信息源對(duì)典型區(qū)進(jìn)行土地利用自動(dòng)分類(lèi)。根據(jù)本地區(qū)土地資源調(diào)查分類(lèi)系統(tǒng)和影像的分辨力，確定土地利用為7個(gè)類(lèi)別：城鎮(zhèn)用地，水田，林地，草地，水域，河灘地，旱地。本研究中采用了非監(jiān)督分類(lèi)法。主要的參數(shù)設(shè)定如下：初始分類(lèi)數(shù)：50,最大循環(huán)次數(shù)：24,循環(huán)收斂閾值：0.95,分類(lèi)結(jié)果的面積統(tǒng)計(jì)見(jiàn)表53-2。表53-2土地利用類(lèi)別面積統(tǒng)計(jì)類(lèi)別林地水體草地旱地水田灘地城鎮(zhèn)用地合計(jì)面積/km2百分比/%7.017.004.724.

11、7226.0926.0540.1440.0917.8817.861.821.822.472.47100.13100.004.2 精度分析為了進(jìn)行精度對(duì)比，基于融合前后的低分辨率影像（432波段）對(duì)同一區(qū)域再進(jìn)行土地利用分類(lèi)，兩次分類(lèi)的精度報(bào)告見(jiàn)表53-3。表53-3顯示，應(yīng)用02B星高分辨率影像與原始影像融合后，土地利用各類(lèi)別的提取精度都有顯著提高；水田、旱地的分類(lèi)正確率提高達(dá)到20%以上；草地的分類(lèi)正確率提高達(dá)40%以上，林草地、旱地的混分明顯減少；分類(lèi)總精度從71.43 %提高至I87.14%。由于河灘地與城鎮(zhèn)用地的光譜特征相近，并在融合中僅用了低分辨率影像的432波段，原始波段1、5、7

12、的信息損失，使河灘地與城鎮(zhèn)用地的混分嚴(yán)重，造成在融合影像和TM影像上的分類(lèi)精度都很低，分別為46.15%口43.55%。表53-3分類(lèi)精度報(bào)告類(lèi)別融合影像TM影像分類(lèi)精度(%)城鎮(zhèn)用地林地水域草地旱地水田河灘地87.5088.3388.3388.52100.00100.0046.1妙類(lèi)總41度=87.14%分類(lèi)精度(%)63.1688.3377.4244.4465.57分類(lèi)總精度71.43%87.2743.555結(jié)論(1) 02B星高分辨率影像的空間分辨率高，達(dá)到了2.36m,但光譜特征較差，采用輻射增強(qiáng)方法可使該圖像的灰度值范圍擴(kuò)大，反差增強(qiáng)，圖像目視效果明顯提Mi。(2)通過(guò)對(duì)圖像質(zhì)量的定

13、性和定量評(píng)價(jià)可知，基于02B星高分辨率影像的融合影像在紋理信息、目視效果和光譜質(zhì)量方面均優(yōu)于原始影像，同時(shí)保留了原始影像的光譜信息。(3)采用融合影像對(duì)典型區(qū)進(jìn)行土地利用自動(dòng)分類(lèi)，與原始影像的分類(lèi)結(jié)果相比，各類(lèi)別的提取精度都有明顯提高，分類(lèi)總精度從71.43%提高到87.14%,取得了良好的分類(lèi)結(jié)果。(4)本試驗(yàn)所用原始低分辨率多光譜影像為T(mén)M,其分辨率明顯低于CBERS多光譜影像數(shù)據(jù)，因此，通過(guò)與02B星HR全色波段影像的融合，將會(huì)明顯改善CBERS多光譜圖像的質(zhì)量，分類(lèi)精度的提高也將更高。但是，這種推斷有待通過(guò)實(shí)際的CBERS數(shù)據(jù)來(lái)驗(yàn)證。本研究結(jié)果表明，作為影像融合新的信息源，02B高分辨

14、率影像的應(yīng)用明顯提高了土地利用信息的提取精度，在國(guó)土資源調(diào)查與生態(tài)環(huán)境監(jiān)測(cè)中具有廣闊的應(yīng)用前景。我們希望通過(guò)與最廣泛使用的多光譜影像和較高分辨率影像數(shù)據(jù)進(jìn)行對(duì)比分析，對(duì)02B圖像數(shù)據(jù)做出較為全面的評(píng)價(jià)。但是限于時(shí)間關(guān)系，數(shù)據(jù)獲取需要周期，與高分辨率數(shù)據(jù)的對(duì)比分析、02B圖像數(shù)據(jù)本身在資源環(huán)境中應(yīng)用等，尚在進(jìn)行中。同時(shí)，分類(lèi)結(jié)果也還沒(méi)有進(jìn)行野外驗(yàn)證。本研究工作得到了國(guó)家航天局航天遙感論證中心的項(xiàng)目支持、中國(guó)資源衛(wèi)星應(yīng)用中心的數(shù)據(jù)支持以及西北大學(xué)城市與資源學(xué)系地圖學(xué)與地理信息系統(tǒng)”研究室的支持，特此致謝。參考文獻(xiàn)1 PohlC,VanGenderenJL.MultisensorImageFusio

15、ninRemoteSensing:Concepts,MethodandApplicationsJ.INTJRemotesensing,1998,19(5):823-854.2 ChavesPS,SidesSC,AndersonJ.A.ComparisonoftheThreeDifferentMethodstomergeMultiresolutionandMultispectralData:TM&SPOTPanJ.PhotogrammetricEngineeringandRemoteSensing,1991,57:295-303.3 ZhangY,ANewMergingMethodand

16、ItsSpectralandSpatialEffectsJ.INTJRemotesensing,1999,20(10):2003-2014.4 FranklinSE,BloggettCF.AnExampleofSatelliteMultisensorDataFusionJ.Computer&Geosciences,1993,19(4):577-583.5 EhlersM,MultisensorsImageFusionTechniquesinRemoteSensingJ.ISPRSJournalofPhotogrammetryandRemoteSensing,1991,46:19-30.

17、6 Congaton,R.G.AReviewofAssessingtheAccuracyofClassificationofRemotelySensedData:RemoteSensingofEnvironmentM.LewisPublishers,NewYork7 SolaimanB,etal.AninformationfusionmethodformultispectralimageclassificationpostprocessingJ.IEEETransactionsonGeoscienceandRemoteSensing,1998,36(2):395-406.8 Congaton,

18、R.G.AReviewofAssessingtheAccuracyofClassificationofRemotelySensedData:RemoteSensingofEnvironmentM.LewisPublishers,NewYork.9 LiuYong-meietal,AnappliedresearchonremotesensingclassificationintheLoessPlateauJ,JournalofGeographicalSciences,2003,13(4):395-399.10 CihlarJ,etal.Classificationbyprogressivegeneralization:Anewautomatedmethodologyforremotesensingmultich