胡蝶　薛以晶　高夢菲

【摘 要】自2014年起我國相繼發(fā)射了高分系列衛(wèi)星，中國遙感衛(wèi)星進(jìn)入亞米級的“高分時代”。 隨著遙感影像分辨率的提高，地物識別不能只采用像元的光譜信息作為分類的依據(jù)，需要綜合考慮地物的形狀、紋理、結(jié)構(gòu)等空間信息的共同作用，OBIA（面向?qū)ο蟮挠跋穹治觯┦怪玫搅吮容^完美的實現(xiàn)。本項目通過衛(wèi)星傳感影像記錄的地球表面信息，以eCognition軟件為分析工具，基于OBIA細(xì)致化地從高空間分辨率遙感影像上提取地物（農(nóng)作物）信息，并進(jìn)行類型識別，綜合考慮地物的形象、紋理、結(jié)構(gòu)等方面來彌補(bǔ)傳統(tǒng)基于像元的分類方法的不足之處，以提高目標(biāo)地物分類的精確程度。

【關(guān)鍵詞】OBIA；eCognition；作物識別；高分辨率

1 遙感數(shù)據(jù)源向高分辨率方向發(fā)展

信息技術(shù)和傳感器技術(shù)的飛速發(fā)展，極大提高了衛(wèi)星遙感影像分辨率，包括空間分辨率、光譜分辨率和時間分辨率。2014年8月19日，我國“高分二號”衛(wèi)星順利進(jìn)入預(yù)定軌道這一事件，標(biāo)志著我國遙感衛(wèi)星的分辨率進(jìn)入了亞米級時代?！案叻侄枴笔状螌⒖臻g分辨率精確至1米，系目前我國分辨率最高的光學(xué)對地觀測衛(wèi)星。數(shù)據(jù)源的精度提高為遙感后期數(shù)據(jù)處理及應(yīng)用提出了新的要求，如何利用高分辨率遙感數(shù)據(jù)進(jìn)行遙感處理與應(yīng)用，是我們應(yīng)當(dāng)思考的問題。

2 OBIA與eCognition軟件

面向?qū)ο笥跋穹治觯∣bject Based Image Analysis）連接了遙感與地理信息系統(tǒng)，作為高分辨率遙感影像分析的新模式，利用在傳統(tǒng)的基于像素影像分析方法中利用率幾乎為零的多種空間信息，為自動遙感影像分析與理解提供強(qiáng)大技術(shù)支持。本實驗亦采用面向?qū)ο蟮姆诸惙椒ā?/p>

eCognition是由德國Definiens Imaging公司開發(fā)的智能化影像分析軟件，具備決策專家系統(tǒng)支持的模糊分類算法模塊，突破了以往商業(yè)遙感軟件局限于根據(jù)光譜信息進(jìn)行影像分類的模式，提出面向?qū)ο蟮姆诸惙椒?，大大提高了高空間分辨率數(shù)據(jù)的自動識別精度，極大滿足了科研和工程應(yīng)用的需求。

3 遙感作物識別

遙感圖像就是傳感器獲得地物反射的電磁波信息，經(jīng)過處理得到的影像數(shù)據(jù)。由于地物的物質(zhì)構(gòu)成、幾何尺寸等不同造成與不同波長電磁波的相互作用也不同，這種相互作用體現(xiàn)在被反射、散射的電磁波中，繼而被傳感器探測到，這就是遙感圖像進(jìn)行地物識別的基本原理。本實驗我們將識別目標(biāo)鎖定在作物范疇，同時也適應(yīng)了當(dāng)前精細(xì)化農(nóng)業(yè)的主流趨勢。在高分辨率遙感影像上，單一的光譜信息無法確定特定的地物特征，而必須結(jié)合地物的空間信息共同確定。因此在高分辨率遙感中，不能單一采用像元的光譜信息進(jìn)行分類，需要綜合考慮地物的形狀、紋理、結(jié)構(gòu)等多種空間信息，OBIA（面向?qū)ο蟮挠跋穹治觯┦怪玫搅司C合性實現(xiàn)。

3.1 圖像預(yù)處理262

本實驗選取位于東經(jīng)116.6°，北緯39.7°附近的高分一號數(shù)據(jù)。實驗區(qū)位于北京市大興區(qū)東部，京滬高速西側(cè)，李家務(wù)村與朱腦村附近區(qū)域。

3.1.1 大氣校正

利用ENVI5.3現(xiàn)有的支持高分一號PMS數(shù)據(jù)的輻射定標(biāo)和大氣校正的模塊進(jìn)行數(shù)據(jù)預(yù)處理。將文件以xml格式打開，在工具箱中打開大氣校正模塊，設(shè)置應(yīng)用參數(shù)（包括定標(biāo)類型、存儲順序和輻射亮度單位）使之自動選擇符合大氣校正要求，最后選擇數(shù)據(jù)路徑和文件名，單擊執(zhí)行處理即可。

3.1.2 全色輻射定標(biāo)

在工具箱中，打開輻射校正模塊，選擇全色數(shù)據(jù)，在面板中進(jìn)行參數(shù)設(shè)置，選擇輸出路徑和文件名后即可進(jìn)行處理。為了融合圖像效果，設(shè)置一致的全色數(shù)據(jù)與多光譜數(shù)據(jù)的像元值。使用輻射定標(biāo)工具，將全色數(shù)據(jù)定標(biāo)為大氣表觀反射率，數(shù)值擴(kuò)大10000倍。

3.1.3 正射校正

在輻射定標(biāo)、大氣校正等步驟后，ENVI自動將RPC嵌入處理結(jié)果中，在圖層管理中進(jìn)行輻射定標(biāo)或在大氣校正結(jié)果圖層中進(jìn)行視圖元數(shù)據(jù)的查看，其中的RPC選項就是處理結(jié)果中自動嵌入的嵌入的RPC文件?？梢灾苯邮褂谜湫Ｕぞ哌M(jìn)行正射校正。為了后續(xù)圖像融合，我們需要對多光譜數(shù)據(jù)及全色數(shù)據(jù)均進(jìn)行正射校正。

3.1.4 圖像融合

為提高融合速度，將多光譜數(shù)據(jù)的儲存順序由BSQ轉(zhuǎn)成BIP。在工具箱中，在柵格管理模塊中選擇上一步中多光譜正射校正結(jié)果，選用NNDiffuse融合方式，選擇多光譜和全色數(shù)據(jù)，執(zhí)行處理后得到融合圖像。

3.2 尺度適應(yīng)性比較

高分辨率影像可在地物的空間結(jié)構(gòu)和形狀、紋理特征方面提供更多的細(xì)節(jié)信息，從面向?qū)ο蟮挠^點出發(fā)，針對不同類型的地物則需在不同的尺度下進(jìn)行，相比傳統(tǒng)方法常采取基于光譜信息的單尺度分割，不同的地物應(yīng)選取不同的分割尺度可在提取手段上明顯提高地物識別的適應(yīng)性及精度。本實驗的關(guān)鍵的核心問題也在于實現(xiàn)對高分辨率遙感影像的多尺度分割。

本實驗采取的多尺度分割方法通過實驗測試選取最優(yōu)分割尺度保證了地物間較高的異質(zhì)性，從而適用于識別不同類型地物的應(yīng)用。操作過程中我們使用eCognition進(jìn)一步對不同地物多尺度分割中的形狀參數(shù)和緊致度參數(shù)進(jìn)行不同設(shè)置，可從分割結(jié)果圖中明顯看出分割結(jié)果的不同，從而選擇出適應(yīng)該種地物的分割尺度。

3.3 特征量選擇

采用合適的圖像分割算法，將圖像劃分成若干個互不相交的小區(qū)域并由此得到基元，本實驗除了對基元的光譜特征進(jìn)行特征計算外，還進(jìn)行了基元的紋理、形狀、大小的特征計算，以從高分辨率影像中獲取更多信息。利用規(guī)則集，把易分的地塊先分出來，然后利用基于樣本的鄰近分類方法對分類效果不好的地類進(jìn)行再次分類。

在eCognition軟件中建立工程，導(dǎo)入影像及專題數(shù)據(jù)。本實驗的關(guān)鍵在于建立作物分割規(guī)則。此處我們選擇作物的光譜信息、形狀以及紋理作為區(qū)別不同作物的特征量，其中權(quán)重設(shè)置為（0.7：0.2：0.1）。其中紋理特征中主要考慮緊致度、平滑度兩個方面，權(quán)重分配上各占紋理特征的一半（0.5：0.5）。為了進(jìn)行細(xì)化分類，我們可以將作物分級，在一級作物分類時采取上述權(quán)重設(shè)置，在進(jìn)一步細(xì)化分類時（比如不同種類小麥間的區(qū)分），可根據(jù)具體情況調(diào)節(jié)各特征值的權(quán)重設(shè)置，以獲取適應(yīng)該種作物區(qū)別的特征參量。

3.4 精度評價

本實驗采用混淆矩陣進(jìn)行精度評價，該方法主要是將分類結(jié)果和實際測得值進(jìn)行比較，對每個實測像元的位置和已分類圖像中的相應(yīng)位置進(jìn)行比較計算。我們采用的評價指標(biāo)有總體分類精度和用戶精度。其中總體分類精度是具有概率意義的統(tǒng)計量，體現(xiàn)出隨機(jī)樣本所分類的結(jié)果與參考數(shù)據(jù)所對應(yīng)區(qū)域的實際類型一致的概率。用戶精度則是從分類結(jié)果中任取一個隨機(jī)樣本，得出其類型與實際情況一致的條件概率。

4 結(jié)論

面向?qū)ο蠓椒ㄔ趥鹘y(tǒng)的基于光譜的地物分類基礎(chǔ)上，結(jié)合了形狀、紋理信息，適應(yīng)當(dāng)前數(shù)據(jù)高分辨率方向發(fā)展趨勢，明顯提高了作物識別精度。在圖像分割上方面，對不同的目標(biāo)作物選取不同的適應(yīng)尺度，在其他地物干擾的情況下，將特征量的選擇進(jìn)一步細(xì)化，可更精確地提取地物信息。

【參考文獻(xiàn)】

[1]張永生，鞏丹超.高分辨率遙感衛(wèi)星應(yīng)用———成像模型、處理算法及應(yīng)用技術(shù)[M].北京：科學(xué)出版社，2004.

[2]明冬萍，駱劍承，周成虎，等.高分辨率遙感影像信息提取及塊狀基元特征提取[J].數(shù)據(jù)采集與處理，2005，20（1）：34-39.

[3]胡翔云.航空遙感影像線狀地物與房屋的自動提取[D].武漢：武漢大學(xué)，2001.

[責(zé)任編輯：朱麗娜]