付詩(shī)雨, 李少丹, 朱梓萌

(1.河北師范大學(xué) 地理科學(xué)學(xué)院,河北 石家莊 050024; 2.河北省環(huán)境變化遙感識(shí)別技術(shù)創(chuàng)新中心,河北 石家莊 050024)

農(nóng)村的居民地多呈現(xiàn)零散分布狀態(tài)[1-2],并且很多與農(nóng)田、植被等相互交錯(cuò),導(dǎo)致農(nóng)村居民地與建筑物的提取相對(duì)城鎮(zhèn)地區(qū)較為困難.因此,粗略地剔除地形和植被的影響有利于農(nóng)村居民地與建筑物的快速提取.近年來(lái),研究人員對(duì)居民地的提取方法進(jìn)行了大量的探索研究,可以概括為基于指數(shù)的方法、圖像分類的方法和視覺(jué)注意模型.

基于指數(shù)的方法是通過(guò)遙感影像中組合某些波段來(lái)構(gòu)建一個(gè)指數(shù)指示居民地[3-7].查勇等[4]效仿歸一化植被指數(shù),提出了歸一化建筑指數(shù)(normalized difference built-up index,NDBI),并成功提取出城市居民地.與NDBI相似,許多其他指數(shù)也可以用來(lái)提取居民地,如MBI(morphological building index )[5],IBI(index-based built-up index)[6],PanTex[7]等.但是,該方法存在一定的局限性,即指數(shù)公式隨著遙感影像的不同需要重新定義.

圖像分類的方法是居民地提取常用的一種方法[8-17],可大致分為監(jiān)督分類和非監(jiān)督分類.監(jiān)督分類法需要一定的訓(xùn)練樣本學(xué)習(xí)居民地的某些特征,然后根據(jù)學(xué)習(xí)到的特征提取居民地,如Palmason等[10]利用神經(jīng)網(wǎng)絡(luò)的方法學(xué)習(xí)居民地的形態(tài)學(xué)結(jié)構(gòu)特征,進(jìn)而實(shí)現(xiàn)對(duì)居民地的提取.非監(jiān)督分類法可以直接提取影像中的居民地而無(wú)需任何訓(xùn)練數(shù)據(jù),如局部特征點(diǎn)[11-12]和邊緣密度[13]等方法,但是非監(jiān)督分類法的精度通常低于監(jiān)督分類法.

視覺(jué)注意模型通過(guò)模擬生物的視覺(jué)注意機(jī)制,可以在自然圖片復(fù)雜的場(chǎng)景中檢測(cè)到顯著性區(qū)域[18-21].近年來(lái),視覺(jué)注意模型被應(yīng)用到遙感影像中[22-24].作為最經(jīng)典的視覺(jué)注意模型之一,Itti模型利用“中心—周圍”運(yùn)算獲取多尺度的強(qiáng)度、顏色和方向等特征圖,然后歸一化處理得到顯著性目標(biāo).李志強(qiáng)[23]在深入分析Itti模型的基礎(chǔ)上提出了新的模型,并將該模型應(yīng)用到遙感影像中提取顯著性目標(biāo).Zhang等[24]通過(guò)傅里葉變換將遙感影像變換到頻率域,在頻率域中檢測(cè)顯著性區(qū)域,即居民地.Hou等[21]提出的殘余譜方法是視覺(jué)注意模型的一種,殘余譜方法不需要對(duì)影像中顯著性目標(biāo)的紋理、顏色、亮度等先驗(yàn)知識(shí)進(jìn)行學(xué)習(xí),無(wú)需對(duì)影像標(biāo)注正負(fù)樣本進(jìn)行訓(xùn)練,更不需要除圖像之外的其他數(shù)據(jù)資料,而是直接關(guān)注于圖像背景部分的規(guī)律,從頻率域得到圖像突出部分并轉(zhuǎn)換到空間域,從而得到對(duì)應(yīng)的顯著性區(qū)域.殘余譜方法提取精度較高,提取結(jié)果快速且穩(wěn)健.近幾年,殘余譜方法被用于目標(biāo)檢測(cè),如李慶峰等[25]提出利用殘余譜和梯度紋理融合特征檢測(cè)遙感影像中復(fù)雜海面背景下的艦船目標(biāo);尹萬(wàn)廣等[26]通過(guò)殘余譜方法以及圖像梯度響應(yīng)來(lái)獲得顯著性圖像的輪廓信息;賀超[27]將殘余譜方法作為一種全局分析顯著模型,與局部分析模型和頻域調(diào)諧算法結(jié)合獲得一種新的基于圖像頻域分析的圖像顯著目標(biāo)檢測(cè)模型.此外,殘余譜方法還應(yīng)用于運(yùn)動(dòng)目標(biāo)的檢測(cè)[28].

對(duì)比MBI,SVM法與本文方法提取的農(nóng)村居民地結(jié)果(見(jiàn)圖1)可以看出,采用本文方法進(jìn)行農(nóng)村居民地提取結(jié)果目視解譯效果比較好,能夠?qū)⒕用竦胤秶^完整地提取出來(lái),且邊界較平滑,而MBI和SVM法提取的背景信息較多,提取邊界較破碎.基于指數(shù)的方法需要根據(jù)不同的影像重新定義公式,存在一定局限性,監(jiān)督分類法需要訓(xùn)練樣本,過(guò)程較為繁瑣.本文中,筆者使用視覺(jué)注意模型中的殘余譜方法進(jìn)行農(nóng)村居民地的提取.

在遙感影像中,相對(duì)于大范圍的植被等信息,農(nóng)村居民地可以當(dāng)作顯著性目標(biāo),因此,農(nóng)村居民地提取可以被認(rèn)為是顯著性目標(biāo)提取的一種.之前已有研究將視覺(jué)注意模型中的殘余譜方法引入到遙感影像中用于居民地的提取[29],分析比較了高分1號(hào)衛(wèi)星影像不同的波段組合和不同的閾值方法對(duì)農(nóng)村居民地提取結(jié)果的影響.殘余譜方法最初應(yīng)用于自然圖片,遙感圖像與自然圖片最大的區(qū)別在于遙感圖像擁有不同波譜范圍的波段,將其引入到遙感圖像中,不同的波譜對(duì)顯著性目標(biāo)的提取是否存在影響是值得研究的.本文中,筆者使用高分1號(hào)、資源3號(hào)與WorldView-2影像分析對(duì)比在使用殘余譜方法時(shí),不同的波譜和影像不同的獲取時(shí)間以及不同傳感器對(duì)居民地提取結(jié)果的影響.對(duì)于同一傳感器的影像,比較不同的波譜對(duì)居民地提取結(jié)果的影響;對(duì)于同一地點(diǎn)、分辨率相同的影像,分析影像不同的獲取時(shí)間對(duì)居民地提取的影響;對(duì)于同一地點(diǎn)、獲取時(shí)間和分辨率相同的影像,分析比較居民地提取結(jié)果對(duì)傳感器的選擇有無(wú)傾向性.

1 研究數(shù)據(jù)與方法

1.1 實(shí)驗(yàn)數(shù)據(jù)

研究區(qū)位于河北省北部,實(shí)驗(yàn)數(shù)據(jù)包括高分1號(hào)(GF-1)、資源3號(hào)(ZY-3)和WorldView-2(WV-2) 這3個(gè)不同傳感器的衛(wèi)星影像,傳感器的參數(shù)如表1所示.

a.實(shí)驗(yàn)影像; b.MBI模型; c.SVM; d.本文的方法.圖1 3種分類方法提取結(jié)果Fig.1 The Extracted Results of Three Classification Methods

表1 不同衛(wèi)星的傳感器參數(shù)Tab.1 The Parameters of Different Satellite Sensors

1.2 殘余譜方法

根據(jù)信息論的知識(shí),圖像的信息

HImage=HBack+HSaliency,

(1)

其中HImage表示圖像信息,HBack表示冗余的背景信息,HSaliency表示顯著的目標(biāo)信息.

Hou等[21]通過(guò)分析大量自然圖片的log譜,發(fā)現(xiàn)不同圖片的對(duì)數(shù)譜具有相似的趨勢(shì).假設(shè)log譜的平均趨勢(shì)是圖像的常態(tài),而跳出平均趨勢(shì)的“突出”部分則是顯著的信息.殘余譜模型通過(guò)分析log譜來(lái)提取圖像在頻率域中的殘余譜,然后在空間域中重建相應(yīng)的顯著圖,選擇一個(gè)合適的閾值即可得到顯著性目標(biāo).基于殘余譜模型檢測(cè)顯著性目標(biāo)的流程如圖2,3所示.給定1張輸入圖像,具體的算法如下.

1) 將給定的彩色圖像I(x)轉(zhuǎn)換為灰度圖像G(x),公式為

G(x)=0.299bR+0.587bG+0.114bB,

(2)

其中bR,bG,bB分別代表紅波段、綠波段、藍(lán)波段的亮度值.

2) 對(duì)灰度圖像進(jìn)行傅里葉變換,將圖像轉(zhuǎn)換到頻率域.在頻率域中,傅里葉頻譜可以由幅度譜A(f)和相位譜P(f)的積表示,取log對(duì)數(shù)將2者之積轉(zhuǎn)為2者之和以便于信息分離,公式為

f=F(G(x)),

(3)

其中F指傅里葉變換.

3) 圖像的殘余譜R(f)由下式定義,即

R(f)=L(f)-hn(f)×L(f).

(4)

其中:圖像的log譜L(f)由幅度譜A(f)取對(duì)數(shù)所得,即L(f) = log(A(f));hn(f)定義為局部均值濾波,因此,hn(f)×L(f)為圖像log譜的平均譜,描述的是log譜的平均趨勢(shì).相應(yīng)地,圖像中的顯著性目標(biāo)包含在殘余譜R(f)中.

(5)

4) 將頻率域中的殘余譜通過(guò)反傅里葉變換在空間域中重建,空間域中對(duì)應(yīng)的顯著圖S(x)由下式計(jì)算,即

S(x)=F-1[exp(R(f)+P(f))]2,

(6)

其中F-1是反傅里葉變換.

圖2 基于殘余譜模型檢測(cè)顯著性目標(biāo)的流程圖Fig.2 Flowchart of SR Model for Detecting Salient Targets

圖3 基于殘余譜方法提取顯著性目標(biāo)的流程圖Fig.3 Flowchart of SR Model for Extracting

1.3 基于殘余譜方法的遙感圖像農(nóng)村居民地提取方法

與自然圖片的紅綠藍(lán)3個(gè)通道不同,高分影像通常由4個(gè)多光譜(紅(R)、綠(G)、藍(lán)(B)和近紅外(Nir))波段和1個(gè)全色波段組成.根據(jù)殘余譜的算法以及流程圖可以看出,該算法首先是將彩色RGB圖像轉(zhuǎn)換為灰度圖像,然后在該灰度圖像的基礎(chǔ)上進(jìn)行后續(xù)的傅里葉變換、殘余譜計(jì)算以及反傅里葉變換.在遙感圖像中,全色波段恰好可以直接作為灰度圖像參與后續(xù)的計(jì)算而無(wú)需轉(zhuǎn)換,但實(shí)驗(yàn)后發(fā)現(xiàn)該選擇的效果不是很好.根據(jù)全色影像的波譜范圍推斷,這可能是由于全色影像包含近紅外譜段的原因.為了驗(yàn)證居民地的提取效果是否受近紅外譜段的影響,從而進(jìn)一步尋找最優(yōu)的波段組合,設(shè)計(jì)了6組不同的波段組合,分別命名為Pan_SR,RGB_SR,NirGB_SR,RNirB_SR,RGNir_SR和Nir_SR,基于殘余譜模型不同的波譜選擇提取居民地的流程如圖4所示.

圖4 基于殘余譜模型不同的波譜選擇提取居民地的流程Fig.4 Flowchart of Residential Region Extraction with Different Bands Using SR Model

Pan_SR:如圖4a所示,與算法中描述的框架不同,模型的輸入由遙感圖像中的Pan波段直接賦值給算法中的灰度圖像,即G(x)=bPan.

RGB_SR:如圖4b所示,與算法中描述的框架一致,模型的輸入由遙感圖像中的R,G和B 3個(gè)多光譜波段轉(zhuǎn)換為灰度圖像,即G(x)=0.299bR+0.587bG+0.114bB.

NirGB_SR:如圖4c所示,模型的輸入由遙感圖像中的Nir,G和B 3個(gè)多光譜波段轉(zhuǎn)換為灰度圖像,即G(x)=0.299bNir+0.587bG+0.114bB.

RNirB_SR:如圖4d所示,模型的輸入由遙感圖像中的R,Nir和B 3個(gè)多光譜波段轉(zhuǎn)換為灰度圖像,即G(x)=0.299bR+0.587bNir+0.114bB.

RGNir_SR:如圖4e所示,模型的輸入由遙感圖像中的R,G和Nir 3個(gè)多光譜波段轉(zhuǎn)換為灰度圖像,即G(x)=0.299bR+0.587bG+0.114bNir.

Nir_SR:如圖4f所示,模型的輸入由遙感圖像中的Nir波段直接賦值給算法中的灰度圖像,即G(x)=bNir.

變量b為輸入影像的波段分量,bPan,bR,bG,bB和bNir分別表示影像的全色波段、紅波段、綠波段、藍(lán)波段和近紅外波段的亮度值,需要說(shuō)明的是,由紅綠藍(lán)多波段圖像轉(zhuǎn)換為灰度圖像,無(wú)論是遙感專業(yè)軟件ENVI還是matlab中的rgb2gray函數(shù),采取G(x)=0.299bR+0.587bG+0.114bB得到灰度圖像.因此,本實(shí)驗(yàn)也以此來(lái)獲取殘余譜算法中的灰度圖像,如NirGB_SR組合,G(x)=0.299bNir+0.587bG+0.114bB,而并非3個(gè)波段取平均值.

2 實(shí)驗(yàn)結(jié)果與分析

2.1 評(píng)價(jià)方法

將殘余譜方法引入到遙感圖像中用于獲取農(nóng)村居民地信息,通過(guò)比較3個(gè)不同傳感器的衛(wèi)星影像,試分析不同的波譜、影像不同的獲取時(shí)間、不同傳感器的選擇對(duì)居民地提取結(jié)果的影響.設(shè)3組對(duì)比實(shí)驗(yàn),第1組實(shí)驗(yàn)分析對(duì)比衛(wèi)星影像不同的波譜對(duì)居民地提取結(jié)果的影響,第2組分析對(duì)比衛(wèi)星影像不同的獲取時(shí)間對(duì)居民地提取結(jié)果的影響,第3組實(shí)驗(yàn)分析比較居民地提取結(jié)果對(duì)傳感器的選擇有無(wú)傾向性.

采用召回率(recall)、準(zhǔn)確率(precision)和F(F-measure)這3個(gè)定量指標(biāo)[30]來(lái)評(píng)估模型的性能,即

(7)

(8)

(9)

其中,R代表召回率,P代表準(zhǔn)確率,nTP指被模型檢測(cè)到的同時(shí)也在地表真實(shí)圖中標(biāo)記為居民地的數(shù)據(jù),nFN指在地表真實(shí)圖中標(biāo)記為居民地但是未被模型檢測(cè)到的數(shù)據(jù),nFP指被模型檢測(cè)到的居民地但在地表真實(shí)圖中未被標(biāo)記的數(shù)據(jù).F是召回率和準(zhǔn)確率的調(diào)和平均值,用于權(quán)衡召回率和準(zhǔn)確率,是綜合反映整體的指標(biāo);β2是用于權(quán)衡召回率和準(zhǔn)確率的一個(gè)正參數(shù),在本實(shí)驗(yàn)中β2=1.

2.2 實(shí)驗(yàn)結(jié)果與分析

2.2.1 不同波譜對(duì)居民地提取結(jié)果的影響

殘余譜算法中,首先是將彩色RGB圖像轉(zhuǎn)換為灰度圖像,然后在灰度圖像的基礎(chǔ)上進(jìn)行后續(xù)的傅里葉變換、殘余譜計(jì)算以及反傅里葉變換.而在遙感圖像中,全色波段的影像恰好能替代殘余譜算法中的灰度圖像,可以直接參與后續(xù)的計(jì)算而無(wú)需轉(zhuǎn)換,但實(shí)驗(yàn)后發(fā)現(xiàn)該策略的效果不是很好.根據(jù)全色影像的波譜范圍,有理由推斷是由于全色影像包含了近紅外譜段.為了驗(yàn)證居民地的提取效果是否受近紅外譜段的影響,從而進(jìn)一步尋找最優(yōu)的波段組合,本組實(shí)驗(yàn)使用高分1號(hào)衛(wèi)星的多光譜影像,采用6個(gè)不同的組合,即Pan_SR,RGB_SR,NirGB_SR,RNirB_SR,RGNir_SR和Nir_SR.基于6個(gè)組合的居民地提取結(jié)果如圖5～7所示.

由圖5～7可知,通過(guò)目視解譯,3個(gè)實(shí)驗(yàn)區(qū)均是RGB_SR組合提取的居民地效果最好,其次是RGNir_SR組合,提取的范圍與地表真實(shí)值較為接近.隨著近紅外譜段占比的增加,提取的效果越來(lái)越差,當(dāng)只有近紅外波段Nir_SR組合時(shí)提取結(jié)果最差.該現(xiàn)象在Test-1和Test-2實(shí)驗(yàn)區(qū)更加明顯,甚至無(wú)法提取出完整的居民地范圍.在Test-3實(shí)驗(yàn)區(qū)中,所有的組合均能提取較為完整的居民地范圍,但是隨著近紅外波段占比的增加,提取出的背景(植被)范圍越來(lái)越多.

為了對(duì)不同波段組合的居民地提取結(jié)果進(jìn)行定量評(píng)價(jià),本組實(shí)驗(yàn)使用precision(P),recall(R)和F-measure(F)3個(gè)評(píng)價(jià)指標(biāo),定量分析結(jié)果如圖8～10所示.可以發(fā)現(xiàn),RGB_SR組合P值最高,RGNir_SR組合次之,Nir_SR組合最低,該結(jié)論與目視解譯的結(jié)果一致.就R值而言,針對(duì)Test-1和Test-2實(shí)驗(yàn)區(qū),仍然是RGB_SR組合最高,RGNir_SR次之,Nir_SR組合最差;但是針對(duì)Test-3實(shí)驗(yàn)區(qū),由于其他組合提取出的背景范圍較大,反而導(dǎo)致RGB_SR和RGNir_SR組合R值有所降低.因此使用F值來(lái)平衡precision與recall,綜合反映提取效果.F值結(jié)果與P值的規(guī)律一致,仍然是隨著近紅外波段占比的增加,提取效果越來(lái)越差.由此可知,RGB_SR組合提取居民地的效果更好,并且隨著近紅外波段占比的增加,提取效果越來(lái)越差,這說(shuō)明近紅外波段在殘余譜方法提取居民地時(shí)具有消極影響.

圖8 基于Test-1影像的不同波譜選擇提取結(jié)果定量評(píng)價(jià)Fig.8 Quantitative Evaluation of Extracted Results from GF-1 Test-1 Image with Different Spectral Selection

圖9 基于Test-2影像的不同波譜選擇提取結(jié)果定量評(píng)價(jià)Fig.9 Quantitative Evaluation of Extracted Results from GF-1Test-2 Image with Different Spectral Selection

圖10 基于Test-3影像的不同波譜選擇提取結(jié)果定量評(píng)價(jià)Fig.10 Quantitative Evaluation of Extracted Results from GF-1Test-3 Image with Different Spectral Selection

2.2.2 不同獲取時(shí)間對(duì)居民地提取結(jié)果的影響

本組實(shí)驗(yàn)對(duì)比影像的不同獲取時(shí)間對(duì)居民地提取結(jié)果的影響,實(shí)驗(yàn)的衛(wèi)星影像包括4月獲取的GF-1影像、ZY-3影像以及8月獲取的WV-2影像.為了只考慮影像獲取時(shí)間對(duì)居民地提取結(jié)果的影響,將GF-1和ZY-3影像分別進(jìn)行預(yù)處理,即GF-1衛(wèi)星2 m的全色影像與8 m的多光譜影像進(jìn)行融合后得到2 m分辨率的多光譜影像,ZY-3衛(wèi)星的2.1 m全色影像與5.8 m的多光譜影像進(jìn)行融合后得到2.1 m分辨率的多光譜影像.融合后的GF-1影像和ZY-3影像與1.8 m的WV-2多光譜影像的空間分辨率很接近,因此可以忽略這3個(gè)傳感器空間分辨率的差異.

根據(jù)上述實(shí)驗(yàn)結(jié)論,本組實(shí)驗(yàn)直接采用RGB_SR組合進(jìn)行居民地的提取.不同獲取時(shí)間的遙感影像的居民地提取結(jié)果如圖11～13所示,通過(guò)目視解譯發(fā)現(xiàn),RGB_SR組合基本上將這3個(gè)衛(wèi)星影像的居民地都較為完整地提取出來(lái),且提取的居民地范圍與地表真實(shí)值大體一致.但是,每個(gè)居民地提取結(jié)果的范圍仍然存在一些差異,經(jīng)過(guò)對(duì)比發(fā)現(xiàn),8月WV-2影像提取的居民地范圍更貼近地表真實(shí)值.

a.實(shí)驗(yàn)區(qū)4影像; b.地表真實(shí)值; c.GF-1 2 m影像(4月); d.ZY-3 2.1 m影像(4月); e.WV-2 1.8 m影像(8月).圖11 基于Test-4影像不同獲取時(shí)間的提取結(jié)果Fig.11 The Extracted Results of Test-4 Image with Different Acquisition Times

a.實(shí)驗(yàn)區(qū)5影像; b.地表真實(shí)值; c.GF-1 2 m影像(4月); d.ZY-3 2.1 m影像(4月); e.WV-2 1.8 m影像(8月).圖12 基于Test-5影像不同獲取時(shí)間的提取結(jié)果Fig.12 The Extracted Results of Test-5 Image with Different Acquisition Times

a.實(shí)驗(yàn)區(qū)6影像; b.地表真實(shí)值; c.GF-1 2 m影像(4月); d.ZY-3 2.1 m影像(4月); e.WV-2 1.8 m影像(8月).圖13 基于Test-6影像不同獲取時(shí)間的提取結(jié)果Fig.13 The Extracted Results of Test-6 Image with Different Acquisition Times

為了更準(zhǔn)確地分析影像的不同獲取時(shí)間對(duì)居民地提取的影響,對(duì)3個(gè)衛(wèi)星影像的居民地提取結(jié)果進(jìn)行定量評(píng)價(jià),結(jié)果見(jiàn)圖14.由此可知,8月WV-2影像提取的居民地結(jié)果對(duì)應(yīng)的P值均高于4月GF-1影像和ZY-3影像提取的結(jié)果.此外,所有影像提取結(jié)果的R值都較高,且大于90 %,這是由于采用RGB_SR組合對(duì)3幅衛(wèi)星影像均能夠完整地提取出居民地的范圍.F值與P值的結(jié)論一致,仍然是WV-2影像的居民地提取效果優(yōu)于GF-1和ZY-3影像.這是由于8月的植被生長(zhǎng)相比于4月更加茂盛,在影像中表現(xiàn)為與居民地的對(duì)比度更大,因此8月獲取的衛(wèi)星影像居民地提取效果相比于4月更好.

2.2.3 不同傳感器對(duì)居民地提取結(jié)果的影響

實(shí)驗(yàn)的衛(wèi)星影像仍為4月獲取的GF-1和ZY-3融合后的影像,由于融合后的GF-1影像和ZY-3影像的空間分辨率很接近,因此可以忽略這2個(gè)傳感器空間分辨率的差異.

本組實(shí)驗(yàn)仍然直接采用RGB_SR組合進(jìn)行居民地的提取.不同傳感器遙感影像居民地的提取結(jié)果如圖11～13所示,通過(guò)目視解譯發(fā)現(xiàn),該方法基本上將這2個(gè)傳感器影像的居民地均較為完整地提取出來(lái),且提取的居民地范圍與地表真實(shí)值大體一致.

a.Test-4影像; b.Test-5影像; c.Test-6影像.圖14 不同獲取時(shí)間的衛(wèi)星影像提取結(jié)果定量評(píng)價(jià)Fig.14 Quantitative Evaluation of Test Images with Different Acquisition Times

為了更準(zhǔn)確地分析不同傳感器影像對(duì)居民地提取的影響,對(duì)不同衛(wèi)星影像的居民地提取結(jié)果進(jìn)行定量評(píng)價(jià),對(duì)比結(jié)果如圖14所示.在3個(gè)實(shí)驗(yàn)居民地中,Test-4實(shí)驗(yàn)區(qū)GF-1影像的P值略高于ZY-3影像,Test-5和Test-6實(shí)驗(yàn)區(qū)GF-1影像的P值略低于ZY-3影像.此外,所有影像提取結(jié)果的R值都較高,且Test-4和Test-5實(shí)驗(yàn)區(qū)GF-1影像的R值略低于ZY-3影像,而Test-6實(shí)驗(yàn)區(qū)GF-1影像的R值略高于ZY-3影像.F值與R值的結(jié)論一致,仍是Test-4和Test-5實(shí)驗(yàn)區(qū)GF-1影像F值略低于ZY-3影像,Test-6實(shí)驗(yàn)區(qū)GF-1影像的F值略高于ZY-3影像.綜合以上可知,GF-1影像與ZY-3影像精度相差不大,該方法用于農(nóng)村居民地提取對(duì)GF-1和ZY-3傳感器的影像沒(méi)有明顯的傾向性.

3 討 論

3.1 不同波譜組合對(duì)居民地提取結(jié)果的影響

衛(wèi)星影像中RGB組合提取的居民地效果更好,并且隨著近紅外波段占比的增加,提取效果越來(lái)越差,說(shuō)明近紅外波段在殘余譜方法提取居民地時(shí)具有消極的影響.這是由于植被的反射波譜在近紅外波段有一個(gè)大的反射峰,這種現(xiàn)象的出現(xiàn)是由植物葉子內(nèi)部構(gòu)造控制的,因此近紅外波段多用于識(shí)別植被,而居民地內(nèi)的建筑物與植被的波譜響應(yīng)不同,近紅外波段對(duì)植物的高響應(yīng)會(huì)對(duì)居民地的提取有一定的干擾,近紅外波段占比越多,提取的植被背景越多,提取效果越差,因此近紅外波段在殘余譜方法提取居民地時(shí)具有消極影響.

3.2 不同影像獲取時(shí)間對(duì)居民地提取結(jié)果的影響

在對(duì)比不同影像獲取時(shí)間對(duì)居民地提取的影響時(shí)發(fā)現(xiàn),8月獲取的影像提取居民地的效果相比于4月獲取的影像更好,不同季節(jié)的影像在遙感影像上的顯示不同,夏季植被茂盛,在影像中的顯示與建筑物的對(duì)比度更大,而該方法的原理也是直接關(guān)注圖像中背景信息的規(guī)律,因此,植被茂盛的背景信息更能突出該方法的優(yōu)勢(shì),所以8月的影像對(duì)居民地的提取效果相比4月更好.

3.3 不同傳感器選擇對(duì)居民地提取結(jié)果的影響

在不同傳感器的對(duì)比實(shí)驗(yàn)中,針對(duì)同一地點(diǎn)、相同分辨率和獲取時(shí)間的GF-1和ZY-3影像進(jìn)行居民地提取結(jié)果顯示,GF-1和ZY-3影像提取的居民地范圍大體一致,同時(shí)定量分析也表明殘余譜方法對(duì)2者的選擇無(wú)明顯傾向性.殘余譜方法只關(guān)注圖像背景部分,不同傳感器的背景部分大致相同,因此殘余譜方法對(duì)影像傳感器的選擇無(wú)明顯傾向性.

4 結(jié) 論

通過(guò)3組實(shí)驗(yàn)對(duì)比分析不同波譜組合、不同獲取時(shí)間以及不同傳感器的影像對(duì)居民地提取結(jié)果的影響,得出如下結(jié)論:紅、綠、藍(lán)(R,G,B)3個(gè)波段的組合提取居民地效果較好,若能獲取夏季的影像,如8月居民地提取的精度會(huì)得到進(jìn)一步提升,但提取結(jié)果對(duì)實(shí)驗(yàn)中不同傳感器的選擇無(wú)明顯傾向性.針對(duì)3個(gè)不同傳感器進(jìn)行實(shí)驗(yàn),驗(yàn)證了該方法在衛(wèi)星影像提取農(nóng)村居民地的應(yīng)用中具有一定的普適性,且簡(jiǎn)單快速;但仍存在一定的不足,如當(dāng)影像內(nèi)含有多個(gè)居民點(diǎn)時(shí)結(jié)果并不令人滿意,后續(xù)可以進(jìn)行改進(jìn),使該方法能夠同時(shí)提取多個(gè)居民點(diǎn)區(qū)域.