余先川，安衛(wèi)杰，呂中華，鄒 偉

(1.北京師范大學(xué)信息科學(xué)與技術(shù)學(xué)院，北京 100875;2.中國地質(zhì)科學(xué)院礦產(chǎn)資源研究所，北京100037)

一種基于光譜角和光譜距離自動(dòng)加權(quán)融合分類方法

余先川1，安衛(wèi)杰1，呂中華1，鄒 偉2

(1.北京師范大學(xué)信息科學(xué)與技術(shù)學(xué)院，北京 100875;2.中國地質(zhì)科學(xué)院礦產(chǎn)資源研究所，北京100037)

高分辨率遙感影像分類一直是業(yè)內(nèi)研究的熱點(diǎn)之一，考慮到影像地物光譜角和光譜距離在分類中具有較好的互補(bǔ)性，提出了一種基于光譜角和光譜距離自動(dòng)加權(quán)融合的分類方法，對(duì)傳統(tǒng)多分類器分類的融合策略進(jìn)行改進(jìn)，能夠在訓(xùn)練階段根據(jù)樣本自動(dòng)地調(diào)整好各分類器對(duì)各類別進(jìn)行分類的權(quán)重系數(shù)，使得融合后的分類結(jié)果更加科學(xué)和準(zhǔn)確。QuickBird影像的分類實(shí)驗(yàn)表明，方法的分類精度明顯優(yōu)于單純的光譜角或距離法，可廣泛用于各種高分辨率影像的分類識(shí)別。

分類;光譜角;光譜距離;遙感;空間數(shù)據(jù);QuickBird

0 引言

遙感影像分類是將遙感影像(彭望琭等，2003)中的每個(gè)像元?jiǎng)潥w到不同類別中去的過程，它主要經(jīng)歷了兩個(gè)發(fā)展階段(劉仁釗等，2005)：從最原始的目視解譯到后來的用計(jì)算機(jī)進(jìn)行分類。從分類的層次來看，可將分類方法劃分為基于像元的分類和面向?qū)ο蟮姆诸?曹寶等，2006)?；谙裨诸惙ㄊ沁b感影像分析的經(jīng)典方法，在技術(shù)和應(yīng)用上都已經(jīng)很成熟，主要包括無監(jiān)督分類和監(jiān)督分類(梅安新等，2001)。無監(jiān)督分類是在沒有先驗(yàn)類別知識(shí)的情況下，根據(jù)圖像本身的統(tǒng)計(jì)特征及自然點(diǎn)群的分布情況來劃分地物類別的分類處理。常用的方法有貝葉斯學(xué)習(xí)、最大似然度分類和聚類等。監(jiān)督分類最顯著的特點(diǎn)是先進(jìn)行訓(xùn)練再進(jìn)行分類。常用的監(jiān)督分類法有(遙李爽等，2002;李石華等，2005;潘建剛等，2004)：平行六面體法、波譜角、最短距離、最近鄰、馬氏距離、最大似然法、決策樹等。后來又將新的分類方法和模式識(shí)別理論不斷地引入到遙感影像分類識(shí)別的應(yīng)用中，比如，針對(duì)遙感信息的分析具有不確定性、多解性和模糊性，模糊分類日益成為遙感數(shù)字圖像處理的有效手段，在遙感影像分類識(shí)別中得到廣泛的應(yīng)用(Nauck et al，1997;Ho et al，2002);人工神經(jīng)網(wǎng)絡(luò)(ANNs)也較早地應(yīng)用于遙感分類中，其中多層感知器模型應(yīng)用最為廣泛，隨著神經(jīng)網(wǎng)絡(luò)理論的發(fā)展，許多學(xué)者分別提出了應(yīng)用BP網(wǎng)、徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)、Hopfield網(wǎng)等對(duì)遙感影像進(jìn)行監(jiān)督分類(張寶光，1998;陳玉敏，2002)。隨著多分類器結(jié)合方法的研究在模式識(shí)別領(lǐng)域逐漸興起，多分類器融合分類思想也逐漸在遙感圖像分類領(lǐng)域也得到應(yīng)用(柏延臣等，2005)。

對(duì)于遙感影像，為了提高分類結(jié)果的穩(wěn)定性和可靠性，有不少學(xué)者提出將多分類器融合的思想用于遙感分類。這些方法的研究和應(yīng)用在一定程度上使得分類精度得到提升，但是其中仍存在的一些問題值得進(jìn)一步研究和改進(jìn)。比如，在分類器的選擇方面，存在盲目地追求分類器的多和全，而缺乏對(duì)分類器之間的互補(bǔ)性的考慮。實(shí)際上，在多分類融合的分類中，只有互補(bǔ)性好的分類器才能在分類中發(fā)揮更大的作用，而那些互補(bǔ)性差的分類器(表現(xiàn)為分類結(jié)果完全一致)在分類中所發(fā)揮的作用并不大，反而會(huì)降低整體分類的效率。另外，在分類結(jié)果融合方面所采用的方法過于簡(jiǎn)單，通常采用的分類結(jié)果融合方法是“投票法”和“求均值法”，這些方法缺少對(duì)各個(gè)分類器貢獻(xiàn)大小的考慮且算法的靈活性不足。

1 光譜角分類法概述

光譜角(SAM)，又稱波譜角(Jensen，2005)，是以運(yùn)算影像像元的光譜與樣本參考光譜之間的夾角來區(qū)分類別。其原理是把像元的光譜(多個(gè)波段的像素值)作為矢量投影到N維空間上，維度N為實(shí)驗(yàn)時(shí)選取的波段數(shù)。在N維空間中，各光譜曲線被看作有方向且有長(zhǎng)度的矢量，而光譜之間形成的夾角叫光譜角(圖1)。光譜角分類法是依據(jù)光譜角的大小來進(jìn)行分類的，而沒有考慮光譜矢量的長(zhǎng)度(影像的亮度)。因此，光譜角分類法對(duì)亮度值的影響并不敏感(王旭紅等，2008)。

圖1 光譜角示意圖

在N維空間上，光譜角分類方法是以數(shù)學(xué)公式的形式來獲得估計(jì)像元光譜矢量與參考光譜矢量之間的角度，其光譜角的數(shù)學(xué)表達(dá)式為：

式中，X為像元的光譜矢量;Y為參考類別的光譜矢量;α為光譜間的夾角，代表了光譜曲線之間的相似性，α越小代表X與Y越接近。

式(1)也可以等價(jià)變形為cos θ形式表示：

此時(shí)，用cos α表示X與Y的相似度，cos α的值越大表示光譜X與Y越接近，cos α=1時(shí)，X與Y的相似度最高。

2 光譜角和光譜距離算法描述

光譜角和光譜距離分別反應(yīng)的是光譜特性的兩個(gè)方面，光譜角分類依據(jù)光譜間的夾角大小(光譜角的相似度)來進(jìn)行類別的劃分，對(duì)光譜矢量的長(zhǎng)度(影像的亮度)并不敏感;而光譜距離則依據(jù)光譜矢量之間的距離來判別類別，而忽視了對(duì)光譜間的夾角大小的考慮，因此二者的分類結(jié)果存在著較好的互補(bǔ)性，基于此，筆者提出了一種基于光譜角和光譜距離自動(dòng)加權(quán)融合的分類方法，它是一種基于像元的監(jiān)督分類方法。

2.1 分類器的訓(xùn)練

在光譜角和光譜距離分類方法中，分類器訓(xùn)練的關(guān)鍵問題在于調(diào)整好每一類別所對(duì)應(yīng)的光譜距離和光譜角的分類權(quán)重，從而使分類的準(zhǔn)確率達(dá)到訓(xùn)練所要求的水平。訓(xùn)練過程就是通過反復(fù)迭代修正各類別的光譜距離和光譜角權(quán)重的過程。圖2為分類器訓(xùn)練過程的示意圖。

圖2 分類器訓(xùn)練過程示意圖

其中，具體的權(quán)重調(diào)整規(guī)則如下。

(1)若最終的分類結(jié)果和樣本的實(shí)際類別一致則不進(jìn)行權(quán)值調(diào)整。

(2)若最終分類結(jié)果和樣本的實(shí)際類別不一致，而光譜距離所得的分類結(jié)果與樣本的實(shí)際類別一致，則加大該實(shí)際類別的光譜距離的權(quán)重系數(shù)。

(3)若最終分類結(jié)果和樣本的實(shí)際類別不一致，而按光譜角所得的分類結(jié)果與樣本的實(shí)際類別一致，則加重該實(shí)際類別的光譜角的權(quán)重。

(4)若最終分類結(jié)果、光譜距離所得分類結(jié)果、光譜角所得分類結(jié)果和樣本的實(shí)際類別都不一致，則降低所得最終分類類別的光譜角或光譜距離的權(quán)重。

2.2 分類決策

計(jì)算待識(shí)別像元到與每一類的光譜距離相似度和光譜角相似度，根據(jù)各類別的權(quán)重系數(shù)得到該像元與每一類的總體相似度，選擇其中相似度最高的類別，將該像元?jiǎng)澐譃樵擃悺?/p>

3 實(shí)驗(yàn)分析

采用的實(shí)驗(yàn)數(shù)據(jù)為QuickBird高空間分辨率遙感影像，拍攝于2005年5月31日，空間分辨率為2.44 m，紅、綠、藍(lán)3個(gè)光譜波段。實(shí)驗(yàn)數(shù)據(jù)大小為700×550像素，對(duì)應(yīng)的實(shí)際位置為北京師范大學(xué)的校園，圖3為原始遙感影像，影像中的主要地物可劃分為：樹木，草地、假草、硅膠跑道、灰色建筑、白色建筑、陰影等。在原始影像上，為每一類地物選擇樣本構(gòu)成分類的訓(xùn)練樣本集，并在這同一訓(xùn)練樣本集下分別進(jìn)行了傳統(tǒng)的最小距離、光譜角分類和筆者提出的基于光譜角和光譜距離自動(dòng)加權(quán)的融合分類的實(shí)驗(yàn)，所得實(shí)驗(yàn)結(jié)果分別如圖4、圖5和圖6所示。

圖3 QuickBird北京師范大學(xué)校園原始影像

圖4 QuickBird北京師范大學(xué)校園最小距離分類結(jié)果(KeenEye 2.0)

圖5 QuickBird北京師范大學(xué)校園光譜角分類結(jié)果(KeenEye 2.0)

圖6 基于光譜角和光譜距離自動(dòng)加權(quán)融合分類結(jié)果(KeenEye 2.0)

隨機(jī)選擇50個(gè)樣本點(diǎn)進(jìn)行地面驗(yàn)證，得到3種分類方法分類的精度對(duì)比(表1)。

表1 3種分類方法結(jié)果對(duì)比

從表1實(shí)驗(yàn)數(shù)據(jù)可以看出，基于光譜角和光譜距離自動(dòng)加權(quán)融合分類方法的總體分類精度和Kappa系數(shù)均高于傳統(tǒng)的兩種分類方法。從分類的視覺效果來看，前兩種分類方法的分類結(jié)果顯得比較破碎，出現(xiàn)的“椒鹽現(xiàn)象”相對(duì)比較嚴(yán)重，而后者的分類結(jié)果則相對(duì)比較清晰和易于理解，原因在于筆者所提出的方法正是前兩種分類方法分類結(jié)果的融合，是充分發(fā)揮了前兩種分類方法的優(yōu)勢(shì)所得到的結(jié)果，分類的穩(wěn)定性和抗噪能力得到加強(qiáng)。

4 結(jié)論

筆者提出的一種基于光譜角和光譜距離自動(dòng)加權(quán)融合的分類方法，考慮到分類器之間的互補(bǔ)性，對(duì)傳統(tǒng)多分類器分類的融合策略進(jìn)行了改進(jìn)，并且能在訓(xùn)練階段根據(jù)樣本分類屬性自動(dòng)調(diào)整各分類器對(duì)各類別進(jìn)行分類的光譜角和光譜距離的權(quán)重系數(shù)，使融合后分類結(jié)果更加科學(xué)和準(zhǔn)確。實(shí)驗(yàn)表明，該方法能夠在分類中較好的發(fā)揮光譜角和光譜距離兩者的優(yōu)勢(shì)，使分類的精度得到提高。

柏延臣，王勁峰.2005.結(jié)合多分類器的遙感數(shù)據(jù)專題分類方法研究［J］.遙感學(xué)報(bào)，9(5)：555-563.

曹寶，秦其明.2006.面向?qū)ο蠓椒ㄔ赟POT 5遙感圖像分類中的應(yīng)用［J］.地理與地理信息科學(xué)，22(2)：46-49.

陳玉敏.2002.基于神經(jīng)網(wǎng)絡(luò)的遙感影像分類研究［J］.測(cè)繪信息與工程，27(3)：6-8.

李石華，王金亮，畢艷，等.2005.遙感圖像分類方法研究綜述［J］.國土資源遙感，(2)：1-6.

劉仁釗，廖文峰.2005.遙感圖像分類應(yīng)用研究綜述［J］.地理空間信息，3(5)：11-13.

梅安新，彭望祿，秦其明，等.2001.遙感導(dǎo)論［M］.北京：高等教育出版社.

潘建剛，趙文吉，宮輝力.2004.遙感圖像分類方法的研究［J］.首都師范大學(xué)學(xué)報(bào)：自然科學(xué)版，25(3)：86-91.

彭望琭，余先川，周濤，等.2003.遙感與影像解譯［M］.4版.北京：電子工業(yè)出版社.

王旭紅，賈百俊，郭建明，等.2008.基于SAM遙感影像的分類技術(shù)研究［J］.西北大學(xué)學(xué)報(bào)：自然科學(xué)版，38(4)：668-672.

遙李爽，丁圣彥，許叔明.2002.感影像分類方法比較研究［J］.河南大學(xué)學(xué)報(bào)：自然科學(xué)版，32(2)：70-73.

張寶光.1998.人工神經(jīng)網(wǎng)絡(luò)在遙感數(shù)字圖像分類處理中的應(yīng)用［J］.國土資源遙感，(1)：21-27.

NAUCK D，KRUSE R.1997.A Neuro-Fuzzy Method to Learn Fuzzy Classification Rules from Data［J］.Fuzzy Sets and Systems，89(3)：277-288.

JENSEN J R.2005.Introductory Digital Image Processing：A Remote Sensing Perspective，NY：Springer-Verlag.

HO SHIN-YING，LIU CHIA-CHENG，LIU SOUNDY.2002.Design of an Optimal Nearest Neighbor Classifier Using an Intelligent Genetic Algorithm ［J］.Pattern Recognition Letters，23(13)：1495-1503.

Automatic weighting fusion classification method based on spectral angle and spectral distance

YU Xian-chuan1，AN Wei-jie1，LV Zhong-hua1，ZOU Wei2

(1.College of Information Science and Technology，Beijing Normal University，Beijing 100875，China;2.Institute of Mineral Resources，Chinese Academy of Geological Sciences，Beijing 100037，China)

High resolution remote sensing image classification was one of the vital research points in the remote sensing field.Considering the high complementary of spectral angle and spectral distance in the classification，a new method called automatic weighting fusion classification based on spectral angel and spectral distance was proposed.It was an improvement of the strategy to merge the results of different classifiers based on automatic weighting fusion for different classifiers，which promoted the classification accuracy.The experimental results of QuickBird images showed that the classification accuracy of this method obviously exceeded both spectral angel classification and spectral distance classification，and this method could be widely used to classify and recognize various high spatial resolution remote sensing images.

Classification;Spectral angle;Spectral distance;Remote sensing;Spatial data;QuickBird

TP392

A

1674-3636(2012)01-0033-04

2012-01-05;編輯：陸李萍

國家高科技研究發(fā)展計(jì)劃(2007AA12Z156);國家自然科學(xué)基金(40672195、41072245);北京市自然科學(xué)基金(4102029)

余先川(1967— )，男，博士，博士生導(dǎo)師，主要從事遙感影像與地質(zhì)信息處理與分析，E-mail：yuxianchuan@163.com

10.3969/j.issn.1674-3636.2012.01.33