摘 要：本文基于筆者多年從事航測數(shù)據(jù)處理的相關(guān)工作經(jīng)驗(yàn)，以航空影像建筑物提取為研究對(duì)象，采用面向?qū)ο蟮乃悸?，探討了預(yù)處理、特征選擇、外形初步提取等一套流程形成的思路方法，并進(jìn)行了實(shí)驗(yàn)，全文是筆者長期工作實(shí)踐基礎(chǔ)上的理論升華，相信對(duì)從事相關(guān)工作的同行能有所裨益。

關(guān)鍵詞：面向?qū)ο?航空影像 建筑物提取 光譜特征

中圖分類號(hào)：P23 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2013）01（b）-0043-02

面向?qū)ο笮畔⑻崛∈且詫?duì)象為基本單位來進(jìn)行的，其關(guān)鍵步驟有兩個(gè)：多尺度影像分割（對(duì)象生成）和影像信息提取。其中，分割（對(duì)象生成）是面向?qū)ο笮畔⑻崛》椒ǖ幕A(chǔ)，分割結(jié)果的好壞直接關(guān)系到后續(xù)信息提取結(jié)果的精度。本文提出的面向?qū)ο蟮慕ㄖ锿庑翁崛』舅悸肥牵侯A(yù)處理→多尺度分割→建筑物特征選擇→初步提取→優(yōu)化外形。

1 預(yù)處理

本文的預(yù)處理采用影像融合，隨著多種遙感衛(wèi)星的發(fā)射成功，我們有了許多可利用的多傳感器、多時(shí)相、多分辨率和多光譜遙感影像。遙感影像的信息提取常常要求把多傳感器、多時(shí)相、多光譜和多分辨率影像進(jìn)行融合分析，以提取感興趣的信息。

圖像融合的定義可描述為：將傳感器獲取的圖像數(shù)據(jù)預(yù)處理后，采用一定的算法將各圖像中所包含的信息有機(jī)的結(jié)合起來，以產(chǎn)生新的數(shù)據(jù)，來獲得對(duì)同一事物或目標(biāo)更客觀、更本質(zhì)的認(rèn)識(shí)。從而大大提高融合圖像的信息含量并使其在特征提取、分類、目標(biāo)識(shí)別以及目視效果等方面更為有效。其優(yōu)點(diǎn)可以歸納如下。

（1）可靠的數(shù)據(jù)來源。在有若干傳感器不能被利用或受干擾，或某個(gè)目標(biāo)/事件不在覆蓋范圍內(nèi)時(shí)，至少有一種傳感器可以提供圖像信息。

（2）增加測量維數(shù)，增加了置信度。利用對(duì)同一目標(biāo)的多波段、多時(shí)相、多角度的圖像數(shù)據(jù)可以更全面地揭示目標(biāo)的本質(zhì)特性，提高目標(biāo)判別結(jié)果的可靠性。

（3）提高了空間分辨率。多傳感器孔徑可以獲得比任何單一傳感器更高的圖像分辨率。

（4）信息互補(bǔ)。不同的影像傳感器由于其觀測能力的片面性，不能全面的反映地物的整體信息，將不同類型、不同時(shí)相的影像數(shù)據(jù)進(jìn)行針對(duì)性的融合可以進(jìn)行信息互補(bǔ)。

（5）改進(jìn)了系統(tǒng)的可靠性和可維護(hù)性，且降低了對(duì)單個(gè)傳感器的性能要求。

通過實(shí)驗(yàn)要求及實(shí)驗(yàn)所得效果比較，采用本文主成份變換融合法對(duì)Quickbird全色和多光譜圖像進(jìn)行融合。

2 建筑物特征選擇

建筑物特征選擇與提取是在影像分割得到多邊形對(duì)象基礎(chǔ)上進(jìn)行的，通過分割得到多邊形對(duì)象并不是最終目的，而是為后續(xù)分類提供更多的描述特征，參與影像分類的因子不僅包括對(duì)象的光譜信息，還有對(duì)象的紋理、形狀、拓?fù)洹⒄Z義等信息，但并不是特征越多，效果越好，特征提取也是研究的關(guān)鍵。由此，本節(jié)重點(diǎn)定量化描述了這些特征，并介紹了特征提取的策略，同時(shí)提出并解決了特征選擇與提取實(shí)現(xiàn)中的關(guān)鍵問題。影像對(duì)象包含了豐富的特征信息，它主要包括光譜、幾何、紋理等特征。

2.1 光譜特征

光譜特征是所有描述影像對(duì)象與像元灰度值相關(guān)特征的集合，反映對(duì)象的光譜信息。它包括影像對(duì)象的均值、均方差、亮度、比率等。

2.2 幾何特征

影像對(duì)象的形狀特征反映了對(duì)象的幾何特征，形狀特征是所有描述影像對(duì)象本身形狀特征的集合，反映對(duì)象的形狀方面的信息。它是在提取區(qū)域邊界點(diǎn)的基礎(chǔ)上形成的，計(jì)算形狀特征的理論基礎(chǔ)是根據(jù)矢量化后各點(diǎn)的坐標(biāo)組成的協(xié)方差矩陣，即：

其中，X和Y分別是該對(duì)象的所有像元坐標(biāo)（x，y）組成的矢量，var（x），var（y）分別是X和Y的方差，cov（XY）是X，Y之間的協(xié)方差。

2.3 紋理特征

紋理在遙感影像分類中占有重要地位，描述紋理最常用的方法有灰度共生矩陣（Grey Level Concurrence Matix，GLC-M）。通過分析與實(shí)驗(yàn)，得到建筑物與其他地物對(duì)比度較大的有光譜特征和形狀特征。所以本文將從光譜特征和形狀特征中選擇特征參數(shù)進(jìn)行提取建筑物外形。

3 建筑物外形初步提取

本文使用基于模糊規(guī)則的分類器進(jìn)行提取建筑物外形。模糊分類器能夠較準(zhǔn)確地提取所屬類別的對(duì)象。選擇不同地物最優(yōu)尺度對(duì)原始影像分割而成的多尺度影像是進(jìn)行地物信息有效提取的前提，它是將固定尺度的影像轉(zhuǎn)換為各種地物對(duì)應(yīng)的尺度影像，使地物在各自的最佳尺度上顯示，尺度分割只完成了面向?qū)ο笥跋穹治龅囊徊糠?。要想提取出感興趣的地物就必須要對(duì)影像對(duì)象進(jìn)行分類，研究表明模糊分類器分類影像對(duì)象效果較好。一般模糊分類器的設(shè)計(jì)要考慮以下幾方面內(nèi)容。

（1）模糊特征空間選擇，即在眾多的特征中選擇相對(duì)獨(dú)立的特征組成模糊空間。

（2）模糊分類規(guī)則的建立。

（3）模糊集隸屬函數(shù)（Membership Funetion）的選擇及參數(shù)調(diào)節(jié)。

4 實(shí)驗(yàn)

本實(shí)驗(yàn)應(yīng)用Erdas做影像融合，Ecognition實(shí)現(xiàn)分割提取，Matlab優(yōu)化提取結(jié)果。

首先應(yīng)用主成份變換進(jìn)行融合，然后對(duì)融合后的影像進(jìn)行多尺度分割。本實(shí)驗(yàn)在進(jìn)行多尺度影像分割之前，充分考慮了以下幾點(diǎn)：（1）分割過程應(yīng)該生成高度同質(zhì)的分割區(qū)域，分割后的小區(qū)域具有最優(yōu)的可分離性與代表性。（2）由于影像分析問題與給定尺度遙感數(shù)據(jù)的空間結(jié)構(gòu)有關(guān)系，那么分割后對(duì)象的平均大小必須與建筑物的尺度大小相適宜。（3）分割過程應(yīng)該具有普遍性，能適用于多種不同類型的數(shù)據(jù)與問題；分割成果應(yīng)該具有再生性等。由于實(shí)驗(yàn)數(shù)據(jù)只有四個(gè)波段，所以它們將都參與分割，將權(quán)重都設(shè)置為1。由于建筑物的特殊性選擇異質(zhì)性尺度為50，同質(zhì)性的顏色因子和形狀因子各取0.5，緊湊度和光滑度也各取0.5，進(jìn)行分割。

融合后的影像被分割成不同的多邊形對(duì)象，如何將屬于建筑物的對(duì)象提取出來呢？這就需要分析研究建筑物的特征。首先建筑物的亮度值在（150.5，184），把這個(gè)范圍內(nèi)的地物提取出來形成建筑物的候選區(qū)。在候選區(qū)中我們發(fā)現(xiàn)主要是建筑物和道路兩種地物，經(jīng)過反復(fù)實(shí)驗(yàn)，區(qū)別這兩種地物的主要特征是形狀特征。在形狀特征中，由于建筑物的幾何特征，本實(shí)驗(yàn)首先選擇“矩形匹配”特征；其次根據(jù)道路的形狀特征，選擇“最大方向”特征。所謂的“最大方向”特征是指影像對(duì)象的空間分布協(xié)方差矩陣中最大特征向量的方向特征。根據(jù)這兩個(gè)特征進(jìn)一步提取，建筑物外形就基本顯現(xiàn)出來了。但是由于圖像的光譜范圍、建筑物自身附帶的其他人造目標(biāo)（如太陽能熱水器）等因素影像，提取出來的建筑物外形并不是規(guī)則形狀。所以下一步就要進(jìn)行外形優(yōu)化。

本實(shí)驗(yàn)設(shè)計(jì)了一個(gè)方向?yàn)?6°，大小9×9的結(jié)構(gòu)元素進(jìn)行形態(tài)學(xué)開運(yùn)算，優(yōu)化建筑物外形。根據(jù)本文提出的方法進(jìn)行編程和實(shí)驗(yàn)，得到的結(jié)果圖如圖1。

5 結(jié)語

本文發(fā)展了一種面向?qū)ο蟮慕ㄖ锿庑翁崛》椒?。?yīng)用多尺度分割技術(shù)將具有高空間分辨率和高光譜信息的融合影像分割成不同的對(duì)象，依據(jù)建筑物特征自定義分類因子，運(yùn)用模糊分類技術(shù)對(duì)建筑物外形進(jìn)行初步提取，最后通過形態(tài)學(xué)開運(yùn)算進(jìn)行結(jié)果優(yōu)化。

參考文獻(xiàn)

[1]唐亮，謝維信，黃建軍，等.直線Snakes及其在建筑物提取中的應(yīng)用[J].西安電子科技大報(bào)，2005，32（1）：60-65.

[2]宋文濤.基于數(shù)字?jǐn)z影測量的DOM制作與應(yīng)用研究[J].測繪通報(bào)，2010（2）.

[3]杜金莉.正射影像圖的制作與應(yīng)用研究[J].測繪通報(bào)，2009（24）.

[4]胡海駒.SPOT-5衛(wèi)星DOM制作的質(zhì)量控制研究[J].測繪通報(bào)，2008（20）.

[5]王衍臻.城市空間信息工程理論與應(yīng)用研究[D].武漢大學(xué)，2004.