何忠煥，魏永強(qiáng)，王 強(qiáng)

（1.國(guó)家測(cè)繪地理信息局 重慶測(cè)繪院,重慶 400015）

面向?qū)ο蟮膰?guó)情監(jiān)測(cè)LCA提取方法

何忠煥1，魏永強(qiáng)1，王 強(qiáng)1

（1.國(guó)家測(cè)繪地理信息局 重慶測(cè)繪院,重慶 400015）

介紹了面向?qū)ο蟮牡匚锾崛〖夹g(shù)，從地理國(guó)情監(jiān)測(cè)工程化應(yīng)用角度出發(fā)，闡述了面向?qū)ο筇崛〉乩韲?guó)情地表覆蓋在生產(chǎn)中的作業(yè)方法和技術(shù)流程。通過(guò)實(shí)驗(yàn)證明了該方法的可行性和可靠性，并探討了參數(shù)設(shè)置的相關(guān)注意事項(xiàng)。

地理國(guó)情監(jiān)測(cè)；地表覆蓋數(shù)據(jù)；面向?qū)ο筇崛?/p>

1 技術(shù)方法比較

隨著計(jì)算機(jī)技術(shù)和傳感器技術(shù)的飛躍發(fā)展，遙感影像的分辨率越來(lái)越高，時(shí)效性越來(lái)越強(qiáng)。地物要素在影像上的光譜界線愈加難以區(qū)分，“同物異譜”、“異物同譜”現(xiàn)象越來(lái)越普遍。因此，傳統(tǒng)的基于像素進(jìn)行地物要素分類提取的方法在地理國(guó)情監(jiān)測(cè)實(shí)際生產(chǎn)中的利用效能越來(lái)越低。在這種情況下，面向?qū)ο蟮奶崛》椒楣こ袒a(chǎn)應(yīng)用提供了解決方案。該方法除了利用光譜信息外，還能夠充分地挖掘影像的空間位置、紋理、形狀等綜合特征。面向?qū)ο蠓诸惣夹g(shù)的關(guān)鍵是：精確高效的分割和準(zhǔn)確快速的分類。分割技術(shù)主要有：多尺度、均值漂移、分水嶺、統(tǒng)計(jì)區(qū)域增長(zhǎng)分割等。其中多尺度分割的應(yīng)用面最廣，該法綜合利用影像的光譜、紋理等特征，計(jì)算相應(yīng)的權(quán)值，與設(shè)置的閾值對(duì)比，完成分割。分類方法中，一類是基于各種圖像分析算法設(shè)計(jì)的。規(guī)則集包含任意數(shù)量的子規(guī)則和很多不同類型算法，一個(gè)單一的規(guī)則能使一個(gè)具體的算法應(yīng)用到一個(gè)具體特定的區(qū)域，它們所顯示的結(jié)果是影像分析所定義的結(jié)構(gòu)和流量控制圖。另一類是基于專家知識(shí)的決策樹分類。該方法通過(guò)決策學(xué)習(xí)過(guò)程得到分類規(guī)則并對(duì)遙感影像進(jìn)行分類，突破了以往分類樹或分類規(guī)則的構(gòu)建要利用分類者的生態(tài)學(xué)和遙感先驗(yàn)知識(shí)的框架。和以往分類中手動(dòng)建立規(guī)則集相比，該分類器通過(guò)決策樹學(xué)習(xí)的方式建立規(guī)則集，不僅提高了效率，而且大大降低了對(duì)操作員的要求。目前，主流的面向?qū)ο蠹夹g(shù)平臺(tái)基本囊括了以上分割和分類技術(shù)，但是它們?cè)趯?shí)際中的應(yīng)用表現(xiàn)差異較大，對(duì)比如表1所示。

綜合各類技術(shù)的優(yōu)缺點(diǎn)，結(jié)合地理國(guó)情監(jiān)測(cè)的工程化應(yīng)用需求，本文提出綜合利用多尺度分割和決策樹分類算法提取地表覆蓋數(shù)據(jù)的解決方案，為地理國(guó)情監(jiān)測(cè)的地表覆蓋信息提取提供參考。

表1 面向?qū)ο筇崛〖夹g(shù)對(duì)比圖

2 技術(shù)流程

首先，分析正射影像質(zhì)量，判斷可行性。然后，在國(guó)情要素提取環(huán)節(jié)采集道路面，將該骨架數(shù)據(jù)與整合后的基礎(chǔ)數(shù)據(jù)進(jìn)行融合，形成分割參考矢量。接下來(lái)，將預(yù)處理過(guò)的數(shù)字正射影像和參考矢量導(dǎo)入地表覆蓋提取工作區(qū)進(jìn)行分割。與此同時(shí)，可根據(jù)正射影像分析成果采集樣本數(shù)據(jù)。最后，將樣本導(dǎo)入分割結(jié)果，進(jìn)行樣本訓(xùn)練。訓(xùn)練完成后，使用決策樹分類方法進(jìn)行一次分類。重復(fù)訓(xùn)練分類，形成分類成果。同時(shí)結(jié)合人工判讀，修編結(jié)果。最終完成地表覆蓋的提取工作。主要技術(shù)流程如圖1所示。

圖1 地表覆蓋提取流程圖

2.1 影像分析

測(cè)區(qū)廣袤，包含各種地物要素，并不是所有圖幅都適合自動(dòng)分類。因此，在進(jìn)行地表覆蓋分類提取工作前，進(jìn)行影像分析是必要的。地表類型復(fù)雜、影像質(zhì)量差、時(shí)相為冬季、云霧覆蓋嚴(yán)重的圖幅則不適合進(jìn)行自動(dòng)分類。經(jīng)過(guò)篩選之后，分類別按不同方法進(jìn)行提取工作，可大大提高工作效率。

2.2 樣本采集

影像分析篩選之后，對(duì)于適合參與自動(dòng)分類的影像，采集地物類樣本數(shù)據(jù)，形成樣本庫(kù)數(shù)據(jù)，為后續(xù)樣本訓(xùn)練做好數(shù)據(jù)準(zhǔn)備。在樣本采集完成后，可以導(dǎo)出樣本文件下次重復(fù)使用。采集到的樣本的好壞，直接關(guān)系到后續(xù)樣本訓(xùn)練的效率，因而影響影像分類的精度。在樣本采集的過(guò)程中，一定要細(xì)心、細(xì)致，并且需要結(jié)合外業(yè)外調(diào)成果，保證樣本的豐富性與準(zhǔn)確性，為后續(xù)分類提供可靠、精確的參考標(biāo)準(zhǔn)。

2.3 參考矢量制作

計(jì)算機(jī)自動(dòng)分割后，地物要素邊界比較精確，但由于影像的光譜信息的不均衡性會(huì)導(dǎo)致一些明顯為同一地物要素的圖斑過(guò)于破碎，進(jìn)而影響后續(xù)自動(dòng)分類效果。為了提高后續(xù)處理的效率，在分割前，將一些人工地物（主要是道路）采集成面，再結(jié)合基礎(chǔ)數(shù)據(jù)中的線狀要素，制作成影像分割的參考矢量。在進(jìn)行自動(dòng)分割時(shí)，利用這些參考矢量，配置以合適的分割參數(shù)，即可獲得分割效果良好的結(jié)果。

2.4 影像分割

將處理好的影像導(dǎo)入系統(tǒng)，使用參考矢量分割方法，按照經(jīng)驗(yàn)值設(shè)置參數(shù)進(jìn)行分割。為了提高效率，可以對(duì)系統(tǒng)進(jìn)行MPI并行配置。分割參數(shù)設(shè)置對(duì)分割結(jié)果影響重大，直接影響后續(xù)處理的工作量大小。

2.5 特征提取

特征提取模塊可以提取光譜特征、形狀特征、紋理特征等。特征信息提取完后，在影像上選取目標(biāo)對(duì)象，就可以看到相應(yīng)的特征信息。主要包括均值、色調(diào)、像素面積、長(zhǎng)寬比、對(duì)比度、飽和度等。

2.6 決策樹分類

樣本點(diǎn)是影像分類的重要依據(jù)。將前期采集好的樣本點(diǎn)導(dǎo)入系統(tǒng)中。導(dǎo)入樣本后，樣本點(diǎn)所在的圖斑會(huì)自動(dòng)賦上樣本點(diǎn)的類別，通過(guò)圖斑進(jìn)行訓(xùn)練，為后續(xù)分類提供分類參考依據(jù)。決策樹分類作為一種基于空間數(shù)據(jù)挖掘的監(jiān)督分類方法，通過(guò)決策學(xué)習(xí)過(guò)程得到分類規(guī)則并對(duì)遙感影像進(jìn)行分類，突破了以往分類樹或分類規(guī)則的構(gòu)建要利用分類者的生態(tài)學(xué)和遙感先驗(yàn)知識(shí)的框架。該分類器實(shí)現(xiàn)遙感影像面向?qū)ο笞詣?dòng)分類。和以往分類中手動(dòng)建立規(guī)則集相比，該分類器通過(guò)決策樹學(xué)習(xí)的方式建立規(guī)則集，不僅提高了效率，而且大大降低了對(duì)操作員的要求。

2.7 后續(xù)處理與質(zhì)量檢查

修編：自動(dòng)分類后，部分區(qū)域的圖形以及屬性還不是很精確。需要進(jìn)一步使用系統(tǒng)工具進(jìn)行圖形編輯和屬性修改。主要包括：小圖斑剔除、面切割、合并、屬性賦值等操作。

檢查：地表覆蓋分類數(shù)據(jù)為全覆蓋的面狀數(shù)據(jù)，檢查主要包括以下幾個(gè)方面：面縫隙、層內(nèi)面不能重疊、面幾何噪聲、不合理面分割等。重點(diǎn)在于面縫隙、面分割等拓?fù)錂z查。

3 實(shí)驗(yàn)結(jié)果

本節(jié)所用底圖數(shù)據(jù)為生產(chǎn)測(cè)區(qū)內(nèi)一幅2．5萬(wàn)分幅數(shù)字正射影像。該數(shù)據(jù)為WorldViewII高分影像，多光譜分辨率2 m，全色分辨率0．5 m。

圖2 實(shí)驗(yàn)結(jié)果

圖2中a為以外業(yè)調(diào)繪為參考制作的樣本數(shù)據(jù)；b為參考矢量數(shù)據(jù)；c為分割結(jié)果；d為最終提取的地表覆蓋數(shù)據(jù)。計(jì)算機(jī)自動(dòng)分割后，地物要素邊界比較精確，但是由于影像的光譜信息的不均衡，一些明顯為同一地物要素的圖斑過(guò)于破碎，對(duì)后續(xù)自動(dòng)分類效果稍有影響。為了提高后續(xù)處理的效率，我們?cè)趪?guó)情要素提取時(shí)，將一些人工地物（主要是道路）采集成面，再結(jié)合基礎(chǔ)數(shù)據(jù)中的線狀要素，制作成影像分割的參考矢量。在進(jìn)行自動(dòng)分割時(shí)，利用這些參考矢量，配置以合適的分割參數(shù)，即可獲得分割效果良好的結(jié)果，如圖2b所示。

分割完成后，根據(jù)影像信息提取光譜特征、形狀特征、紋理特征等，再根據(jù)樣本點(diǎn)訓(xùn)練樣本。然后使用GLC分類方法完成一級(jí)類提取。這樣的分類結(jié)果還不滿足要求，需要進(jìn)行二次分類。二次分類需要根據(jù)細(xì)分的類別重新進(jìn)行樣本的采集、訓(xùn)練、導(dǎo)入、分類過(guò)程。如此循環(huán)直至分類完成。最后，對(duì)數(shù)據(jù)進(jìn)行修編及質(zhì)量檢查，取得最終的地表覆蓋數(shù)據(jù)。如圖2d所示。通過(guò)實(shí)驗(yàn)可看出，采用前述方案，能夠?qū)χ脖?、水域等基本地理?guó)情監(jiān)測(cè)對(duì)象進(jìn)行很好的提取，為地理國(guó)情監(jiān)測(cè)地表覆蓋快速提取提供了技術(shù)支持。

4 參數(shù)設(shè)置探討

分割參數(shù)的設(shè)置至關(guān)重要，影響著分割及分類的效果。本節(jié)對(duì)這些參數(shù)進(jìn)行探討，給出一些實(shí)驗(yàn)結(jié)論，供大家參考。以上節(jié)WorldViewII融合影像為實(shí)驗(yàn)數(shù)據(jù)，分辨率為0．5 m。

1）尺度參數(shù)對(duì)分割的影響。設(shè)置光譜指數(shù)為0．9，緊致度為0．1，該兩參數(shù)保持不變。分割結(jié)果如圖3所示。

圖3 不同尺度的分割結(jié)果

a耗時(shí)4．75 min ；b耗時(shí)3 min；c耗時(shí)2 min。從圖中可看出，a中對(duì)象數(shù)量最多、b次之、c最少。尺度參數(shù)對(duì)分割效果影響最大，分割尺度與對(duì)象大小成正比關(guān)系，與對(duì)象個(gè)數(shù)成反比關(guān)系。同時(shí)，尺度大小決定了分割效率的高低，對(duì)工程化應(yīng)用有重要影響。

2）光譜指數(shù)和緊致度對(duì)分割的影響。設(shè)置尺度為500，分割結(jié)果如圖4所示。

圖4 光譜指數(shù)及緊致度對(duì)分割結(jié)果的影響

緊致度的本質(zhì)就是形狀權(quán)重，光譜指數(shù)+緊致度=1。光譜指數(shù)設(shè)置越小，緊致度設(shè)置越大，分割結(jié)果與地物光譜的相關(guān)性就越小，分割對(duì)象較規(guī)整。光譜指數(shù)設(shè)置越大，緊致度設(shè)置越小，分割對(duì)象的光譜一致性相對(duì)好，分割結(jié)果越破碎。分割參數(shù)的設(shè)置至關(guān)重要，影響了分割及分類的效果，建議根據(jù)提取的地物類型，選擇合適的尺度參數(shù)。經(jīng)過(guò)反復(fù)實(shí)驗(yàn)，得出以下經(jīng)驗(yàn)，如表2。

表 2 參數(shù)經(jīng)驗(yàn)值

[1] 唐新明．地理國(guó)情監(jiān)測(cè)的基礎(chǔ)是地表覆蓋 [N]．中國(guó)測(cè)繪報(bào),2011-03-29(6)

[2] 朱曉鈴,鄔群勇．基于高分辨率遙感影像的城市道路提取方法研究[J]．資源環(huán)境與工程,2009,23(3):296-299

[3] 楊旭艷,王旭紅,胡婷，等．典型地物特征提取的適宜尺度選擇[J]．山地學(xué)報(bào),2012,30(5):607-615

[4] 曹麗琴，李平湘，張良培，等．基于多地表特征參數(shù)的遙感影像分類研究[J]．遙感技術(shù)與應(yīng)用,2010,25(1): 38-44

[5] 張靜,郭玉芳．地理國(guó)情監(jiān)測(cè)中地表覆蓋分類體系研究[J]．測(cè)繪標(biāo)準(zhǔn)化,2012(3):8-10

[6] 肖鵬峰，馮學(xué)智．高分辨率遙感圖像分割與信息提取[M]．北京:科學(xué)出版社，2012

P208

B

1672-4623（2015）02-0001-03

10.3969/j.issn.1672-4623.2015.02.001

何忠煥，注冊(cè)測(cè)繪師，正高職高級(jí)工程師，主要從事數(shù)字城市、地理國(guó)情監(jiān)測(cè)、地理信息公共服務(wù)和國(guó)家重大測(cè)繪地理信息工程實(shí)施與管理工作。

2014-12-26。

項(xiàng)目來(lái)源：國(guó)家科技支撐計(jì)劃資助項(xiàng)目（2012BAH28B03-1）。