多源遙感影像融合在哈大齊土地利用分類中的應用

姜 蕓,王 軍

(1.武漢大學 測繪學院,湖北 武漢 430079;2.國家測繪局黑龍江基礎地理信息中心,黑龍江 哈爾濱 150086)

多源遙感影像融合在哈大齊土地利用分類中的應用

姜 蕓1,王 軍2

(1.武漢大學 測繪學院,湖北 武漢 430079;2.國家測繪局黑龍江基礎地理信息中心,黑龍江 哈爾濱 150086)

隨著遙感技術的發展,同一區域的多源遙感影像數據越來越豐富。以哈大齊為例,利用ETM+和SPOT-5數據探討不同遙感信息融合在土地利用過程中的處理方法,比較不同融合算法在土地分類中的差異,并進行定性和定量比較。為有關部門進行土地規劃、管理提供科學依據有著十分重要的意義。

多源遙感影像;數據融合;融合算法;土地利用

隨著現代遙感技術的發展,獲取的遙感影像越來越豐富。遙感技術的應用逐步實現從定性調查制圖向定量統計分析過渡,從靜態現狀描述向動態預測預報過渡,從單一傳感器影像的分析應用向多波段、多傳感器、多平臺、多時相、多分辨率影像的綜合分析與應用過渡,從通用向深化過渡。

本研究區域內有覆蓋多個城市和地區的高分辨率的SPOT-5遙感影像資料,這些影像分辨率高,易于判讀,在國土資源調查等應用中發揮了重要作用。然而由于單色調,導致在目視中丟掉了許多重要的信息,如果通過假彩色影像處理,便可輕而易舉獲取多種有用信息。

1 研究區概況及數據源

本文以土地利用類型齊全的哈大齊工業走廊濱州鐵路沿線10 km區域作為實驗區,從定量和定性的角度對比分析不同的融合方法,對耕地、林地、牧草地、水域、居住用地、交通用地、未利用土地等不同類型的識別的影響。該研究采用SPOT-5影像1A級產品、ETM+的8波段影像。

2 PCA變換與a′Trous小波變換多分辨率影像融合算法

由于ETM+圖像的第一主成份的光譜特性與SPOT圖像的光譜特性并不完全一致,直接利用高分辨率影像替代第一主分量,導致丟失了部分多光譜影像的光譜信息,造成光譜失真。同時在小波變換融合增強中,多光譜影像增強的效果受到小波分解層數的影響,容易出現分塊效應與地物紋理模糊。為此,將引入áTrous小波算法。在此基礎上提出了基于小波疊加的主成份變換融合算法,與原有的PCA和IHS方法相比,融合信息質量得到明顯提高。這種方法利用小波變換特性,保持影像融合前后的光譜特性,同時利用PCA變換融合方法來增強多光譜圖像的空間細節表現能力。從而在增強融合影像的地物紋理特性的同時,又保持了原始多光譜影像的光譜信息。

2.1 a′Trous算法

a′Trous小波算法的原理為:假設原影像數據為{C0(k)},經過尺度函數φ(x)的一次濾波后所得數據為{C1(k)},則{C0(k)-C1(k)}包含兩尺度影像間的信息差,即細節信號(小波面)。a′Trous小波變換實際上將輸入影像數據分解為多個細節信號與一個背景信號,影像的細節特征集中于小波面中,而原影像即為各細節信號與背景信號的疊加。該算法可以很容易地擴展到二維空間,在二維空間其算法類似于用卷積核對影像進行濾波,由于B3-sp line對不規則樣本數據具有很好的插值性,通常選擇B3-spline作為尺度函數。

2.2 融合過程

PCA變換與a′Trous小波變換其融合過程如下:

1)將與高分辨的全色影像(SPOT-5)配準后的低分辨率多光譜影像(ETM+)進行PCA正變換,以獲得按照信噪比順序排列的各個分量(PC1、PC2等)。

2)將高分辨的全色影像(SPOT-5)與 PCA變換的第一分量(PC1)的直方圖匹配,使之與第一分量有相似的均值與方差,得到匹配后的新全色影像。

3)對新高分辨的全色影像(SPOT-5)進行2層a′Trous小波分解,獲取該影像的近似影像和兩組小波面系數。

4)將PC1與兩組小波面系數進行重構,得到新的PC分量。

5)將新的PC分量與其他主成份分量進行PCA反變換,得到融合影像。

3 融合實驗

為了驗證新融合算法的正確性和有效性,本文針對哈大齊工業走廊的來自不同衛星的多光譜(Landsat TM、ETM+)和全色圖像(SPOT-5)進行實驗。

3.1 原始影像

運用本文的相關算法以及輔助Photoshop等遙感影像處理軟件對原始遙感影像進行幾何校正、影像配準、重采樣等預處理,截取大小為3 584×3 584 Pixesl的影像塊。其中,多光譜影像是由5、4、3三個波段合成的ETM+彩色影像,其光譜信息豐富,但分辨率(15 m)較低;而SPOT-5全色波段影像的分辨率(2.5 m)和清晰度較高。實驗影像如圖1所示。

3.2 ETM+數據的幾種融合算法的實驗

實驗結果如圖2所示。

3.3 定性評價

從主觀目視評價效果方面,通過對實驗結果對比可以明顯地看出,PCA變換與a′Trous小波變換多分辨率影像融合算法在分辨性、清晰性上有很大提高,很好地保留了多光譜圖像的光譜信息并突出了空間細節。從多光譜圖像光譜信息方面看,新方法最接近原始TM與ETM+多光譜圖像;在色彩上大致相同,局部與多光譜影像有明顯差異,但融合影像比多光譜影像更利于目視判讀。

3.4 定量評價

在目視判別的主觀評價基礎上,為了進一步從空間細節特征的增強與光譜信息的保持兩方面綜合地定量地評價融合效果,選擇多個客觀統計參數來對融合后的圖像進行分析。1)反映空間細節信息的參數:均值、標準差、信息熵和平均梯度。2)反映光譜信息的參數:偏差指數與相關系數。參數結果如表1所示,由各參數結果比較可知:

表1 ETM+影像不同融合算法的定量參數比較

①圖2(J)與圖2(A-I)信息熵相比較,其值較大,與原始影像基本持平,表明融合影像將原始影像所含信息量很好的進行了保留,達到了富集的作用。

②圖2(J)與圖2(A-I)平均梯度相比較,其值較大,略低于Brovey變換融合,表明融合影像較清晰,較好的提高了影像的空間分辨率,能夠提高解譯、分類的精度。

③圖2(J)與圖2(A-I)相比較,圖2(J)偏差系數較小,相關系數較大,表明融合影像與原始影像更相似,光譜特性更接近。

因此,通過以上參數的比較,PCA與小波多分辨率影像融合無論在主觀定性評價還是在客觀定量評價中,都較其它的融合方法效果好,與原始影像的差異小。

4 影像融合前后土地利用分類精度比較

4.1 分類方法

為了進一步研究不同的多源影像融合算法對于土地分類的影響,基于土地利用/覆蓋角度考慮,根據研究區域土地資源調查分類系統影像的分辨力,對典型樣區進行簡單分類,劃分為5個類別:荒地、鹽堿地、干旱田、水域、居民區。

在研究中采用了混合分類方法,既先進行非監督分類獲得初始分類模板,在對模板樣本進行刪除、增補、合并等調整的基礎上進行監督分類,實驗證明該方法比常規的監督分類法明顯提高分類精度。混合分類方法改進了訓練樣本的選取方法,特別是明顯提高了耕地與林草地訓練樣本的選取精度,減少兩者的混分現象。影像融合前后的土地分類統計面積,如表2所示。

表2 影像融合前后分類面積變化率比較

從比較數據中可以看到:

1)從整體看旱地與水域的面積變化率較小,可以考慮采用計算機非監督分類的方式進行面積分類。

2)本文采用的融合算法整體上看,面積變化率都比較小,光譜扭曲的程度最低,而且融入了高頻成分,使分類在高頻地物上提取更具優勢,在低頻地物的提取上效果也不錯,與原始影像相差不大。

4.2 精度分析

為了進行精度比較,對ETM+影像與融合影像土地利用分類結果進行分類精度比較,精度比較結果見表3。

從表3看,各融合方法影像融合后,土地利用各類別的提取精度都有不同程度的提高。本文使用融合算法,水域、荒地、鹽堿地、建成區、旱地面積類別分類正確率提高達到10%以上,分類總精度分別從78.09%提高到92.39%。

表3 影像融合前后分類精度分析

通過以上分析,可以得出以下結論:

1)根據研究區域的土地利用的特點,在眾多的遙感影像融合算法中,通過實驗樣區的影像融合實驗,從融合影像的光譜質量、紋理信息及目視效果等方面對融合方法進行比較,結果表明基于PCA變換與a′Trous小波變換多分辨率影像融合算法是本區域土地利用動態監測中較理想的融合方法。

2)通過對影像融合前后土地利用分類精度的比較,分類總精度分別從78.09%提高到92.39%。融合后的影像有利于進行本區域的土地利用與土地覆蓋分類,適合計算機進行監督與非監督分類。

5 結束語

由于高空間分辨率衛星遙感數據的應用剛起步,其正射糾正、融合、解譯和分析中存在的許多問題還有待解決。如何充分發揮高空間分辨率衛星遙感數據的優勢,優化高分辨率衛星遙感數據解決方案,掌握數據處理與應用的方法與技巧,挖掘數據應用潛力是應用高分辨率遙感數據進行土地資源動態監測面臨的主要問題。

[1]YU D J,CHENG J S,YANG Y.App lication of EMD Method and Hilbert Spectrum to the Fault Diagnoisis of Roller Bearings[J].Mechanical systems and Signal Processing,2005,(19):259-270.

[2]馮志華,朱忠奎,劉剛,等.經驗模態分解方法的小波消失現象[J].數據采集與處理,2006,21(4):478-481.

[3]HARISHWARAN HARIHARAN,ANDREI GRIBOK, MONGIA.ABID I,et al..Image Fusion and Enhancement via Empirical Mode Decomposition[J].Journal of Pattern Recognition Research,2006,(1):16-32.

[4]王堅,張繼賢,劉正軍,等.基于經驗模態分解的高分辨率影像融合[J].遙感學報,2007,11(1):55-60.

[5]張生,趙春三,楊桄,等.多光譜與高分辨圖像融合方法比較研究[J].遙感信息,2007,93(5):56-59.

[6]袁傳武,柯尊勝,陳雙田,等.多源遙感數據融合原理與模型結構及應用[J].西南林學院學報,2007,27(5):14-17.

Application of multi-source remote sensing image data fusion to land use and classification in HA-DA-QI

JIANG Yun1,WANG Jun2
(1.School of Geodesy and Geomatics,Wuhan University,Wuhan 430079,China;2.Heilongjiang Center of SBSM,Harbin 150086,China)

With the development of remote sensing technology,multi-source remote sensing data the same area of is rich.Taken the DaJi as an examp le,using ETM+and SPO T-5 discusses different data of remote sensing info rmation fusion in the p rocess of land utilization,analyzes and compares the p rocessing methods in land classification of different fusion algo rithm,and the differences betw een qualitative and quantitative comparison.It is of great significance fo r relevant departments of land p lanning and management to p rovide the scientific basis.

multi-source remote sensing image;data fusion;fusion arithmetic;land use

TP751

A

1006-7949(2010)04-0034-05

2010-03-08

國家自然科學基金資助項目(40771195)

姜 蕓(1980-),女,博士研究生.

[責任編輯:張德福]