遙感影像地物信息智能提取方法研究

摘要：遙感越來越多地被用于提取不同尺度土地利用、地面覆蓋變化特征以及人文特征信息。準確選取適當?shù)倪b感數(shù)據(jù)是快速、精確地發(fā)現(xiàn)并提取遙感圖像中所需信息的前提。綜述了基于遙感影像提取地物信息的方法，并列舉一些應(yīng)用實例。

關(guān)鍵詞：遙感；信息提取；數(shù)據(jù)源

中圖分類號：C93文獻標志碼：A文章編號：1673-291X（2011）12-0305-03

引言

遙感是20世紀60年代發(fā)展起來的綜合性對地觀測技術(shù)，它的產(chǎn)生和發(fā)展是人們認識和探索自然界的客觀需要[1]。它拓展了人眼觀察的光譜范圍，大大提高了數(shù)據(jù)獲取的空間詳細程度，可應(yīng)用于軍事、農(nóng)業(yè)、林業(yè)、地礦、水利和環(huán)保等領(lǐng)域。但通過遙感器觀測的遙感數(shù)據(jù)，由于受到太陽和大氣等條件的影響，必須經(jīng)過人工判讀或計算機處理，才能最終應(yīng)用于各種領(lǐng)域。本文綜述了基于遙感影像提取地物信息的方法，并列舉一些應(yīng)用實例。

一、多源遙感數(shù)據(jù)概述

遙感技術(shù)作為一種準確、客觀、及時獲取宏觀信息的手段，在城市規(guī)劃、土地利用監(jiān)測、農(nóng)業(yè)、林業(yè)以及自然災(zāi)害預報等方面越來越得到廣泛的重視和應(yīng)用[2]。準確選取適當?shù)倪b感數(shù)據(jù)是快速、精確地發(fā)現(xiàn)并提取遙感圖像中所需信息的前提[3]。地物信息提取常用的遙感圖像可以分為以下幾類。

1.多光譜和全色影像。全色影像具有較高的空間分辨率，而多光譜圖像可以更精細地描述目標光譜。全色圖像與多光譜圖像融合，既可以利用全色圖像的高分辨改善多光譜圖像分辨率，又可以充分利用多光譜圖像中特有的對目標某些獨特特征的精細描述，使融合圖像包含更豐富的信息[4]。多光譜影像及融合影像是目前地物信息提取研究的主要信息源。

2.SAR影像。合成孔徑雷達（synthetic aperture radar，SAR）是一種主動遙感方式，與光學遙感相比，具有全天時、全天候、多波段、多極化工作方式、可變側(cè)視角穿透能力強和高分辨率等特點[5]。SAR影像在水體覆蓋區(qū)域具有反射值低的特征，能夠與其他地物形成明顯的反差，在研究水體覆蓋變化方面具有獨特的優(yōu)勢。SAR圖像中還含有豐富的紋理結(jié)構(gòu)信息，不同的地表粗糙度呈現(xiàn)出不同的紋理特征。原始的光譜信息加上紋理信息可以提高影像的精確性，建立和充分應(yīng)用基于紋理特征的地物分類及信息提取方法，將是今后研究高分辨率遙感影像信息提取的方向之一 [6~8]。

3.高光譜影像。高光譜遙感是在電磁波譜的可見光、近紅外、中紅外和熱紅外波段范圍內(nèi)，利用成像光譜儀獲取許多非常窄的光譜連續(xù)的影像數(shù)據(jù)的技術(shù)。高光譜遙感數(shù)據(jù)有更多的波段，更高的波譜分辨率，使得高光譜數(shù)據(jù)在生態(tài)領(lǐng)域有更廣泛的應(yīng)用[9~10]。對高光譜數(shù)據(jù)特征的研究和分析對于準確地獲得目標地物的有用信息是極其重要的。

4.航片。航空影像數(shù)據(jù)以其直觀、信息量豐富、可讀性強等諸多優(yōu)點，使它既是基礎(chǔ)地理數(shù)據(jù)產(chǎn)品的重要組成部分，又是生產(chǎn)或合成其他基礎(chǔ)地理數(shù)據(jù)產(chǎn)品的信息來源與基礎(chǔ)。許多學者在城市防震減災(zāi)、溝谷侵蝕定量監(jiān)測以及測繪中都進行了成功應(yīng)用[11~12]。

二、遙感影像提取地物信息的方法

1.目視解譯。衛(wèi)星影像的解譯是應(yīng)用遙感技術(shù)的一個關(guān)鍵環(huán)節(jié)，目視解譯基于專家經(jīng)驗和智能，是遙感應(yīng)用的一項很重要的基本功，它是根據(jù)樣本的圖像特征和空間特征（形狀、大小、陰影、圖形、紋理、位置和布局），并與多種非遙感信息資料相結(jié)合，運用生物、地學等相關(guān)規(guī)律，采用對照分析的方法，由此及彼、由表及里、去偽存真的綜合分析和邏輯推理的思維過程[13~15]。目視解譯的方法目前在遙感解譯中的應(yīng)用非常普遍。趙興實等[14]在土壤侵蝕現(xiàn)狀調(diào)查中，張芳等[15]在森林資源調(diào)查中都運用了遙感影像目視解譯的方法。

2.非監(jiān)督分類法。遙感影像的非監(jiān)督分類也稱為聚類或點群分析，是在多光譜圖像中搜尋、定義其自然相似光譜集群組的過程。非監(jiān)督算法是按照某種相似性準則對樣本進行合并或分類，不需要人工選擇訓練樣本，僅需極少的人工初始輸入，計算機按一定規(guī)則自動地根據(jù)像元光譜或空間特征組成集群組，然后分析者將每個組和參考數(shù)據(jù)比較，將其劃分到每一類中 [16~17]。但由于“同物異譜、異物同譜”等現(xiàn)象的存在，其結(jié)果一般不能令人滿意。

3.監(jiān)督分類法。監(jiān)督分類是在已知類別的訓練場地上提取各類別訓練樣本，通過選擇特征變量、確定判別函數(shù)或判別式把影像中的各個像元點劃歸到各個給定類的分類[17]。監(jiān)督分類方法由于引入了部分先驗知識，故其分類精度相對于非監(jiān)督分類算法往往較高，同時，算法的穩(wěn)健性也能得到較大程度地提高[18]。

4.最大似然法。最大似然方法通過對研究區(qū)域的統(tǒng)計和計算，得到各個類別的均值和方差等參數(shù)，從而確定一個分類函數(shù)，然后將待分類圖像中的每一個像元代入各個類別的分類函數(shù)，將函數(shù)返回值最大的類別作為被掃描像元的歸屬類別，從而達到分類的效果[19]。最大似然法分類一直受到許多學者的關(guān)注，張亮等[20]將光譜角以概率因子的形式加入到判別函數(shù)中構(gòu)造一種新的判別函數(shù)，有機地將光譜角這一特征信息加入影像分類；吳連喜等[21]將一種改進的最大似然法用于地物識別；陳敬柱等[22]提出了“先主要后次要，層次化推進原則”，應(yīng)用最大似然方法進行植被信息識別提取，降低了“異質(zhì)同像”的誤判率，較大程度上避免了“混合像元”的不確定因素，同時將“混合像元”作為進一步區(qū)分不同植被類型的參考依據(jù)，使可解譯的植被信息量增加，取得良好的效果。

三、實例分析

1.植被信息提取。遙感技術(shù)提取植被信息已經(jīng)有很長的歷史，遙感可以快速有效地監(jiān)測大面積植被的種類、特性、長勢等各類信息。由于植被在不同波段內(nèi)表現(xiàn)出不同的吸收反射特征，這些特征可以有效地監(jiān)測出植被的各類信息[23]。丁麗霞等[24]利用TM和SPOT遙感影像，采用目視解譯和圖像勾繪的方法，得出天目山國家級自然保護區(qū)毛竹林信息；官鳳英等[25]以TM影像為數(shù)據(jù)源，應(yīng)用ERDAS提供的非監(jiān)督分類、最大似然分類和子象元分類三種方法，對典型地物進行了分類和精度評價；李敏等[26]討論了面向?qū)ο蟮母叻直媛蔬b感信息提取的技術(shù)，并從IKONOS影像中提取耕地信息與傳統(tǒng)分類方法提取的結(jié)果進行了對比。

2.水體信息提取。水資源分布的調(diào)查與監(jiān)測是控制水污染和生態(tài)保護的前提，而遙感影像具有監(jiān)測范圍廣、獲取周期短、地物信息豐富的特點，對調(diào)查與監(jiān)測水資源分布起著重要的作用[27]。黃海波等應(yīng)用ASTER遙感影像研究了水體信息提取的方法；遙感影像上陸地和水體的邊界線被定義為水邊線，鄭宗生等[28]利用遙感信息提取水邊線，可以監(jiān)測海岸帶潮灘的動態(tài)變化，也可以利用不同時相的水邊線信息構(gòu)建潮灘的三維地形模型，為淤泥質(zhì)潮灘剖面的研究提供重要的數(shù)據(jù)保證。

3.道路信息提取。從遙感數(shù)字影像中自動提取道路之類的線性地物信息是遙感信息提取的難點，影像上的道路比其他地物更突出，而且道路成網(wǎng)，關(guān)系明晰，但實際提取效果并不理想。如何快速、準確地從遙感影像中提取所需信息已成為研究方向[29~30]。

4.居民地信息提取。居民地是人類從事生產(chǎn)和生活需要而集聚定居的各種形式的居住場所，是自然景觀和人造景觀的綜合體[31]。利用遙感影像快速準確地提取居民地信息可以為災(zāi)害評估、城鎮(zhèn)擴展和環(huán)境變化等相關(guān)研究提供必要的基礎(chǔ)信息[31~34]。查勇等[32]運用歸一化建筑指數(shù)，從TM圖像成功提取了無錫市城鎮(zhèn)用地信息；楊存建等[33]從對居民地的遙感信息機理分析入手，分析了居民地在Landsat TM2、TM3、TM4、TM5、TM7等各個波段上與其他地類的可分性；安如等[34]基于光譜特征分析，建立決策樹模型，進行了居民地信息的自動提取。

5.其他地物信息提取。隨著遙感技術(shù)的不斷提高，人們開始考慮使用高分辨率遙感影像對區(qū)域人文信息進行提取[35]。遙感在人口估計統(tǒng)計模型中的使用始于20世紀50年代中期，由于與人口信息相關(guān)的地表信息在影像上的表達紋理、形狀各異，利用某種方法從高分辨率遙感影像中提取人口信息是今后研究的一個突破點[35~36]。

結(jié)論與展望

隨著遙感技術(shù)的迅猛發(fā)展，光學、熱紅外、微波、多光譜、高光譜等大量功能各異的遙感器不斷更新?lián)Q代，遙感已經(jīng)越來越多地用作提取局域、區(qū)域以及全球尺度土地利用、地面覆蓋變化特征以及人文特征的信息源。準確選取適當?shù)倪b感數(shù)據(jù)是快速、精確地發(fā)現(xiàn)并提取遙感圖像中所需信息的前提。全色與多光譜融合影像由于成本較低是目前地物信息提取的主要數(shù)據(jù)源，不同的研究尺度及研究內(nèi)容在遙感數(shù)據(jù)選擇上各有側(cè)重。

遙感數(shù)據(jù)的解譯是遙感應(yīng)用的基本方法，目前采用的解譯方法有很多，各有優(yōu)勢，但單一方法得到的解譯結(jié)果往往不能達到滿意的效果。因此許多學者同時使用多種方法進行遙感數(shù)據(jù)解譯。戴昌達等[37]利用Landsat TM數(shù)據(jù)，采用了圖像自動識別分類與目視判讀相結(jié)合的方法獲得城市的面積；陳超等[38]采用目視修改的方法來對監(jiān)督分類進行補充。

多源遙感數(shù)據(jù)已經(jīng)在很多方面有了很大的應(yīng)用，為人們宏觀分類識別地物提供了基礎(chǔ)。關(guān)于多源遙感數(shù)據(jù)的處理與信息提取的技術(shù)，雖然取得了一些進展，但仍存在一些不足，因此，基于多源遙感數(shù)據(jù)提取地物信息還有很大的空間值得去研究。

參考文獻：

[1]李治洪，段玉山，等.地理信息技術(shù)基礎(chǔ)教程[M].北京：高等教育出版社，2005.

[2]彭望碌，白振平，劉湘南，等.遙感概論[M].北京：高等教育出版社，2002.

[3]陳永慧，李小娟，胡德勇.遙感圖像土地覆被專題信息提取方法綜述[J].首都師范大學學報：自然科學版，2009，(1)：59-69.

[4]種占學，楊玉靜，焦榮恩.多源全色影像與多光譜影像融合技術(shù)研究[J].河北師范大學學報：自然科學版，2009，(2)：267-270.

[5]申邵洪，譚德寶，梁東業(yè).基于馬爾科夫隨機場的多時相SAR影像變化檢測研究[J].長江科學院院報，2010，(1)：49-51.

[6]梁國軍，彭明春，王崇云.遙感影像紋理分析方法研究[J].云南地理環(huán)境研究，2009，(1)：93-98.

[7]裴亮，譚陽.基于變差函數(shù)的遙感影像紋理特征提取[J].地理空間信息，2008，(5)：15-17.

[8]李林宜，李德仁.基于免疫粒子群優(yōu)化算法的影像紋理分類[J].測繪學報，2008，(2)：185-189.

[9]溫興平，胡光道，楊曉峰.從高光譜遙感影像提取植被信息[J].測繪科學，2008，(3)：66-68.

[10]Kempeneers P，et a1.Generic wavelet—based hyperspectral classification app]ied to vegetation stress detection[J].IEEE Transactions on Geoscience and Remote Sensing，2005，(3).

[11]劉月英，李萬輝.利用航片和GIS分析影響滑坡的因素[J].水土保持應(yīng)用技術(shù)，2008，(4)：14-15.

[12]王輝，王天明，楊明博，等.基于航片的黃土高原丘陵溝壑區(qū)溝谷侵蝕定量監(jiān)測[J].應(yīng)用生態(tài)學報，2008，(1)：127-132.

[13]沈璐璐，蔡麗娜.基于非監(jiān)督分類的遙感信息提取方法嘗試[J].科技創(chuàng)新論壇，2010，(14)：162-163.

[14]趙興實，田中雨，劉巖.衛(wèi)片目視解譯在土壤侵蝕現(xiàn)狀調(diào)查中的應(yīng)用[J].水土保持通報，1996，(1)：149-152.

[15]張芳，李鑫，陳佳楠.衛(wèi)星遙感影像目視解譯在森林資源調(diào)查中的應(yīng)用分析[J].內(nèi)蒙古林業(yè)調(diào)查設(shè)計，2009，(4).

[16]陳富龍，王超，張紅.改進最大似然遙感影像分類方法——以SAR影像為例[J].國土資源遙感，2008，(1)：75-78.

[17]薛廉，周春蘭.基于監(jiān)督分類分區(qū)域的特征因子提取[J].地理空間信息，2009，(2)：100-102.

[18]郭艷芬，劉志紅，謝明元.基于植被物候特征與監(jiān)督分類的青南高原信息提取[J].遙感技術(shù)與應(yīng)用，2009，(2)：223-229.

[19]劉濤，孫忠林，孫林.基于最大似然法的遙感圖像分類技術(shù)研究[J].福建電腦，2010，(1)：7-8.

[20]陳亮，劉希，張元.結(jié)合光譜角的最大似然法遙感影像分類[J].測繪工程，2007，(3)：40-47.

[21]吳連喜，王茂新.一種改進的最大似然法用于地物識別[J].農(nóng)業(yè)工程學報，2003，(4)：54-57.

[22]陳敬柱，賀瑞霞，郭恒亮.最大似然法在植被信息識別提取中的應(yīng)用[J].水文地質(zhì)工程地質(zhì)，2004，(2)：94-96.

[23]溫興平，胡光道，楊曉峰.從高光譜遙感影像提取植被信息[J].測繪科學，2008，(3)：66-68.

[24]丁麗霞.天目山國家級自然保護區(qū)毛竹林擴張遙感監(jiān)測[J].浙江林學院學報，2006，(3)：297-300.

[25]官鳳英，范少輝，蔡華利，等.竹林遙感信息提取方法比較研究[J].安徽農(nóng)業(yè)科學，2010，(8).

[26]李敏，崔世勇，李成名，等.面向?qū)ο蟮母叻直媛蔬b感影像信息提取——以耕地提取為例[J].遙感應(yīng)用，2008，(6)：63-89.

[27]黃海波，趙萍，陳志英，等.ASTER遙感影像水體信息提取方法研究[J].遙感技術(shù)與應(yīng)用，2008，(5).

[28]鄭宗生，周云軒，沈芳.基于DTM的水邊線遙感信息提取方法[J].國土資源遙感，2007，(2)：56-59.

[29]孫曉霞，等.利用面向?qū)ο蟮姆诸惙椒◤腎KONOS全色影像中提取河流和道路[J].測繪科學，2006，(1)：62-63.

[30]林宗堅，劉政榮.從遙感影像提取道路信息的方法評述[J].武漢大學學報：信息科學版，2003，(1)：90-93.

[31]張源，王仰麟，彭建，等.基于空間概率面的山區(qū)居民地遙感信息提取[J].地理與地理信息科學，2006，(4)：6-10.

[32]查勇，倪紹祥，楊山.一種利用圖像自動提取城鎮(zhèn)用地信息的有效方法[J].遙感學報，2003，(1)：38-39.

[33]楊存建，周成虎.TM影像的居民地信息提取方法研究[J].遙感學報，2000，(2)：146-150.

[34]安如，趙萍，王慧麟，等.遙感影像中居民地信息的自動提取與制圖[J].地理科學，2005，(1)：74-80.

[35]韓春峰，米曉飛.基于高分辨率遙感影像的人口信息的提取綜述[J].科技資訊，2010，(4)：111.

[36]杜國明，張樹文.基于遙感的城鄉(xiāng)人口分布模擬——以松原市為例[J].遙感學報，2007，(2)：252-256.

[37]戴昌達，唐伶俐，陳剛，等.衛(wèi)星遙感監(jiān)測城市擴展與環(huán)境變化的研究[J].環(huán)境遙感，1995，(1)：1-7.

[38]陳超，江濤，岳遠平.監(jiān)督分類和目視修改相結(jié)合在高分辨率遙感影像中的應(yīng)用[J].國土資源信息化，2009，(5)：37-48.

[責任編輯 魏杰]