面向對象的遙感影像時空特征模型研究

高 燕，蘇奮振，周成虎，田志剛

（1.信息工程大學 地理空間信息學院，河南 鄭州 450052；2.中國科學院地理科學與資源研究所，北京 100101；3.總參第一測繪導航基地，北京 100040）

面向對象的遙感影像分析方法與傳統的面向像元的處理方法不同，首先要將遙感影像分割為“同質均一”的影像對象［1］，然后根據地物在影像中表現出來的特征對影像對象進行分類。季節的變化、不同的遙感平臺、分割尺度的變化都會使同一地物有不同的特征表現，如果想要實現遙感影像的智能分析與解譯就要研究地物在不同情況下的特征變化，這就需要建立相應的數據庫來管理和分析這些特征的變化，從而得到相關的規律用來指導影像分類。

時空數據模型從問世至今已經發展了二十余年，其中經典的時空數據模型有：時間快照模型、時空復合模型、基于事件的時空數據模型、基態修正模型和面向對象的時空數據模型等［2－5］。不同的模型具有不同的優點，面向對象的時空數據模型可以基于人類通常的邏輯思維對數據進行組織和表達，將問題域中的事物抽象為對象，將具有共同特征的一類事物抽象為類，將影像對象封裝為空間、時間、特征的整體，使其具有封裝、繼承和良好的擴展性。Worboys（1990）首次在時空建模中引入了面向對象的思想［6］，提出了面向對象的時空數據模型，隨后不少專家學者對其進行了發展和改進，形成了POSTGRES、TRIAD、空間數據庫交換格式、Open GIS、Zenith等面向對象的時空數據模型［7－8］。本文基于面向對象的思想，將遙感影像抽象成用點、線、面表達的矢量數據模型，在時間、空間、屬性之外增加特征維，將每個目標對象都看作是一個具有時間、空間、特征、屬性的對象，通過以上4個維度實現對目標對象的表達和操作。

1 基于遙感影像的面向對象的時空數據模型

1.1 時間對象分析與建模

在地理信息系統中，通常認為時間是一條向過去和未來無限延伸的、沒有端點的軸線，在這里沿用這種線性結構，認為時間沒有分支和循環。對于一個目標地域，在一天中有多個遙感平臺對其進行拍攝，1h內可能有多個遙感平臺經過，時間粒度必須小于“小時”才能滿足遙感影像管理的需要，所以將時間粒度設為“分”。有效時間是地理實體或對象在存在或實際發生的時間；事務時間是記錄時態數據庫操作對象的時間，又稱為數據庫時間，由于只需要記錄和查詢影像的成像時間，不需要記錄數據庫的操作，所以只需使用有效時間就能滿足查詢的需要，基于以上描述，本文建立時間對象的邏輯模型如圖1所示，時間類的表結構見表1。

圖1 時間對象邏輯模型

表1 時間類表結構

1.2 空間對象分析與建模

遙感影像數據通常可以用柵格和矢量兩種模型進行表達，在柵格模型中，影像對象用它們占據的柵格行列號來定義；在矢量模型中，影像對象用點、線、面表達，每個對象的位置用其在坐標系中的空間位置定義。遙感影像經過分割后成為“同質均一”的影像對象，無需表達單個像元的信息，所以本文基于矢量數據模型來表達影像對象，將感興趣的目標抽象為點對象、線對象和面對象，通過點、線、面對象及其拓撲關系來表達影像對象的空間位置與空間關系信息，空間對象的邏輯模型如圖2所示，空間點、線、面類的表結構見表2～4。

圖2 空間對象邏輯模型

表2 空間點類表結構

表3 空間線類表結構

表4 空間面類表結構

1.3 特征對象分析與建模

基于影像分割，遙感影像被分割成內部特征一致的影像對象，這使得影像對象具有豐富的語義信息［9］，可以運用除了光譜特征以外的其它特征對其進行表達。一般來說，可以用影像對象在各波段的平均值、亮度、標準差、貢獻率等表達其光譜信息；用子對象的面積均值、子對象面積標準差、子對象的密度均值、子對象的密度標準差等表達影像對象的紋理信息；用面積、周長、形狀指數、密度等表達影像對象的幾何信息。另外，同一地物在不同類型的遙感影像上表現出來的特征是不同的；隨著遙感影像分辨率或分割尺度的改變，同一地物在單張影像上對應的影像對象特征也不相同，所以，有必要引入相關特征來表達這些變化。本文在以上特征的基礎上增加了元數據特征，主要包括遙感影像來源、遙感影像分辨率、分割尺度等，以此來表達影像對象的這一類變化規律，特征對象的邏輯模型如圖3所示，對應的特征類表結構見表5。

圖3 特征對象邏輯模型

表5 特征類表結構

1.4 屬性對象分析與建模

屬性對象類描述的是影像對象所屬的地物類別信息。同一幅遙感影像在不同的分割尺度下產生的影像對象各不相同，在分類時，影像對象所屬的地物類別也不盡相同。圖4中是同一幅遙感影像，分別對其進行3個尺度的影像分割，在較小的分割尺度下產生的兩個影像對象分別屬于A、B兩個地物類，如圖4（a）所示；隨著分割尺度的增大，A、B類合并為一個新的類C，如圖4（b）所示；隨著分割尺度的進一步增大，C類又與其它類別合并成為D類，如圖4（c）所示。基于以上描述，如果想要表達影像對象的類別變化以及變化前后影像對象之間的關系，就要求模型能夠表達出影像對象父類與子類的信息。因此，本文建立了屬性對象的邏輯模型，如圖5所示，屬性類的表結構見表6。

圖4 影像對象屬性隨分割尺度發生變化

圖5 屬性對象邏輯模型

表6 屬性對象類描述的是影像對象

2 模型的驗證

為了驗證上述模型的有效性，現將面向對象的遙感影像時空特征模型應用于海岸線與海岸帶地物影像特征的時空建模。海岸線是多年大潮平均高潮位時的海陸分界線［10］，要在遙感影像上解譯出這條線就必須綜合考慮海岸帶各地物的多種特征，然后利用這些特征來判別海岸線的類型與位置。依據海岸的物質組成，“908海島海岸線遙感調查分類體系”將海岸類型分為基巖海岸、砂質海岸、淤泥質海岸、生物海岸和人工海岸，在不同類型的海岸中，海岸線是不同類型地物的分界線。海岸線智能解譯的研究對象為海岸線類型變化的分界點、多種類型的海岸線、海岸線兩側影像對象的特征及其變化。

從空間矢量模型考慮，將各種類型的海岸線抽象為海岸線類，將海岸線類型變化的分界點抽象為交界點類，將遙感影像分割形成的影像對象抽象為影像面類；從地學角度出發，將海岸線以下的潮間帶和水下岸坡的地物作為海域類，潮上帶的地物作為陸域類，如圖6所示，海岸線即為海域和陸域的交界線。基于以上的數據模型本文建立海岸線及海岸帶地物遙感影像時空數據模型，如圖7所示。

圖6 海岸帶及海岸線示意圖

圖7 海岸線及海岸帶地物的時空特征面向對象模型

此時空特征模型可以完成海岸線和海岸帶影像對象的存儲以及基于時間、空間、特征、屬性的查詢，以對象關系表中的幾個對象為例，來驗證模型的有效性，見表7。ObjectID＝10的對象是一個點對象，它和ObjectID為11－15的對象一樣，產生于同一張遙感影像，遙感影像成像時間對應TimeID＝1；其空間位置對應的SpaceID＝1；其屬性為交界點類，交界點類對應的AttributeID＝1；由于是點對象，所以沒有特征對象與之對應。ObjectID＝11的對象是一個線對象，它同樣沒有特征對象與之對應，此段海岸線是基巖類海岸線，與基巖類海岸線對應的AttributeID＝2。ObjectID＝18的對象是一個面對象，其遙感影像成像時間對應的TimeID＝2，對應的空間對象SpaceID＝9，其特征對應的FeatureID＝7，可以在特征對象中找到FeatureID＝7的光譜、紋理、幾何、元數據等特征值。

表7 對象關系表

3 結束語

本文基于面向對象的思想，使用了時間、空間、特征、屬性4個維度提出了遙感影像的時空特征模型，該模型在通常的面向對象時空數據模型的基礎上增加了特征維，以表達遙感影像多尺度分割后產生的影像對象的特征。通過對海岸線及其海岸帶影像數據的驗證，該模型能夠滿足遙感影像中海岸線位置、類型和海岸帶地物時空特征存儲與查詢的需要。

本文提出的模型僅實現了有效時間的管理，不支持事務時間的記錄，如果需要記錄影像對象的增加、刪除、編輯等操作，今后可以在時間模型中增加事務時間，以滿足實際應用的需求；由于空間對象是基于矢量模型表達的，查詢結果只能以矢量形式顯示，如果不考慮查詢和顯示效率的話，可以增加柵格影像進行顯示，這樣會更加直觀，以利于后期的影像分析。

［1］周成虎，駱劍承.高分辨率衛星遙感影像地學計算［M］.北京：科學出版社，2009：21.

［2］夏慧瓊，李德仁，鄭春燕.基于地理事件的時空數據模型及其在土地利用中的應用［J］.測繪科學，2011，36（4）：124－127.

［3］薛存金，謝炯.時空數據模型的研究現狀與展望［J］.地理與地理信息科學，2010（1）：1－6.

［4］羅靜，崔偉宏，牛振國.面向對象的超圖時空推理模型的研究與應用［J］.武漢大學學報：信息科學版，2007（1）：90－93.

［5］吳正升，胡艷，何志新.時空數據模型研究進展及其發展方向［J］.測繪與空間地理信息，2009（6）：15－17.

［6］M F WORDOYS，HEARNSHAW H M，MAGUIRE D J.Object－oriented data modelling for spatial databases［J］.International journal of geographical information system，1990，4（4）：369－383.

［7］JOON H.Development and implementation of a spatiotemporal data model for parcel－based land information systems［M］.University of Wisconsin－Madison，2001.

［8］曹聞.時空數據模型及其應用研究［D］.鄭州：信息工程大學，2011.

［9］譚衢霖，高姣姣.面向對象分類提取高分辨率多光譜影像建筑物［J］.測繪工程，2010，19（4）：30－33.

［10］劉寶銀，蘇奮振.中國海岸帶與海島遙感調查——原則方法 系統［M］.北京：海洋出版社，2005.