基于面向對象的高分影像地表覆蓋典型要素快速提取對比研究

陳濟才，文學虎，李國明

（四川省第三測繪工程院，成都 610500）

1 引 言

高分辨率遙感影像包含了豐富的地球表面信息，但地物顏色多樣，紋理結構復雜，面臨著如何最大限度地挖掘影像潛力的問題［1］。傳統的信息提取主要是根據地表覆蓋的光譜特征，基于像元來進行提取地物，由于房屋、道路、林地和耕地等的像元的形狀、紋理等波譜信息較為類似，很難使用此方法進行區別，錯分漏分現象較為嚴重［2］?；谙裨庾V信息的影像分割、分類以及所得到的自動提取結果遠遠不能滿足地理國情普查地表覆蓋要素提取結果的精度要求。而面向對象的影像分析技術是集合臨近像元為對象用來識別感興趣的光譜要素，充分利用高分辨率的全色和多光譜數據，利用空間、質地、光譜信息來分割和分類，生成高精度的分類結果或者以矢量方式進行輸出［3］。

目前全國第一次地理國情普查正在實施，但目前并沒有可直接利用的高分影像要素提取相關技術。因此，本文采用面向對象的解譯方法對地表覆蓋典型要素進行快速提取研究，為地理國情普查提供技術支持。

2 軟件選取

從要素提取處理過程的流程化程度和規則集的開發兩方面考慮，本次試驗主要選取了ENVI EX、Titan Image和eCognition（易康）3款軟件進行快速提取技術對比試驗研究。

ENVI EX的核心功能是面向對象特征提取工具，可面向對象提取遙感影像地表要素，并使其過程操作流程化［4］。

Titan Image的面向對象提取技術結合了ENVI EX的樣本訓練區選擇和eCognition（易康）的隸屬度函數方法，依據樣本訓練區的特征值計算得到高斯分布的樣本特征值隸屬度函數曲線，實現要素的自動提?。?］。

eCognition（易康）是基于目標信息的遙感信息提取軟件，其采用決策專家系統支持的模糊分類算法，采用面向對象的分類技術，通過規則集的開發實現針對性的類別要素自動提取［6］。

3 影像自動分割分類與評價

3.1 數據選取

本次試驗采用的數據是四川省成都市某區域2012年5月 WorldView－2影像，0.5m分辨率全色影像，2m分辨率多光譜影像。經過輻射校正和幾何精校正，已改正影像的灰度失真和幾何誤差。其原始圖像如圖1所示。

圖1 原始影像（左：多光譜影像，右：全色影像）

3.2 影像分割、分類

全國第一次地理國情普查中，地理國情地表覆蓋分為12個1級類，49個2級類，86個3級類。在僅有的遙感影像以及專題數據的基礎上，并不能通過軟件實現全部地理國情地表覆蓋要素的自動提取，并使結果達到項目精度要求。因此，一些2級、3級類仍需人工判別，自動提取的結果也需后續的人工處理。因此本次根據現有的資料以及實驗區地表覆蓋要素情況，主要針對房屋、道路、耕地、林地和水體五大典型要素進行了自動提取試驗，五大典型要素均為地理國情普查內容1級分類。

①ENVI EX

在ENVI EX流程化處理過程中，先是對影像參照一定尺度分割、融合，然后采用選擇樣本的方式進行分類。除了通過選樣本的方式分類外，也可使用規則的方式分類，由于ENVI EX中的規則不夠強大，故本次在ENVI EX里不使用規則分類的方法進行分類，著重利用軟件eCognition開發規則集進行要素的提取研究。其分類結果如圖2所示。

②Titan Image

利用Titan Image軟件對影像進行多尺度分割時，需要首先將影像轉換成8bit的unsigned integer柵格影像。Titan Image軟件中面向對象分類包括規則分類和決策樹分類，由于軟件中隸屬度函數較為豐富，故本次試驗采取規則分類方法進行要素提取。該軟件面向對象規則分類的主要步驟包括圖像分割、訓練樣區的選擇、添加隸屬度函數和執行分類，其分類結果如圖2所示。

圖2 分類結果（左：ENVI EX分類結果，右：Titan Image分類結果）

③eCognition（易康）

為得到最佳的分割效果的對象，分類前先驗證不同地物的最優分割參數，其過程是固定尺度、形狀、緊致度這3個參數中的52個參數，而改變另外1個參數的不同數值，進行不同參數的分割結果的比較。本次試驗分割影像時，首先在易康軟件里使用canny的邊緣檢測算法對影像進行了一次邊緣檢測計算，檢測出影像線性地物的邊緣，然后把得到的邊緣檢測結果參與到分割中去，且權重設置的相對高一些，這樣有助于多尺度分割算法創建出線性地物邊界的對象［2］，并根據道路、房屋矢量專題圖層不參與分割、分類，道路、房屋矢量專題圖層參與分割、分類這2種情況，開發出了2套規則集進行要素提取試驗。第1套規則集的建立采取由易到難的策略進行地物要素提取，分類順序為水體、林地、耕地、道路、房屋。水體提取采用了水體指數、紅色比、亮度值等特征；林地與耕地的提取利用了植被指數、近紅外標準差、全色中值等特征；道路提取采用了紅色比、長寬比、植被指數、近紅外標準差、密度值、距離等特征；房屋最難提取，本次試驗是在最后的未分類類別里，采用了密度值等特征進行分類，分類效果一般。第2套規則集，房屋和道路的提取采用基于專題圖矢量數據參與分類的方式，達到減少所需規則集分類特征數量、降低要素提取難度的目的；水體、林地、耕地的要素提取與第1套規則集建立所使用的分類特征相同。按照前面開發的規則集執行，自動提取出的分類結果如圖3所示。

圖3 分類結果圖（左：eCognition（未參與專題圖），右：eCognition（參與專題圖））

3.3 分析評價

3.3.1 定性分析

（1）數據處理能力方面

對于這3款軟件，分類之前，均要對影像進行分割，影像越大，分割越慢。ENVI EX與Titan Image分割、分類時受軟硬件配置影響較大，針對大數據處理不具有批處理功能。eCognition（易康）的eCognition Server模塊提供了影像批處理與平行分工的機制，可有效增進大量影像處理效率。在eCognition（易康）軟件里，開發好規則集后，分割影像這一階段占用的時間最多，經實際試驗驗證，若配置N個Server，可將分割影像的時間減少到1／N，并可實現多工程批處理，十分有利于大數據分割、分類，能夠提高數據處理的效率，具有可行性。

（2）分類整體結果方面

分類結果破碎程度從高到低順序為：ENVI EX、eCognition（專題圖不參與分割分類）、Titan Image、eCognition（專題圖參與分割分類）；分類結果誤分、漏分程度從高到低順序為：ENVI EX、eCognition（專題圖不參與分割分類）、Titan Image、eCognition（專題圖參與分割分類）。由上面的比較結果來看，參與其他可利用柵格或者專題圖資料，利用eCognition（易康）進行地表覆蓋要素自動提取，給后續的人工處理造成的工作量較少，具有可行性。

3.3.2 定量分析

（1）定量評價方法

簡單隨機抽樣方法是遙感試驗結果精度檢驗經常用到的抽樣方法之一，該方法能在保證檢驗精度的前提下，操作簡單，易于實現。因此，本次試驗，在得到分類結果后，根據分類得到的結果進行分類精度定量評價。評價采用如下方法進行：在ArcGIS中，基于此試驗區域自動生成100個隨機點，指派經驗豐富的解譯人員對上述樣本點結合影像進行判讀并填寫判讀地類，將樣本點文件導入eCognition Developer中并轉化為樣本，結合4種情況的自動分類結果，進行精度評價。其流程圖如圖4所示。

圖4 精度評價流程圖

（2）定量評價結果

按照上述方法，得到3種軟件、4種情況的分類結果精度評價，精度評價如表1至表5所示。通過表1至表5可以發現，ENVI EX、Titan Image以及eCognition（專題圖不參與分割分類）的3種情況的自動分類結果，只有水系精度較高，其他地表覆蓋典型要素分類容易互相混淆，各項精度均較低。只有參與房屋和道路專題圖層自動提取的最后分類總體精度（Overall Accuracy）超過了80%，這對于實驗區來講，分類結果還是比較令人滿意的。同時，根據統計結果可以得到如下結論：房屋、道路、水系信息提取的效果較好，相對而言，由于本次試驗數據為成都市某城鄉結合部5月份遙感影像數據，林地與種植有作物的耕地光譜特征差異較小，完全區分開來有一定的難度，今后有待于進一步研究。

表1 ENVI EX分類結果精度評價

表2 Titan Image分類結果精度評價

表3 eCognition（未參與專題圖）分類結果精度評價

表4 eCognition（參與專題圖）分類結果精度評價

表5 分類結果總體精度評價

4 結束語

通過試驗研究發現ENVI EX不用建立規則集，對技術員的要求不高，但分割影像時，不能使用其他可利用的柵格或專題圖文件參與分割，分割斑塊屬性少，分類時容易誤分、漏分，碎斑較多，后續人工處理的難度較大；Titan Image軟件不用開發規則集，只需要添加合適的隸屬度函數，調整函數的參數即可，提高了效率，降低了對技術員的要求，但容易受人的主觀影響，無法人為開發一套針對性較強的分類規則，結果受樣本的影響較大；eCognition（易康）不需要選擇樣本，直接通過開發規則集的方式進行分類，也可利用已有的一些柵格或者專題圖數據對影像進行分割、分類，并利用規則集對每一分類結果進行逐步優化，分類結果精度較高，對于地理國情監測地表覆蓋典型要素自動提取具有可行性。

［1］王建芳，包世泰.面向對象解譯方法在遙感影像地物分類中的應用［J］.熱帶地理，2006，26（3）：234－238，242.

［2］許高程，畢建濤，王星星，等.面向對象的高分辨率遙感影像道路自動提取試驗［J］.遙感信息，2012（2）：108－111.

［3］常春艷，趙庚星，王凌，等.濱海光譜混淆區面向對象的土地利用遙感分類［J］.農業工程學報，2012，28（5）：226－231.

［4］王春泉.面向對象的遙感影像信息提取技術研究與實現［D］.青島：山東科技大學，2005.

［5］劉偉東，徐建，張海霞.面向對象分類方法在全國第二次土地調查中的研究［J］.遙感信息，2009（6）：73－76.

［6］劉彥隨.中國土地資源戰略與區域協調發展研究［M］.北京：氣象出版社，2006：602－608.