遙感影像分類方法的研究

楊諾爾

摘 要：該文基于ERDAS的Knowledge Engineer分類方法原理，提出一種多信息源、智能化、程序化的閾值分類技術，利用空間模型語言SML （Spatial Modeler Language）編程實現遙感影像的分類，進而克服了傳統分類方法只能針對單一信息源的局限。研究工作以1999年ETM+遙感影像臨港新城為例，將該方法與傳統的監督分類方法進行比較和精度評價。結果表明，閾值分類法比監督分類法分類精度高，指標Kappa系數由0.6109提高到0.8204。該方法可通過模塊實現多信息源的調用，從已分類圖像中提取確認的分類信息，達到一定的智能化，減少人為的重復性操作。

關鍵詞：多信息源 閾值 遙感影像 分類 精度

中圖分類號：G254 文獻標識碼：A 文章編號：1674-098X（2014）06（c）-0029-02

Abstract：Based on the principle of Knowledge Engineer in ERDAS， a multi-source of information， intelligence，and programmed threshold classification is proposed in this thesis. The Spatial Language program is applied to conduct the classification of remote sensing image，and then，to overcome the single source limitation of the traditional classification methods.Using the Lingang New City ETM+ RS image acquired in 1999 as the training example，comparing this method with the supervised classification， we evaluate the accuracy of classification by the Kappa index.The final result shows that the Kappa value is improved from 0.6109 to 0.8204. Applying this program，we can collect and gather information from multiple sources， and then extract identified patches，realize intelligent classifying procedure as well as reduce laboriously repetitive operations thoroughly.

Key Words：multi-source of information threshold remote sensing image classification accuracy

遙感影像分類是遙感圖像處理的高級階段，是對地球表面及其環境在遙感圖像上的信息進行屬性的識別和分類，把具有相同屬性的地物劃分為同一類，以達到識別圖像信息所對應的實際地物，提取所需地物信息的目的。它是遙感技術領域研究的重要課題之一，多年來一直受到遙感研究人員的普遍重視。隨著計算機技術的飛速發展，人們對遙感技術的應用更多地從傳統的影像目視解譯、判讀，轉向遙感圖像的計算機處理。計算機識別就是利用計算機對傳感器所收集的遙感信息進行處理、運算分出類別。然而，常用的分類方法都具有各自的局限性，如何提高遙感數據分類的精度，如何更大程度的實現分類的智能化，是人們最為關心的問題。

1 閾值分類法

該文基于Knowledge Engineer的分類原理，為進一步實現程序化，提出閾值分類法。ERDAS軟件的SML （Spatial Modeler Language）編程有兩種方式，一是直接采用SML的編輯語言，二是交互式更為便捷的Model Maker模塊。本研究通過對Model Maker模塊開發程序以達到分類目的。閾值分類法的原理是利用不同通道對各類地物間敏感度的差異，從而進行單波段或多波段閾值的選定將目標地物提取出，調用一個或多個已提取地物的信息源，分層實現地物的再提取，最終完成影像分類。

閾值分類法程序設計步驟主要分以下四部分：

（1）通道選取；（2）確定模型；（3）根據直方圖統計信息選定閾值；（4）運用ERDAS IMAGINE空間建模工具（Spatial Modeler）的Model Maker模塊編寫程序（圖1所示），運行程序最終實現地物分類。

2 實例分析

2.1 研究區概況

該文研究的區域為臨港新城，位于上海東南端——南匯蘆潮港。地理坐標為北緯121°40′12″～121°59′24″，東經31°2′24″～31°49′48″，總面積為311.6 km2。

影像來源于美國陸地衛星Landsat-7 ETM+，圖像色彩豐富，層次感好，具有極為豐富的地表環境信息[1]。遙感數據于1999年11月3日接收，軌道號p118 r39。該數據雖局部有云，但總體質量很好。

2.2 研究方法

以Landsat-7 ETM+為數據源，采用ERDAS遙感影像處理軟件對上海市臨港新城主要土地類型進行分類。監督分類是目前較成熟的分類方法，因此分別采用監督分類法和閾值分類法實現分類，并對分類結果進行精度評價與分析。

2.3 結果展示（見圖2、圖3）

利用ERDAS IMAGINE的Accuracy Assessment對閾值分類法和監督分類法分類后的1999年臨港新城四類地物分類圖做出評價。它是將專題分類影像中的特定像元與已知分類的參考像元進行比較，實際工作上是利用分類影像與可清晰目視判別的原影像進行對比。在分類影像中隨機產生200個點，完全覆蓋于原影像中，普及到每一地物類別。計算機將參考分類后的專題影像，按照各點的坐標將地類屬性與點號相對應。后依據原始影像判讀及相應的外業調研人為做出判斷，作為各個參考點的實際類別值。由此得出分類的精度評價報告，如表1、表2。

2.4 分析對比（見圖4）

由圖表分析得，通過閾值分類法分類后影像無論是在生產者精度、使用者精度、Kappa系數上，都優于監督分類法。監督分類因在選擇訓練區時人為主觀因素較強，造成某些類別無法解譯出來，因此在對低密度的濕地分類時有一大部分未被提取而被歸類到作為背景的綠地中，精度最低，其次為人為建筑，由于分辨率較低，對于寬度小于15m的線狀地物例如公路、河道都難以反映出，只能提取其中零星的微小斑塊。而兩種方法在水域和綠地信息提取時精度都優于人為建筑和濕地，原因是人為建筑和濕地兩類別間存在較為嚴重的“同物異譜、異物同譜”的現象，例如建筑物周圍的道路、道路的綠化地、較高建筑物的陰影等一些無關的影像信息在光譜特征上與建筑物比較接近，而被誤分為建筑物，并且在幾何拓撲特征上目標信息存在著大量粘連遮蓋現象，如樹木、車輛等。水域和綠地因面積較大多以塊狀、斑狀存在，訓練樣品純凈，含混合像元較少，故精度較高。

3 結語

（1）該文所提出的閾值分類法是基于不同通道對所要提取目標物的敏感度差異，根據直方圖統計信息選取閾值，通過ERDAS的Spatial Modeler模塊中的Model Maker程序設計實現水域、濕地、綠地、人為建筑四類地物的分類。

（2）從分類結果圖像來看，閾值分類法比監督分類法能夠更好的保留線狀地物的空間分布特征。通過對生產者精度、用戶精度、各類別K值、總Kappa值等比較分析，得出閾值分類法精度高于監督分類法，指標Kappa系數由0.6109提高到0.8204。此外，該分類法突破了監督分類法只能對單一信息源實現分類的局限性，能靈活調用不同影像源信息，并應用于其他影像，減少人為的重復操作，效率較高，可修改性強。

（3）不足之處一是閾值的選擇需要反復試驗才能確定；二是由于1999年臨港新城植被覆蓋率高、水系比較發達，閾值分類法運用效果比較理想，該分類方法能否推廣應用于其它地區，還有待于在今后的工作中做進一步檢驗；三是針對影像的光譜特征，僅是基于像元（per-pixel）的灰度值分析處理具有一定的局限性。

參考文獻

[1] 李鐵柱，李錚，宮斌，等.基于ETM+影像的凌源市土地利用遙感分類方法的研究[J].黑龍江科技信息，2011（22）：78-82.

2.4 分析對比（見圖4）

由圖表分析得，通過閾值分類法分類后影像無論是在生產者精度、使用者精度、Kappa系數上，都優于監督分類法。監督分類因在選擇訓練區時人為主觀因素較強，造成某些類別無法解譯出來，因此在對低密度的濕地分類時有一大部分未被提取而被歸類到作為背景的綠地中，精度最低，其次為人為建筑，由于分辨率較低，對于寬度小于15m的線狀地物例如公路、河道都難以反映出，只能提取其中零星的微小斑塊。而兩種方法在水域和綠地信息提取時精度都優于人為建筑和濕地，原因是人為建筑和濕地兩類別間存在較為嚴重的“同物異譜、異物同譜”的現象，例如建筑物周圍的道路、道路的綠化地、較高建筑物的陰影等一些無關的影像信息在光譜特征上與建筑物比較接近，而被誤分為建筑物，并且在幾何拓撲特征上目標信息存在著大量粘連遮蓋現象，如樹木、車輛等。水域和綠地因面積較大多以塊狀、斑狀存在，訓練樣品純凈，含混合像元較少，故精度較高。

3 結語

（1）該文所提出的閾值分類法是基于不同通道對所要提取目標物的敏感度差異，根據直方圖統計信息選取閾值，通過ERDAS的Spatial Modeler模塊中的Model Maker程序設計實現水域、濕地、綠地、人為建筑四類地物的分類。

（2）從分類結果圖像來看，閾值分類法比監督分類法能夠更好的保留線狀地物的空間分布特征。通過對生產者精度、用戶精度、各類別K值、總Kappa值等比較分析，得出閾值分類法精度高于監督分類法，指標Kappa系數由0.6109提高到0.8204。此外，該分類法突破了監督分類法只能對單一信息源實現分類的局限性，能靈活調用不同影像源信息，并應用于其他影像，減少人為的重復操作，效率較高，可修改性強。

（3）不足之處一是閾值的選擇需要反復試驗才能確定；二是由于1999年臨港新城植被覆蓋率高、水系比較發達，閾值分類法運用效果比較理想，該分類方法能否推廣應用于其它地區，還有待于在今后的工作中做進一步檢驗；三是針對影像的光譜特征，僅是基于像元（per-pixel）的灰度值分析處理具有一定的局限性。

參考文獻

[1] 李鐵柱，李錚，宮斌，等.基于ETM+影像的凌源市土地利用遙感分類方法的研究[J].黑龍江科技信息，2011（22）：78-82.

2.4 分析對比（見圖4）

由圖表分析得，通過閾值分類法分類后影像無論是在生產者精度、使用者精度、Kappa系數上，都優于監督分類法。監督分類因在選擇訓練區時人為主觀因素較強，造成某些類別無法解譯出來，因此在對低密度的濕地分類時有一大部分未被提取而被歸類到作為背景的綠地中，精度最低，其次為人為建筑，由于分辨率較低，對于寬度小于15m的線狀地物例如公路、河道都難以反映出，只能提取其中零星的微小斑塊。而兩種方法在水域和綠地信息提取時精度都優于人為建筑和濕地，原因是人為建筑和濕地兩類別間存在較為嚴重的“同物異譜、異物同譜”的現象，例如建筑物周圍的道路、道路的綠化地、較高建筑物的陰影等一些無關的影像信息在光譜特征上與建筑物比較接近，而被誤分為建筑物，并且在幾何拓撲特征上目標信息存在著大量粘連遮蓋現象，如樹木、車輛等。水域和綠地因面積較大多以塊狀、斑狀存在，訓練樣品純凈，含混合像元較少，故精度較高。

3 結語

（1）該文所提出的閾值分類法是基于不同通道對所要提取目標物的敏感度差異，根據直方圖統計信息選取閾值，通過ERDAS的Spatial Modeler模塊中的Model Maker程序設計實現水域、濕地、綠地、人為建筑四類地物的分類。

（2）從分類結果圖像來看，閾值分類法比監督分類法能夠更好的保留線狀地物的空間分布特征。通過對生產者精度、用戶精度、各類別K值、總Kappa值等比較分析，得出閾值分類法精度高于監督分類法，指標Kappa系數由0.6109提高到0.8204。此外，該分類法突破了監督分類法只能對單一信息源實現分類的局限性，能靈活調用不同影像源信息，并應用于其他影像，減少人為的重復操作，效率較高，可修改性強。

（3）不足之處一是閾值的選擇需要反復試驗才能確定；二是由于1999年臨港新城植被覆蓋率高、水系比較發達，閾值分類法運用效果比較理想，該分類方法能否推廣應用于其它地區，還有待于在今后的工作中做進一步檢驗；三是針對影像的光譜特征，僅是基于像元（per-pixel）的灰度值分析處理具有一定的局限性。

參考文獻

[1] 李鐵柱，李錚，宮斌，等.基于ETM+影像的凌源市土地利用遙感分類方法的研究[J].黑龍江科技信息，2011（22）：78-82.