基于 ENVI 的高分辨率遙感影像城市綠地信息提取研究

基于ENVI的高分辨率遙感影像城市綠地信息提取研究

陳陽，趙俊三，陳應躍

(昆明理工大學國土資源工程學院，云南昆明650033)

摘要：近年來眾多高分辨率遙感衛星的發射為城市綠地信息提取提供了高效的手段，如何充分利用高分辨率遙感影像對現代城市進行規劃和生態環境評價具有重要意義。文中介紹一個完整的遙感工程在ENVI下的實現過程，包含高分辨率數據的處理、高分辨率信息提取流程的合理安排、FX模塊面向對象信息提取等內容，可全面快速掌握城市綠地總量與分布現狀，為綠地系統規劃與日常管理決策提供參考，對生態城市建設具有重要意義。

關鍵詞：城市綠地；WorldView；信息提??；ENVI

中圖分類號：TP75文獻標志碼：A

收稿日期：2014-11-09

基金項目：國家自然科學基金資助項目(41161062)

作者簡介：陳陽(1989-)，男，碩士研究生.

ENVI based urban green space information extraction with high resolution remote sensing data

CHEN Yang,ZHAO Jun-san,CHEN Ying-yue

(School of Land Resources Engineering,Kunming University of Science and Technology,Kunming 650033,China)

Abstract：The launch of the high resolution remote sensing satellite provides an efficient way for urban green space information extraction research currently. To get the most out of the high resolution remote sensing data seems to be very important in modern urban planning and ecological environment evaluation.By using a complete remote sensing engineering example in ENVI, it gives the introduction about high resolution remote sensing data management,reasonable arrangements of extract procedure with high resolution remote sensing data,object-oriented information extraction in FX module,etc.Thus,the total quantity of the urban green space and the present situation of the distribution can be made in an all-round and fast way,and it also provides a reference about green space system planning and daily management, which has important implications for the construction of the ecological city.

Key words：green space；WorldView；information extraction；ENVI

城市綠地作為城市中唯一有生命的基礎設施，在改善城市生態環境和人居環境方面起著積極的作用[1]，它是城市的氧源，更是電磁輻射、噪音及有害氣體的良好吸收體[2-4]，在城市生態平衡中扮演著重要的角色，準確掌握其分布結構及變化規律，預測其發展走向，對于維護區域生態平衡，保護城市生態環境具有不可忽視的作用[5-6]。城市綠地的規劃須先立足于對城市綠地現狀的了解，傳統的綠地調查采取實地測量與統計相結合的方法，它效率低下而且統計結果受人為影響。隨著遙感技術的發展，近年來眾多高分辨率遙感衛星的發射為城市綠地信息提取提供了高效的手段，如何充分利用高分辨率遙感影像對進行現代城市規劃和生態環境評價具有重要意義[7-8]。

高分辨率遙感技術為城市生態環境的監測方法和評價指標的改進提供了有力的支持。獲得的城市綠地覆蓋信息與其他資料結合可以進行城市綠地空間分布分析評價，為合理進行城市綠地規劃提供決策支持[9]。高分辨率遙感技術具有很多特點：多傳感器提供高分辨率全色波段及多光譜數據，通過圖像融合方法，可以得到色彩信息豐富的高分辨率光譜數據；衛星控制技術，可使重訪周期控制在數天以內；使地物內部組成要素更豐富，能更好反映空間信息、地物尺寸形狀、地物之間的關系。WorldView-II衛星是Digitalglobe公司于2009年10月6日發射升空，運行在770 km高的太陽同步軌道上的高分辨率商業遙感衛星，它能夠為世界各地的商業用戶提供滿足其需要的高性能圖像產品。WorldView-II在空間分辨率(0.5 m)，多光譜成像(1個全色通道、8個多光譜通道)、側擺速度、掃描寬度等方面具有顯著的優勢，能夠滿足更廣領域的遙感用戶，為其提供更好的遙感信息源服務，在數字城市建設、自然資源的管理和監控、自然災害的評估及精細農業等領域中具有應用潛力[10]。

本文介紹了使用ENVI遙感圖像處理軟件，采用WorldView-2高分辨率遙感影像，對城市綠地信息提取的方法，其技術路線如圖1所示。

圖1　技術路線

1實驗數據

本文選擇成像時間為夏季，植被長勢較好的WorldView-2含RPC信息的LV2A級數據，該數據包括0.5 m分辨率的全色影像和1.8 m分辨率的多光譜影像。其中多光譜影像包含8個波段，除含有藍、綠、紅、近紅4個業內標準波段外，還含有海岸、黃、紅邊、近紅4個彩色波段，增加的波段信息為用戶提供進行精確變化檢測和制圖的能力，其中非可見光近紅外波段，波長較長，受大氣影響較小。因紅和近紅外波段是對綠地敏感的波段，為了提高工作效率，故本文在圖像分類時僅選擇4個業內標準波段參與圖像分割。

2數據預處理

2.1　圖像融合

將高空間分辨率的全色影像與多光譜數據進行融合處理，使融合后的影像既保留多光譜特征又擁有較高的空間分辨率，如圖2所示。ENVI中的融合方法有HIS變換、Brovey變換、乘積運算、PCA變換和Gram-Schmidt，融合方法的選用十分重要，不同方法有不同的適用范圍，同樣的融合方法應用在不同影像中所得結果也往往不一樣。本文選擇適于最新高空間分辨率影像的Gram-Schmidt方法，改進了PCA中信息過分集中的問題，而且不受波段限制，可以較好地保持影像的紋理和光譜信息。

圖2　融合后圖像與多光譜圖像對比

在ENVI中分別打開WorldView-2多光譜圖像和全色圖像，選擇Gram-Schmidt Pan Sharpening，選擇適當的空間裁剪及波譜裁剪然后進入融合參數面板，該面板會自動識別其傳感器類型，重采樣方法選擇精度最高的三次卷積。

2.2　自定義坐標系

為避免坐標來回轉換時產生較大誤差，應首先統一控制點和輸出正射校正圖像的坐標系。本文因DOM數據為北京54坐標系，所以統一坐標系為北京54坐標系。該步驟在ENVI Classic中進行，從網上獲取北京54坐標系相應投影、基準面、中央經線長度比等參數，將其添加至軟件中并保存。

2.3　正射校正

在衛星影像和航空影像中會有一些幾何誤差，主要由比例尺變化、傳感器姿態的變化、傳感器的系統誤差引起。對于分辨率較高且具有RPC信息的圖像可以用正射校正的方法完成幾何校正以消除這些誤差達到更高的精度要求。在本文中，采取GCP+RPC+DEM的方法完成正射校正，其中GCP控制點從參考圖像DOM中選擇。

首先將參考圖像DOM和DEM數據進行綁定，這樣可以在DOM上獲取x,y及該點的高程值。在選控制點時，不能選擇建筑物的頂點，因為傳感器若有傾斜角度，建筑物頂點將會偏移，所以確保選點時選擇地面上的控制點。選好同名點(鏈接點)后，在參考圖像中右鍵選擇像元位置，可將參數導出至控制點選擇面板并添加點。添加點完成之后可查詢控制點的誤差，若太大可進行刪點重選。因圖像融合時丟失了RPC信息，進行正射校正時需要選擇相應RPC文件，可以使用全色影像的PRC信息進行補充。

2.4　快速大氣校正

因提取綠地信息所需精度不用太高，故本文使用大氣校正擴展模塊中的快速大氣校正工具(QUick Atmospheric Correction)，可以提高NDVI和光譜屬性值的精度，還可以消除部分大氣影響。完成大氣校正后定位到綠地并分別打開大氣校正前后的光譜曲線，發現校正后的光譜曲線更為真實，如圖3所示。

圖3　快速大氣校正前后綠地波譜曲線對比

3面向對象綠地信息提取

綠地信息提取使用到特征提取(Feature Extraction，FX)這個擴展模塊,ENVI5.1中該模塊含有3個工具：基于樣本選擇的特征提取、基于規則的特征提取與分割式特征提取。提取植被選用基于規則的特征提取(Rule Based Feature Extraction)。

歸一化植被指數(Normalized Difference Vegetation Index，NDVI)計算可以將多光譜數據變換成一個單獨的圖像波段，用于顯示植被分布。較高的NDVI值預示著包含較多的綠色植被。ENVI中的NDVI使用標準算法

NDVI值的范圍為-1～1[11]。

3.1　調整分割尺度與合并尺度

創建發現對象時，分割尺度越大則分割的塊越大，值越小則分割的塊越多，勾選預覽可實時預覽分割效果圖，根據提取地物的大小選擇適合的分割尺度。分割時，發現分割的對象相對零碎，使用合并尺度對其進行合并，合并的值越大被合并的塊越多。通過預覽和經驗調整分割尺度值為35，合并尺度值為60時效果較為理想。

3.2　建立規則

建立規則時需建立兩種規則，一種是把需要的地物提取出來，一種是把不需要的地物去掉。新打開一個ENVI工程文件并打開經過處理過的研究區圖像，以RGB標準假彩色顯示波段使綠地植被顯示為紅色，利于目視解譯找綠地植被。使用ROI(感興趣區域)選擇感興趣區域時，可在研究區域各個地方，選擇一些長勢不太好的植被進行標注，注意在建筑物陰影中的植被(在圖像上顯示為近黑色但確定為植被)不要標注，若選擇會使結果數值很小，失去研究意義，統計可得綠地對應的NDVI的最小值為0.149 510。

回到FX模塊預覽窗口設置該值發現有部分顯示為紫色屋頂的地物被劃分進綠地里面，故再次建立一個AND的規則以去除紫色屋頂。新建感興趣類型，放大窗口可參考之前預覽時被錯分的地物目視選擇出一些覆蓋人造涂料的地物作為樣本，統計得出在綠地區域Band1的最大值與紫色屋頂的最小值基本接近，為1 281～1 381，如圖4所示。故使用<1 381作為剔除紫色屋頂的閾值。再次預覽發現紫色屋頂被剔除。由此獲得比較理想的面向對象分類規則[12]如下：

SegmentScaleLevel：35.0

MergeLevel：60.0

Refine：NoThresholding

AttributesComputed：

Spectral

BandRatio

QUAC(Orthorectified(Band4)：WV2_GS_OR_QUAC.dat) (658.8000)

QUAC(Orthorectified(Band5)：WV2_GS_OR_QUAC.dat) (832.5000)

Classification：Rule-Based

RuleSet:

bandratio> 0.1495

avgband_1 < 1381.0000

圖4　綠地樣本與非綠地樣本的統計結果

4結束語

本文介紹了一個完整的遙感工程在ENVI下的實現過程，包含高分辨率數據的處理、高分辨率信息提取流程的合理安排、ENVIFX模塊面向對象信息提取等內容。提取出綠地信息后，能以Shapefile格式輸出至ArcMAP中進行矢量結果檢查與編輯、矢量數據拼接與裁剪及屬性賦值等操作，從而全面快速地掌握城市綠地總量與分布現狀，為綠地系統規劃與日常管理決策提供參考，對生態城市建設具有重要意義。

參考文獻：

[1]鄭光,田慶久,李明詩.基于ETM+遙感影像的南京市城市綠地的動態監測[J].遙感信息，2005(5):22-24.

[2]車生泉,王洪輪.城市綠地研究綜述[J].上海交通大學學報,2001,49(3):230-234.

[3]楊莎莎，李永強，李框宇，等.基于車載LiDAR數據的單株樹提取[J].測繪工程，2014,23(8)：23-27.

[4]向晶，周紹光，陳超.基于改進高斯混合模型的遙感影像道路提取[J].測繪工程，2014,23(3)：42-45.

[5]陳利,林輝,孫華.基于WorldView-2影像城市綠地信息提取研究[J].西北林學院學報，2014,29(1)：155-160.

[6]宋仁波，李文慧，王細元，等.基于雙張影像的城市建筑物高度提取方法[J].測繪工程，2014,23(9)：66-69.

[7]黃穎.基于遙感的城市綠地提取研究[J].西部探礦工程，2008(3)：64-66.

[8]王野.基于資源三號衛星影像的城市綠地信息提取方法探討[J].測繪工程，2014,23(7)：65-67.

[9]賴志斌,夏曙東,承繼成.高分辨率遙感衛星數據在城市生態環境評價中的應用模型研究[J].地理科學進展,2000,19(4)：359-365.

[10]楊寶龍,夏斌,馮里濤,等.QUICKBIRD影像在城市綠地提取中的應用：以石家莊市為例[J].安徽農業科學,2009(3)：1220-1222.

[11]鄧書斌.ENVI遙感圖像處理方法[M].北京:科學出版社,2010：118-119.

[12]ENVI-IDL中國.專題：利用高分辨率圖像提取城市綠地信息[EB/OL].http://blog.sina.com.cn/s/blog_764b1e9d010105ny.html,2012-05-31.

[責任編輯：劉文霞]