資源三號(hào)衛(wèi)星遙感影像城市地表覆蓋分類(lèi)方法研究.pdf

1、在我國(guó)經(jīng)濟(jì)水平和城市化建設(shè)快速發(fā)展的同時(shí)，地表覆蓋發(fā)生了天翻地覆的變化，如耕地減少、生態(tài)退化、環(huán)境污染、城鎮(zhèn)化擴(kuò)張等。地表覆蓋的頻繁變化不但會(huì)改變環(huán)境景觀特征，還會(huì)影響社會(huì)經(jīng)濟(jì)、生態(tài)系統(tǒng)和水文系統(tǒng)等。地表覆蓋分類(lèi)向來(lái)是全球變化及現(xiàn)代地學(xué)研究的核心和焦點(diǎn)，既可為土地的合理利用提供數(shù)據(jù)基礎(chǔ)，也可為土地利用規(guī)劃和可持續(xù)發(fā)展政策的制定提供重要依據(jù)。利用遙感影像實(shí)現(xiàn)地表覆蓋分類(lèi)信息提取逐漸成為遙感技術(shù)最重要的應(yīng)用領(lǐng)域之一。隨著遙感技術(shù)的發(fā)展，遙感

2、影像分辨率不斷提高，載負(fù)的地物信息越來(lái)越豐富。而傳統(tǒng)的基于像元的地表覆蓋分類(lèi)方法并不能充分利用高分辨率遙感影像豐富的光譜、空間、紋理等信息，且其受光譜值影響大而會(huì)產(chǎn)生較多“椒鹽”噪聲，分類(lèi)精度已不能滿(mǎn)足行業(yè)需求。為高分辨率遙感影像數(shù)據(jù)有效應(yīng)用于地表覆蓋分類(lèi)研究，面向?qū)ο蟮姆诸?lèi)方法應(yīng)運(yùn)而生。
　　面向?qū)ο蠓诸?lèi)方法通過(guò)對(duì)遙感影像進(jìn)行尺度分割得到影像對(duì)象，再根據(jù)地物的光譜、紋理和空間特征，檢測(cè)和提取能夠描述目標(biāo)地物的多種特征，利用模糊分

3、類(lèi)方法對(duì)遙感影像進(jìn)行分類(lèi)或目標(biāo)物提取。該基于對(duì)象的分類(lèi)方法具有很強(qiáng)的抗噪能力，能有效彌補(bǔ)基于像素級(jí)方法的不足。目前基于對(duì)象的地表覆蓋分類(lèi)尚存有兩個(gè)難點(diǎn)問(wèn)題：最優(yōu)分割尺度的確定和特征空間的優(yōu)化。在 ERDAS和 MATLAB平臺(tái)的支持下，文章從這兩個(gè)核心問(wèn)題出發(fā)，對(duì)該方法進(jìn)行了優(yōu)化，主要研究?jī)?nèi)容及結(jié)果如下：
　?。?）探討資源三號(hào)影像最佳組合波段：把近紅外波段和綠波段按一定比例組合后以綠色通道和紅、藍(lán)通道共同輸出為RGB影像，生成真

4、彩色圖像。實(shí)驗(yàn)證明：當(dāng)綠波段和近紅外波段按9:1輸出時(shí)，圖像亮度適中，對(duì)比度大，紋理清晰，且包含信息量最大，最有利于遙感解譯。
　?。?）分析資源三號(hào)最佳融合算法：基于資源三號(hào)衛(wèi)星遙感影像，分別采用主成分融合算法、乘積融合算法、Gram-Schmidt融合算法、Ehlers融合算法、基于IHS變換的小波融合算法、基于小波變換的主成分融合算法對(duì)影像數(shù)據(jù)進(jìn)行了融合處理，得到了六種不同的融合結(jié)果；并利用灰度均值、相對(duì)標(biāo)準(zhǔn)差、均方根誤差、

5、空間頻率、信息熵、交叉熵和相關(guān)系數(shù)這八個(gè)指標(biāo)對(duì)影像融合結(jié)果進(jìn)行了客觀評(píng)價(jià)與分析。評(píng)價(jià)結(jié)果表明：主成分融合算法明顯改善了資源三號(hào)衛(wèi)星遙感影像的影像質(zhì)量，該融合結(jié)果亮度較合適，紋理清晰，包含信息量較大，圖像層次較好，可以很好地作為地表覆蓋分類(lèi)研究的基礎(chǔ)數(shù)據(jù)。
　?。?）深入研究分析圖像分割技術(shù)中的最優(yōu)分割尺度確定問(wèn)題。文章對(duì)比總結(jié)了目前的最優(yōu)分割尺度評(píng)價(jià)法：最大面積法、局部方差法、RMAS法、同質(zhì)性和異質(zhì)性法，分析了不同評(píng)價(jià)指標(biāo)與分割

6、尺度的關(guān)系，確定最優(yōu)分割尺度值。同時(shí)，參考同質(zhì)性和異質(zhì)性思想，綜合分割對(duì)象間的光譜信息特征與圖像分割后對(duì)象內(nèi)部的光譜及空間特性，提出了基于紋理信息熵、對(duì)比度和光譜標(biāo)準(zhǔn)差的聯(lián)合指標(biāo) ENACS法。分析結(jié)果表明：改進(jìn)的最優(yōu)分割尺度選擇方法能更加正確反映地物的最優(yōu)分割尺度，且范圍更廣。
　?。?）提出了改進(jìn)的最優(yōu)特征選擇算法?；诿嫦?qū)ο笞顑?yōu)特征選擇搜索算法-分離閾值法（SEaTH算法），文章顧及了特征間的相關(guān)性、類(lèi)間J-M距離、各個(gè)樣

7、本間的類(lèi)內(nèi)距離，對(duì)J-M距離測(cè)度準(zhǔn)則進(jìn)行了優(yōu)化，并構(gòu)建了新的特征距離篩選指標(biāo)JS。再利用增L去R搜索算法進(jìn)行特征子集的搜索。改進(jìn)后的算法提高了搜索效率，避免了特征子集局部最優(yōu)，達(dá)到優(yōu)化特征空間的目的。
　　（5）面向?qū)ο蟮乇砀采w分類(lèi)及技術(shù)研究。應(yīng)用文章提出的最優(yōu)分割尺度和最優(yōu)特征子集搜索算法兩個(gè)方法，結(jié)合資源三號(hào)衛(wèi)星遙感影像，構(gòu)建了分類(lèi)決策樹(shù)，對(duì)研究區(qū)進(jìn)行了地表覆蓋分類(lèi)實(shí)驗(yàn)。結(jié)果表明，面向?qū)ο蠓诸?lèi)方法可以有效解決“同物異譜”“同譜