面向对象的高分辨率卫星影像土地分类

Value Engineering• 187•面向对象的高分辨率卫星影像土地分类
Object-oriented Land-use Information Extraction from Satellite Imagery
唐静T A N G J i n g;陈仙春C H E N X i a n-c h u n;欧朝蓉O U C h a o-r o n g
(西南林业大学生态旅游学院，昆明650224 )
(F a cu lty of E c o to u ris m,Southwest Forestr^^U n iv e rs ity,K u n m in g650224, C hina)
摘要：本文采用面向对象的方法对高分辨率卫星影像进行土地分类信息提取。

首先利用最近邻分类法对多尺度分割后形成的影 像对象块粗分类。

随后根据各地类的影像特征构建知识库，优化错分类的地类信息。

试验表明，面向对象的高分辨率影像土地分类能 充分利用影像信息，提高了信息提取的精度。

Abstract:T h is p a per proposes an o b je c te d-o rie n te d m ethod to e xtract la n d-u s e fro m h ig h-re s o lu tio n sa te llite im age.F irs tly,the nearest n e ig h b o r c la ssifica tio n m ethod is used to o b ta in rough c la ssifica tio n re su lt though ju d g m e n t of im age ob je cts.These im age objects come fro m m u ltire s o lu tio n segm entation to raw im age.T h e n,the know ledge base is con structe d acco rding to the im age features of d iffe re n t classes.L a s tly,la n d-u s e in fo rm a tio n is op tim ize d using know ledgebase.The exp e rim e n t re su lt show th a t o b je ct-o rie n te d la n d-u s e in fo rm a tio n extra ctio n c o u ld use im age in fo rm a tio n co m p le te ly and o b ta in b e tte r e ffe ct.
关键词：土地分类；高分辨率卫星影像;面向对象;知识库
Key words:la n d-u s e in fo rm a tio n;hig h spa tial re so lu tio n sate llite im a g e;o b je c t-o rie n te d;know ledge base
中图分类号:S127 文献标识码:A文章编号：1006-4311(2017)24-0187-03
〇引言
土地分类是按照土地自然属性进行的土地类型划分，分类后形成的土地类型是土地资源评价、土地利用规划的 基础。

传统的分类方式以实地勘察为主，但这类方式速度 慢、时效性低。

随着Q u ic k B ir d、G e o E y e、W o r ld v ie w等高分 辨率卫星影像的出现，人们在利用影像的光谱信息的同时 还可以利用影像中丰富的纹理和地物形状、位置信息，这 为土地类型快速、准确地划分提供了条件。

利用高分辨率遥感影像进行信息提取时，如果采用传 统的面向像元方法会由于高分辨率影像信息的丰富性、细致性产生大范围的“椒盐现象”造成分类精度的降低。

面 向对象的遥感影像分类方法能利用影像中的光谱、纹理、空间信息进行影像类别判定，从而能提高信息提取的精
基金项目：云南省教育厅项目（51400620 )。

作者简介：唐静（1986-)女，云南个旧人，现就职于西南林业大学 生态旅游学院，助教，硕士，主要从事地理信息系统二
次开发、遥感信息提取方面的研究。

例，冬季采暖电量为239万千瓦时，采暖电费85.05万元，平均冬季运行费用为14.92元/平方米。

衡水采暖气价为3.35~3.91元/平方米，按设定热负荷 50瓦/平方米、供暖期120天、10小时/天所需热值计算，燃 气锅炉运行费用约22.88-26.71元/平方米。

从实际运行费用来分析看，分散式电采暖由于采取行 为节能，实施峰谷电价，年运行费用低于燃气锅炉，也低于 当地集中供暖21元/平方米•年的价格。

同时由于化石能 源存在爆炸等危险性，燃气锅炉需要专人值守，集中供暖、分散式电采暖无需人员值守，这部分人员成本由于各地和 各用户不同而未计算，但是同样存在一定的成本。

5结论
分散式电采暖具有使用方便、无污染、清洁环保和占 地少等特点。

从行为节能、节能减排效益分析、经济运行分度。

H a c k e lf o r d和D a v is通过对比面向对象分类方法与面
向像元分类方法，得出了面向对象的分类方法更适合于进
行城市或城郊分类信息提取的结论11]。

H o f m a n n e使用面向
对象的分类方法针对I K O N O S影像较好的识别了非正式
居民地12]。

余坤勇、许章华、刘健等使用“基于片层-面向类”
算法实现了南方山地丘陵区的竹林信息提取13]。

余晓敏、湛
飞并采用了一种基于影像对象最优化特征组合的方式对
城市地表信息提取[4]。

莫登奎等则基于模糊逻辑分类的面
向对象的分析方法提取了株洲市城乡结合部的土地覆盖
信息[5]。

这些方法虽然取得了不少研究成果，但在提取的速
度、自动化程度上还与实际的运用有一定的差距[6]。

本文利用高分辨率卫星影像自身的光谱、空间、纹理
特征，对研究区进行土地分类信息提取。

1面向对象的土地类型提取方法
面向对象的信息提取是将影像分割成同质影像块后
模拟人类认知事物的过程对分割好的影像块设定条件，将
满足条件的影像块分配到合适的类别中去，最后得到与实
析来看，居民小区采用分布电采暖供暖优于燃气锅炉，
用户采取行为节能后优于集中供暖，替代燃煤锅炉，在
新建居民小区推广是可行的。

同时分散式电采暖日常运
行费用与建筑保温、用户的行为节能密切相关，对于年
轻上班族用户，分散式电采暖更经济，可以最大限度的降
低采暖费用。

参考文献：
[1]张晓非，胡纯杰，蒋南波.电能取暖方式替代集中供热方式 的探讨「J1.科技情报开发与经济，2003.
[2]袁新润，吴亮，张剑，项添春.天津电能替代形势与电采暖 经济性分析[J1.电力需求侧管理，2015.
[3]武中，李强，徐红涛.供暖领域电能替代效益分析[J1.浙江工 业大学学，2015.
[4]王昆.水蓄热电锅炉作为中小建筑物冬季取暖热源的应用 [J1.河北理工大学学报（自然科学版），010.
• 188 •
价值工程
含有丰富的叶绿素，在近红外波段上表现出高反射
呈暗色调显示，在蓝光波段的反射量较高 通常呈连片的面状分布,纹理较为粗糙
均质性较高的长条状，曲率变化小，一般与居民地或人工设施相连
形状较为规则，有聚集分布的特征
了 6512.25平方米，如图2所示。

图2原始遥感影像
从图2可以看出，该地区地类主要包括植被、裸地、水 体、道路和建筑5个类别。

由于对太阳光线的遮挡，在高分 辨率的遥感影像上就出现了若干由植被或者建筑物遮挡 产生的暗色调阴影区域。

在没有其他辅助数据的协助下很 难识别落影下的实际地类类型，故将阴影另设为一特殊的 地类。

2.2影像初处理
面向对象遥感信息提取的第一步就是根据影像的特 点选择相应的参数对影像进行分割，形成与实际地物相似 的影像对象块。

通过多次数据实验本文选择分割尺度为 80,光谱异质性权重在蓝光波段为0.5、绿光和红光波段 为0.8、近红外光波段为1，形状差异性权重为0.8,紧凑 度权重为0.2的多尺度分割算法对影像进行分割，分割 后的影像对象块边界与地类边界相一致且避免了对象的 过度破碎。

在分割完成后需要利用影像对象的光谱、形状、纹理 信息进行最近邻采样，即在选择了有代表性的样本后，以 样本的光谱亮度均值、标准差及形状指数为指标参数进 行最近邻分类，并最终将影像对象块分类到植被、裸地、 水体、道路、建筑和阴影6个类别中，粗分类结果如图3 所示。

图3粗分类结果
2.3基于知识库的土地分类优化
从图3可以看出由于地类间光谱信息的相似性和影 像中纹理、位置信息的利用不充分导致了部分土地类型的 错分类，造成了土地分类碎化性严重、一定量的地类归并 为阴影类等情况。

针对以上问题需要根据各地类错分类的
根据土地类别的特征，利用分割后形成的影像对象块 的光谱、纹理、形状特征进行最大似然分类，形成遥感影像 土地类型的初分类。

然后根据地类的特征设置提取规则集 优化地类信息提取的效果。

2 土地分类信息提取试验
2.1试验区概况
安宁县位于滇中高原中部，有“安宁雄镇，诸爨要冲” 的美誉，年平均气温14.8益，属于中亚热带气候。

本试验选 取拍摄于2010年1月经过校正和与全色光融合后Q u ic k -
B i r d
安宁市温泉镇影像，精度达到0.61m ，覆盖面积达到
际相符的分类图[71。

本文采用的面向对象土地分类流程如 图 1 所示。

图1面向对象的遥感影像土地分类流程1.1 影像分割
影像分割是面向对象遥感信息提取的第一步，只有通 过分割才能形成具有光谱、纹理、形状、位置信息的影像对
象块。

分割算法包括对比度分割、多阈值分割、光谱差异分 割等，在没有任何辅助数据的条件下将原始遥感影像数据 进行分割的常用算法是多尺度分割。

多尺度分割是基于给 定分辨率影像对象的最小影像异质性的由下至上分割，而 影像的异质性由光谱、光滑度和紧凑度三个指标决定，计 算公式为 shape =1-color ;shape = smoothness +compactness ; smoothness =( 1-茁compactness )*shape 。

其中 shape 为影像 对象的形状因子，color 是光谱信息，smoothness 是对象边 界的光滑度，compactness 代表了对象的紧凑性。

1.2面向对象土地分类信息的提取原理
土地类型由于受到土壌、气候、人类活动等多方面的 影响，在不同时间、不同地段会呈现出不同的类型、不同成 分的表现，比如土壌在北方呈现出黑色，而在云南多以红 土为代表。

面向对象地类信息提取的关键就是根据各地类 的特点设置相关的规则集，从而进行地类的识别。

表1呈 现了常见5大地类的特征。

表1常见地类的特征
土地类别I 地类特征
被体地路
W
植水裸道
*
^
Value Engineering• 189•
情况，利用地类在影像上的特征构建相应的规则集进行土地分类优化。

植被属于地类分布最为广泛的一个类型。

它在道路的两旁、建筑物周围都有分布，且由于地形、地物遮挡的原因会造成部分植被色调偏暗而错分类的情况。

应根据植被在近红外波段具有较高的反射率的特点，通过归一化的植被指数（NDVI)，将NDVI值大于0.3错分到道路、建筑物、裸地、阴影的影像对象派送回植被类。

NDVI- mean NIR-mean RED
mean NIR+mean RED
水体在研究区影像上已通过最大似然法被提取出，只存在少量暗色调的阴影错分为水体。

针对这类情况利用归一化的水体指数(NDWI)将NDWI<0.1的地类划归到阴影类中去。

Nr)w i= mean GEEN-mean NIR
mean GEEN+mean NIR
建筑物地类的错分类主要由两部分组成:一是具有蓝绿色屋顶的建筑物被错分到了植被类中。

由于植被在蓝光波段的低反射性和蓝绿色屋顶在蓝光波段的小反射峰，可以将NDVI>0.2且蓝光波段均值小于200的建筑物派送到植被类中；二是由于试验区影像的拍摄区域存在一定量的乡镇地带，乡镇建筑物的形状、颜色具有很大的自主性，难于寻到统一的规范，所以通过手动调整的方法进行修改。

道路地类的长条状特性使其在影像对象块的类别判定中具有明显的优势，该地类的错分主要表现在与裸地和建筑物阴影的错分中。

低等级道路的路宽较窄、路面多由沙土铺设而成，因而与裸地存在一定的误分，通过设置长宽比大于8的裸地派送为道路类。

建筑物的落影在影像上构成长条状的影像对象，其阴影的暗色调会掩盖地物的实际类别，通过将明亮度小于150的规则将错分为道路的对象划分到阴影类。

部分裸地由于土质成分、光线照射不充分等原因使其成像色调较暗被错分成了阴影类，需要通过位置关系将距离建筑物超过30米且亮度大于148的阴影归为裸地类。

阴影的错分类主要集中在植被、水体和道路类中，该类错误则通过如上所说的NDVI、NDW I指数和明亮度进行完善。

通过上述基于知识库的方法对影像中的五大地类信息进行类别优化后，最终的分类结果如图4所示。

图4最终的土地分类结果
3结果分析与评价
从图4的分类结果来看，本文提出的方法能较好的保证土地分类中各地类内部的均一性和连续性。

为了精确的 验证面向对象的高分辨率遥感影像土地分类结果，使之与
E r d a s监督分类进行比较，并随后在E r d a s中对两种分类 结果随机抽取250个点进行分类精度评价。

比较结果如表 2所示，可以看出本文提出的面向对象土地分类方法比传 统基于像元的监督分类方法精度提高了将近17%。

表2 土地分类的精度比较
类别
面向对象的土地分类Erdas监督分类
制图精度用户精度制图精度用户精度
植被97.30%89.44%74.31%94.69%
水体75.00%100.00%66.67%100.00%
裸地71.70%86.36%81.48%66.67%
建筑91.18%100.00%63.50%90.91
道路75.00%75.00%87.50%28.00%
阴影100.00%100.00%60.00%23.08%
总体精度90.00%77.20%总体Kappa系数0.82240.6592本文采用方法的不足之处在于对土地分类中的道路、裸地信息识别精度较低。

这主要是由于实验区影像含有一定量的乡镇地区，乡间道路等级较低，其光谱特性与黄褐色的裸地极易混淆；再者村镇中的建筑物密度高且形状不规则，会对其间的内部道路有不同程度的遮挡，造成影像上道路的突然中断或者形状不连续，因而无法很好的利用道路识别知识库的内容进行提取。

所以在以后研究中应注重对乡镇土地类型中的道路、建筑和裸地信息光谱、形状、纹理相应特征的研究，以提高乡镇土地利用类型信息提取的精度。

4结束语
本文利用面向对象的方法，在最近邻分类完成后通过建立的土地类型知识库的方式进一步完成了高分辨率卫星影像的土地分类信息的提取。

该种方法能较好的利用影像的位置、纹理信息，避免由于影像分辨率过高而造成的地类破碎化严重的问题，很好地识别了各地类。

参考文献：
[1]陈小良.基于面向对象技术的土地利用/覆被分类研究[M].中国地质大学,009.
「2]H o fm a n n，P.Detec.ting in fo rm a l settlem ents fro m IK O N O S im age data using m ethods of o b je ct orie nted im age analysis-a n exam ple fro m Gape Tow n(South A frica),R em ote Sensing of U rba n A rea s/Fem erku ndu ng in urbanen R aum en.R egenseburg,ed.By JU R G E N S,C,2001：41-42.
「3]余坤勇，许章华，刘健，等/基于片层-面向类”的竹林信息 提取算法与应用分析[J].中山大学学报（自然科学版),2012,51(1): 89-95.
「4]余晓敏，湛飞并.基于高分辨率遥感影像的城市地表信息 提取研究[J].测绘与空间地理信息，2012，35(7 ):21-24.
「5]蔡银桥，毛政元.基于多特征对象的高分辨率遥感影像分 类方法及其应用[J].国土资源遥感，2007( 1):77-81.
「6]史文中，朱长青，王昱.从遥感影像提取道路特征的方法综 述与展望[J].测绘学报，2001,30(3 ):257-262.
「7]唐静，吴俐民，左小清.面向对象的高分辨率卫星影像道路 信息提取「J].测绘科学，2011，36( 5 ):
98-99.。