基于面向对象的高分影像分类研究

[20]
其中: nm 为合并后对象的像元个数， n1 、 n2 为 合并前两个相邻对象的像元个数， Em 为合并后对 象区域的实际边界长度， E1 、 E2 为合并前两个相 邻对像区域的实际边界长度。 光滑度差异性: hsmooth nm Em Lm n1 E1 L1 n2 E2 L2
遥感技术与应用
合理的设置参数能够提高分割结果的精度，多 尺度分割方法包含的两个因子中，光谱因子是分割 的主要因子，形状因子起辅助作用，防止分割的对 象过于破碎。本文选用的是高分辨率遥感影像，而 且研究区内的地物分布较集中、明显，因此光谱因 子的权重比例要大。为保证多尺度分割中参数设置 的合理性和可靠性，本文通过设置不同参数组合进 行分割处理试验（见图 4）。通过对比分析，多尺 度分割的参数设置如下：形状指数权重为 0.1，紧
[14]
象的标准方差，n1 、n2 为合并前两个相邻对象的像
征不明显，无法描述其特征空间时，适合使用最邻 （3） 近距离法。模糊分类方法是通过影像对象本身以及 对像间的特征属性，计算隶属度函数，获得相应区 域特征的模糊化值，建立规则模型来进行影像分 类，选择特征时应当选择待分类类别最显著的特征 加入规则库，而且不能加入太多，过多的规则会影
[17]
（5） 其中：nm 为合并后对象的像元个数，n1 、n2 为 合并前两个相邻对象的像元个数， Em 为合并后对 象区域的实际边界长度， E1 、 E 2 为合并前两个相
Lm 为包含合并后影像 邻对像区域的实际边界长度，
区域范围的矩形边界长度，L1 、L2 为包含合并前影 像区域范围的两个矩形边界长度。 在第一次分割时，以单个象元为起点，寻找相 邻对象合并后异质性最小的像元，如果找到的像元 相邻像元中合并后异质性最小的像元为该像元，异 质性小于设定的阈值，则合并这两个像元，否则就 以找的像元为起点再次寻找，直至找到可以合并的 像元。如果最小的异质性小于设定的阈值，则进行 第二次分割。循环进行，当最小的异质性值大于阈
第 卷 第 期 2013 年 月
遥感技术与应用 REMETE SENSING TECHNOLOGY AND APPLICATION
Vol.
No. 2013
基于面向对象的高分影像分类研究
宋晓阳
1
姜小三
1
江东 黄耀欢
2
2
万华伟 王昌佐
3
3
（1.南京农业大学资源与环境科学学院，江苏省 南京 210095； 2.中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室 100101; 3 环境保护部卫星环境应用中心，北京 100029） 摘要：遥感技术已经成为实现地表信息提取的主要手段。以高分辨率影像为主要数据源，采用面向对象的 多尺度分割算法，根据对象的光谱、形状等特征，实现了面向高分遥感数据的土地利用分类算法。该算法 结合了面向地物对象和综合对象特征的分类方法，充分发挥了高分辨率影像的进行精细地物分类的优势， 得到了高精度的分类结果。通过西双版纳纳板河流域国家级自然保护区实例验证表明，该算法总体精度达 到 88.58%，kappa 系数达到 0.77，精度符合应用要求，能够实现土地利用高精度、快速的分类。 关键词：面向对象；多尺度分割；土地利用分类，高分辨影像 中图分类号： 文献标识码：A
遥感技术与应用
IKONOS 全色影像中提取了河流和道路。多尺 度分割算法的分割方法和基于规则的分类方法 很大程度提高了分类结果的精度。上述研究主 要采用国外已有软件（如 eCognition 等）来实 现影像的分类，且多以形状特征明显的地物 （如道路、河流、居民地等）为研究对象。然 而实际应用中，需要对地表全要素地物进行分 类提取。针对现阶段国产遥感高分卫星（如 GF-1 、资源三号卫星等）在生态环境应用的 迫切需求，本文在实现了多尺度分割算法的自 主研发的基础上，结合分类地物的各种光谱及 形状等特征，构建了一套针对高分辨率影像的 面向对象地物分类方法，为后续国产面向对象 分类系统的构建以及基于高分影像的全要素地 表类型分类提供了理论和技术支持。
c
（2）
其中： c 为影像的波段数， wc 为影像中各波段的权 重， nm 为合并后对象的像元个数， m 为合并后对 元个数， 1 、 2 为合并前两个相邻对象的标准方 差。 形状差异性是由对象的形状计算的：
hshape w2 hcom 1 w2 hsmooth
Table 1 The resource of data
数据 遥感数据 土地利用 边界数据 时间 2011 年 2010 年 2008 年 数据来源 IKONOS 中国科学院资源环境科学数据中心 中国科学院资源环境科学数据中心 注：其中土地利用数据为目视解译的土地利用结果，进行了结果精度验证。 分辨率 1 米全色/4 米多光谱 1:10 万 1:10 万
[9]
空、光谱分辨率的遥感数据已经成为地表覆被 信息快速监测及提取的主要数据源。相对于 TM 、 MODIS 等中低分辨率影像，高空间分辨 率卫星具有精度高、信息量大、客观性、时效 性及多时相性的优点，能够实现地表信息的更 精确提取。然而如何充分利用高分影像丰富的 形状和纹理信息是实现高精度、高效率地表信 息自动提取的主要难点。针对高分影像的特 点， Baatz 和 Schape 等提出了面向对象分类 方法 , 该方法是通过利用对象的空间及光谱特 征对影像分割，使得同质像元组成大小不同的 对象，分割对象内部的一致性及分割对象与相 邻分割斑块对象的异质性均达到最大，以克服 传统基于单个象元纯光谱分割方法的不足
[13]
图 1 算法流程图 Fig.1 Flowchart of classification method
3.1 分割方
影像多尺度分割 多尺度分割是自下而上基于区域生长合并的
[14, 15]
，在分割过程中相邻的相似像元被合并
遥感技术与应用
成一个不规则多边形对象，因此对象的异质性 f(异 质性)是不断增长的， 要确保合并后的对像的异质性 小于设定好的一致性阈值。因为分割时相邻对象是 成对的生长合并的，所以要合并的对象应该是相互 对应并且是异质性最小的。差异性 f 通过合并后对 象的光谱差异性和形状差异性的加权值计算的：
1
引 言
随着卫星遥感技术的不断发展，多种时、

光谱、形状、纹理等特征，进行分类和地物目 标的提取
[6]
。 Hofmann 使用面向对象的分类方
[8]
[7]
法识别 IKONOS 影像中的非正式居民地 , 得到 较好的效果并具有较高的精度，黄慧萍 等利 用面向对象分类方法实现了更加精准的提取了 大庆市城市绿地覆盖信息。近年来，越来越来 多的人致力于多尺度分割及分类的研究，面向 对象分类不是基于单个的像素 , 而是影像分割 后提取的影像对象，因此图像分割是面向对象 分类的基础。郭健聪等
[11]
在四川省松
。 众多实际应用表明面向对象分类方法能够
[4, 5]
潘县土地利用信息的提取中在 3 个类层次结构 上选取 NDVI 、均值等特征，取得了较好的结 果，并且与传统的分类方法进行了比较，证明 了该方法分类效率更高。孙晓霞
[12]
充分发挥高分影像的优势，提高分类精度
面向对象分类方法是通过对影像进行分割，得 到同质对象，再根据分类目标综合分析对象的
表 1 数据来源表
2
研 究 数 据
本文采用的数据包括 IKONOS 高空间分辨 率遥感数据和土地利用数据。其中 IKONOS 高 空间分辨率影像为 2011 年 10 月 26 号获取的空间 分辨率为 1m 的全色影像和 4m 的多光谱影 像，多光谱影像包含 3 个可见光波段和 1 个红 外波段。影像的预处理包括辐射纠正、几何纠 正和影像融合。土地利用数据为中国科学院资 源环境科学数据中心提供 2010 年 1:10 万土地利 用数据 , 研究区中的土地利用类型包括耕地、 天然林、人工林、水域、居民地，其中水域包 括河渠、湖泊、水库坑塘等；居民地包括城镇 居民地、农村居民地以及其他建设用地等等。 具体数据信息如下表所示：
收稿日期：2002-11-27
利用长宽比
作为特征函数进行模糊逻辑分类准确的从
基金项目：国家自然科学青年基金项目（51309210）；高分重大科技专项“环境保护遥感动态监测信息服务系统”“高分生态环境遥感监测关键技 术研究、系统开发与应用示范”（05-Y30B02-9001-13/15-10） 作者简介：宋晓阳（1988-），女，河北邢台，硕士研究生。主要从事资源环境信息系统方面的研究。E-mail:2011103097@ 通讯作者：姜小三（1967-），男，江苏泰州，副教授。主要从事资源环境信息系统方面的研究。E-mail: gis@
[19]
f w1 hcolor 1 w1 hshape
[16]
（1）
其中： hcolor 为光谱差异性， hshape为形状差异 性， w1 为光谱权重。 光谱差异性是由对象像元的光谱值计算的：
hcolor 1 wc nm m n1 1 n2 2 [14]
值时，则停止分割
[14, 18]
。
多尺度分割中分割参数的设置直接决定分割 结果的好坏。如果选择大的分割参数，影像中小的 地物有可能被分割到大的地物中，如果选择小的分 割尺度，则想象中大的地物有可能分成几部分，形 状特征会受到影响。在能区分不同影像地物的基础 上尽可能以最大的分割尺度来分割，而在实际中应 该根据实际的地区特征以及分类的目的来设定。 3.2 影像分类 在遥感影像分割后，影像的单元变成了同质像 元组成的不规则多边形对象。根据地物类型，影像 分割对象的分类方法一般采用最邻近分类和模糊 分类。最邻近分类方法是利用训练样本对象来选择 对象特征，与传统的监督分类相似，选择训练区作 为样本对象，统计样本对象的各地类训练样本的特 征，以这个特征为中心，计算各未分类的对象的用 于分类的特征与特征中心的距离，如果距离样本类 的特征中心最近，则被分到那个类别 。当地物特