高分辨率遙感影像分類方法研究

1、<p>　　高分辨率遙感影像分類方法研究</p><p>　　摘要：本文主要研究了高分辨率遙感影像分類的非監(jiān)督分類方法、監(jiān)督分類及其他分類方法。以膠州市QuickBird遙感影像作為試驗數(shù)據(jù),基于ERDAS IMAGINE 9.1軟件平臺,執(zhí)行非監(jiān)督分類和監(jiān)督分類處理,并且對最大似然分類方法、馬氏距離分類方法和最小距離分類方法進(jìn)行實驗數(shù)據(jù)比較分析，經(jīng)過對分類精度評價指標(biāo)的計算結(jié)果分析評價后，三種分類方法

2、的總精度都在75％以上，滿足應(yīng)用的要求。并且實驗數(shù)據(jù)表明最大似然分類方法的分類精度最高。 </p><p>　　關(guān)鍵詞：高分辨率遙感影像；非監(jiān)督分類；監(jiān)督分類；最大似然；分類精度 </p><p>　　中圖分類號：P237文獻(xiàn)標(biāo)識碼： A 文章編號： </p><p><b>　　0引言 </b></p><p>　　近

3、年來，隨著航天技術(shù)、傳感器技術(shù)、數(shù)字圖像處理技術(shù)的發(fā)展，遙感正朝著三高(高空間分辨率、高光譜、高時相分辨率)和三多(多傳感器、多平臺、多角度)方向迅猛發(fā)展[1]。高分辨率遙感影像的分類問題在遙感應(yīng)用中越來越重要。高分辨率遙感影像分類方法由傳統(tǒng)的分類方法發(fā)展到一些諸如人工神經(jīng)網(wǎng)絡(luò)、模糊聚類和決策樹分類等新的分類算法?；贓RDAS IMAGINE 9.1的遙感圖像分類精度評價也是遙感圖像定量分析的一部分，以了解分類圖像的實用性。 <

4、/p><p>　　1高分辨率遙感影像分類的原理 </p><p>　　1.1高分辨率遙感影像分類的基本概念 </p><p>　　遙感圖像的分辨率簡單來說就是成像系統(tǒng)對圖像細(xì)節(jié)分辨能力的一種度量，也是圖像中目標(biāo)細(xì)微程度的指標(biāo)，它表示景物信息的詳細(xì)程度。本文所說的高分辨遙感圖像是指高空間分辨率、高時間分辨率、光譜分辨率的遙感圖像。高分辨率遙感圖像分類是遙感分析與解譯的需要

5、。高分辨率遙感圖像分類是基于圖像內(nèi)容檢索的必然結(jié)果。 </p><p>　　1.2高分辨率遙感影像分類的基本原理 </p><p>　　遙感圖像計算機(jī)分類以遙感數(shù)字圖像為研究對象，在計算機(jī)系統(tǒng)支持下，綜合運(yùn)用地學(xué)分析、遙感圖像處理、地理信息系統(tǒng)、模式識別與人工智能技術(shù)，實現(xiàn)地學(xué)專題信息的智能化獲取。其基本目標(biāo)是將人工目視解譯遙感圖像發(fā)展為計算機(jī)支持下的遙感圖像理解。 </p>

6、<p>　　2高分辨率遙感影像分類方法的研究 </p><p>　　2.1非監(jiān)督分類方法的研究 </p><p>　　非監(jiān)督分類（Unsupervised Classification）一種無先驗（已知）類別標(biāo)準(zhǔn)的分類法。對于待研究的對象或區(qū)域，沒有已知類別或訓(xùn)練樣本作標(biāo)準(zhǔn)，而直接依據(jù)樣品觀測資料的內(nèi)在聯(lián)系進(jìn)行分類。非監(jiān)督分類的理論依據(jù)是遙感圖像上的同類地物在相同的表面結(jié)構(gòu)特征

7、、植被覆蓋、光照等條件下，應(yīng)當(dāng)具有相同或相近的光譜特征，從而表現(xiàn)出某種內(nèi)在的相似性，歸屬于同一個光譜空間區(qū)域；不同的地物，光譜信息特征不同，歸屬于不同的光譜空間區(qū)域[2]。 </p><p>　　2.2監(jiān)督分類方法的研究 </p><p>　　監(jiān)督分類的分類的思想是：首先根據(jù)類別的先驗知識確定判別函數(shù)和相應(yīng)的判別準(zhǔn)則，其中利用一定數(shù)量的已知類別的樣本（稱為訓(xùn)練樣本）的觀測值確定判別函數(shù)中待

8、定參數(shù)的過程稱為訓(xùn)練或?qū)W習(xí)，然后將未知類別的樣本的觀測值代入判別函數(shù)，再依據(jù)判別準(zhǔn)則對樣本的所屬類別做出判定。 </p><p>　　2.3其他分類方法的研究 </p><p>　?、贈Q策樹(Decision Tree)又稱為判定樹[3]，是運(yùn)用于分類的一種樹結(jié)構(gòu)?？梢韵穹诸愡^程一樣被定義，依據(jù)規(guī)則把遙感數(shù)據(jù)集一級級往下細(xì)分，定義決策樹的各個分支。決策樹由一個根結(jié)點、一系列內(nèi)部結(jié)點(分支)

9、及終極結(jié)點(葉節(jié)點)組成，每一結(jié)點只有一個父結(jié)點和一個或多個子結(jié)點。其中的每個內(nèi)部結(jié)點(internal node)代表對某個屬性的一次測試，每條邊代表一個測試結(jié)果，葉結(jié)點(leaf)代表某個類(class)或者類的分布(class distribution)。決策樹算法中比較成熟的有ID3、C4.5、CART、SLIQ以及SPRINT等。 </p><p>　?、谌斯ど窠?jīng)網(wǎng)絡(luò)（Artificial Neural

10、 Networks，ANN）是人們在模仿人腦處理問題的過程發(fā)展起來的一種人工智能信息處理理論，它通過大量的稱之為神經(jīng)元的簡單處理單元構(gòu)成非線性動力學(xué)系統(tǒng)，對人腦的形象思維、聯(lián)想記憶等進(jìn)行模擬的抽象，實現(xiàn)與人腦相似的學(xué)習(xí)、識別、記憶等信息處理能力。人工神經(jīng)網(wǎng)絡(luò)又可以分為反向傳播(簡稱BP) 網(wǎng)絡(luò)、徑向基函數(shù)(簡稱RBF)網(wǎng)絡(luò)、自組織特征映射的Kohonen網(wǎng)絡(luò)、CP網(wǎng)絡(luò)、Hopfield網(wǎng)絡(luò)等，其中BP網(wǎng)絡(luò)是一種用得較多的人工神經(jīng)網(wǎng)絡(luò)。

11、</p><p>　　3.基于ERDAS軟件的影像分類實驗與分析 </p><p>　　3.1 數(shù)據(jù)源和軟件平臺 </p><p>　　本次試驗的數(shù)據(jù)源采用2005年山東省膠州市2.8m多光譜和0.7m全色Quick- Bird融合后的遙感影像,并以當(dāng)年膠州市地形圖為參考進(jìn)行分類結(jié)果的精度評價。 </p><p>　　軟件平臺選用ERDAS

12、IMAGINE 9.1 ,它是美國ESRI 公司的產(chǎn)品, 具有友好、靈活的用戶界面和操作方式及多種影像分類方法 。 </p><p>　　3.2傳統(tǒng)分類方法分析 </p><p>　?、龠b感影像融合是一種通過高級影像處理技術(shù)來復(fù)合多源遙感影像數(shù)據(jù)的技術(shù)，其目的是將單一傳感器的多波段信息或不同類傳感器所提供的信息加以綜合，消除多傳感器信息之間可能存在的冗余和矛盾，加以互補(bǔ)，降低其不確定性，減

13、少模糊度，以增強(qiáng)影像中信息透明度，改善解譯精度、可靠性以及使用率，以形成對目標(biāo)完整一致的信息描述。 </p><p>　?、趹?yīng)用非監(jiān)督分類方法進(jìn)行遙感影像分類時,首先需要調(diào)用系統(tǒng)提供的非監(jiān)督分類方法獲得初始分類結(jié)果,而后再進(jìn)行一系列的調(diào)整分析。因為初始分類圖像是灰度圖像,各類別的顏色是系統(tǒng)自動賦予的,為了提高直觀表達(dá)效果,便于看清地類,在屬性表中重新定義類別顏色,以更好的區(qū)分所要分析的類別。 </p>

14、<p><b>　　4分類精度評價 </b></p><p>　　分類精度是指分類圖像中的像元被正確分類的程度[4]。現(xiàn)在,衡量分類精度最廣泛的方法是由congalton 提出的誤差矩陣法。分類精度主要指標(biāo)有生產(chǎn)精度、用戶精度、總體精度、漏分精度、錯分精度和Kappa 系數(shù)等[6]。為了評價分類試驗精度,隨機(jī)選取了140 個樣本點,建立混淆矩陣,計算其生產(chǎn)者精度、用戶精度及Ka

15、ppa 系數(shù)。 </p><p>　　本次試驗采用最大似然監(jiān)督分類、馬氏距離監(jiān)督分類和最小距離監(jiān)督分類三種不同的分類方法進(jìn)行分類精度評價。 </p><p><b>　　5 結(jié)束語 </b></p><p>　?、龠\(yùn)用1SODATA算法進(jìn)行非監(jiān)督分類，雖然非監(jiān)督分類過程的自動化程度較高，但其分類精度沒有監(jiān)督分類高，分類效果較差，監(jiān)督分類效果較好

16、。 </p><p>　　②可以從評價分類精度實驗結(jié)果分析中看出，無論是總體精度還是Kappa系數(shù)，最大似然分類方法的分類精度最高，最小距離分類方法的分類精度次之，馬氏距離分類方法的分類精度最差。 </p><p><b>　　參考文獻(xiàn) </b></p><p>　　[1] 李德仁.論21世紀(jì)遙感與GIS的發(fā)展[J].武漢大學(xué)學(xué)報,2003,2

17、8(2):127-131. </p><p>　　[2] 袁金國．遙感圖像數(shù)字處理[M]．北京：中國環(huán)境出版社,2006． </p><p>　　[3] 杜培軍.遙感原理與應(yīng)用[M]. 北京：中國礦業(yè)大學(xué)出版社，2006. </p><p>　　[4] 杜鳳蘭、田慶久、夏學(xué)齊等.面向?qū)ο蟮牡匚锓诸惙ǚ治雠c評價.遙感技術(shù)與應(yīng)用.2004,19（1），No.2:20.