毕业论文基于光谱理论的东昌府区遥感信息提取方法研究

本科生本科生毕业论毕业论文（文（设计设计） ） 题题 目：目： 基于光基于光谱谱理理论论的的东东昌府区遥感信息昌府区遥感信息 提取方法研究提取方法研究 专业专业代代码码： ： 070703 作者姓名：作者姓名： 赵赵芬芬 学学 号号 2007201920 单单 位：位： 环环境与境与规规划学院划学院 指指导导教教师师： ： 汤庆汤庆新新 2011 年年 5 月月 31 日日 原创性声明 本人郑重声明：所提交的学位论文是本人在导师指导下， 独立进行研究取得的成果。除文中已经注明引用的内容外，论 文中不含其他人已经发表或撰写过的研究成果，也不包含为 获得聊城大学或其他教育机构的学位证书而使用过的材料。 对本文的研究作出重要贡献的个人和集体，均已在文中以明 确方式标明。本人承担本声明的相应责任。 学位论文作者签名： 日期 指 导 教 师 签 名： 日期 聊城大学本科毕业论文（设计）聊城大学本科毕业论文（设计） 目目 录录 前言前言.1 1 研究区域概况研究区域概况及图像资料及图像资料1 1.1 研究区概况1 1.2 信息源的光谱特征1 2 主要研究方法主要研究方法及其分析及其分析3 3 遥感图像的预处理遥感图像的预处理3 3.1 图像几何校正3 3.1.1 控制点选取原则.4 3.1.2 校正函数的选择.4 3.1.3 重采样.4 3.2 图像增强处理4 4 各地物信息的提取各地物信息的提取及精度评估分析及精度评估分析.6 4.1 目视解译.6 4.2 图像分类.7 4.2.1 非监督分类.7 4.2.2 监督分类.9 4.2.3 其它分类.14 5 结论结论14 参考文献参考文献16 致谢致谢.17 聊城大学本科毕业论文（设计）聊城大学本科毕业论文（设计） 摘要摘要 为了提高遥感影像分类精度，对传统的非监督分类、监督分类进行机理分析。 以聊城市东昌府区 TM 遥感影像作为试验数据，基于 ERDAS IMAGINE 8.6 软件 平台，根据区内各种地物不同的光谱特征，对东昌府区内各种地物分别用监督分 类和非监督分类进行信息提取，并对非监督分类和监督分类两种方法进行比较和 精度评价分析。结果表明，在这个课题中监督分类方法较之非监督分类方法有更 强的可行性和实用性。 关键词关键词：遥感图像；光谱理论；ERDAS；信息提取 聊城大学本科毕业论文（设计）聊城大学本科毕业论文（设计） Abstract To improve remote sensing image classification accuracy, analysis is made on the mechanism of the traditional unsupervised classification, supervised classi- fication. Using the TM remote sen-sing image of Dongchangfu Area as the trial data, based on the software platfo-rm of ERDAS IMAGI-NE 8.6 and the differe nt spectral characteristics of vario-us surface features ,extracting Remote Sensing Image of Dongchangfu Area acc-ording to the traditional unsupervised classif-ica tion and supervised classificationand compare and value traditional unsupervis-ed classification and supervised classification.The results show that ,in this subj-ect , classification method of supervision than unsupervised classification method has stronger feasibility and practicality. Keyword: Remote Sensing image； Spectrum theory； ERDAS； Information extraction 聊城大学本科毕业论文（设计）聊城大学本科毕业论文（设计） 1 基于光谱理论的东昌府区遥感信息基于光谱理论的东昌府区遥感信息 提取方法的研究提取方法的研究 前言前言 随着对地观测技术的迅速发展，遥感图像在社会生活和经济建设中发挥着 越来越重要的作用。与以往实地勘测而获取某地的信息相比，遥感信息提取更 方便快捷和准确，利用遥感技术获取所需信息的方法成为现在信息获取方法的 主流，因此对遥感信息提取方法的研究有着特别重要的意义。而基于光谱理论 的遥感信息提取方法则是众多遥感信息提取方法中比较重要的一种。研究基于 光谱理论的遥感信息提取方法可以与近年来发展迅速的摄影技术、图像处理技 术等呼应发展，从而发挥更大的作用1。 1 研究区概况及图像资料研究区概况及图像资料 1.11.1 研究区概况研究区概况 聊城市东昌府区，是中共聊城市委、市政府驻地。位于山东省西部，东依 东阿县、茌平县，南接阳谷县，西连冠县、莘县，北靠临清。地处东经 115 4111608，北纬 36163642之间。全区辖 20 个乡(镇、办事处)，1017 个 行政村(居委会)，总面积 1245km，人口约 101 万人。东昌府区地处黄河下游冲 积平原，属温带季风气候区，光照充足，土地肥沃，水质优良，不仅适宜多种 植物生长，而且物产资源极为丰富。煤炭、石油、天然气、地热等多种矿产资 源储量可观，开发潜力巨大。区位优越，交通便捷。东昌府区地处冀鲁豫三省 交界处，自古为华夏战略要地。如今，东昌府区的区位优势更加突出，既是鲁 西政治、经济、文化的中心，又处于京九、济邯铁路和济聊馆高速公路这个黄 金十字架的交汇点上，是山东西部、中原一带和京九沿线人流、物流、信息流 的一大集散中心，不仅起着辐射带动鲁西经济发展的龙头作用，而且是我省与 山西、河北等内陆省份进行交流与合作的主要场所，也是南下北上，东出西进 的重要通道。 1.21.2 信息源的光谱特征信息源的光谱特征 自然界中的任何地物都具有本身特有的规律，如具有反射和吸收外来的紫 外线、可见光、红外线和微波的某些地物特性，某些地物还具有透射电磁波的 聊城大学本科毕业论文（设计）聊城大学本科毕业论文（设计） 2 特性。地物的反射和吸收特性是进行遥感信息目视判读以及地物信息提取和分 类的关键，例如： 水体的反射主要在蓝绿光波段，其它波段的吸收能力很强，特别是到了近 红外波段就更强了。因此，在遥感影像上，特别是近红外影像了，水体呈黑色。 植被的反射光谱曲线可分为三个波段： （1）可见光波段 0.380.76um，这一阶段反射率受叶绿素含量的影响， 在绿色波段反射率高，在 0.55um 处出现反射峰值，在红光和蓝光区 0.67um 和 0.45um 处出现吸收带，出现反射低谷。 （2）近红外短波 0.761.3um，这一阶段反射率主要受叶细胞结构的影响， 0.70.8um 处出现一反射的陡坡，到 1.1um 处达到反射的峰值。 （3）近红外中波段 1.42.7um，这一阶段植被反射率主要受含水量的影 响，含水量越高，反射率越低。 不同地物在不同波段反射率存在着差异，在不同波段的遥感图像上即呈现 出不同的色调。这既是遥感数据判读和分析的理论基础，同时也是利用计算机 进行遥感图像分类和处理的参考特征。 TM数据是当前应用最为广泛的卫星遥感信息源之一，它可提供 7 个波段的 信息，空间分辨率为 30120m。TM 数据源各波段各有特点，可进行不同地物 类型的信息提取。不同波段记录的地物反射信息不同：TM1 波段记录的是地物 在蓝光波段的反射信息，对水体有较好的穿透能力，利于水底地貌的判读； TM2 记录绿光波段反射信息，植被在此波段反射率相对出现峰值，图像上易于 区分植被的分布范围，水体的反射率较低；TM3 属于红光波段，可以用于植被 和水域范围的确定；TM4 波段图像记录地物的近红外反射信息，水体、湿地的 反射率低，而植被反射率较高，且不同的植被有一定的差异；TM5 属于短波红 外波段，地物在此波段的反射率与其含水量有很大的关系，含水量高的反射率 低；TM6 波段的图像属于热红外图像，反映地物的自身热辐射信息；TM7 波段 图像记录的也是地物短波红外的辐射信息，由于地物含水量的不同而表现为反 射能力的差异2。 本次研究图像为聊城市东昌府区 2000 年 6 月的 TM 遥感影像，分辨率是 聊城大学本科毕业论文（设计）聊城大学本科毕业论文（设计） 3 30m，图像无云，无数据丢失，图像质量良好。 2 主要研究方法主要研究方法及其分析及其分析 本文以山东聊城市东昌府区为研究对象，利用地理信息系统的空间分析特 征，首先对聊城市遥感图像进行几何校正，几何校正的重点在于控制点和校正 函数的选择。为了提高分类精度，在分类前对图像进行增强处理，根据东昌府 区地物特征及提取要求，这里主要采用主成分变换和缨穗变换两种方法对图像 进行增强处理。结合 EARDAS8.4 软件支持的分类方法，利用非监督分类中的 ISODATA 聚类法和监督分类中最大似然法对聊城市东昌府区信息进行分类提 取，并对两种分类方法进行对比，选择相对适宜一种进行处理，得到分类图像， 然后进行分类精度评估。以此验证 ERDAS 软件自动分类模块在自动分类方面 的可信性与准确度，最终得到高质量的山东聊城市东昌府区各地物信息的图像。 非监督分类中的 ISODATA 聚类法，是利用合并和分开的一种著名的聚类 方法。该方法的优点是：聚类过程不会在空间上偏向数据文件的最顶或最底下 的像素，因为它是一个多次重复过程；该算法对蕴含于数据中的光谱聚类组的 识别非常有效，只要让其重复足够的次数，其任意给定的初始聚类组平均值对 分类结果无关紧要;缺点是比较费时，因为可能要重复许多次；没有解释像素的 空间同质性3。 监督分类中的最大似然法利用了遥感数据的统计特征，假定各类的分布函 数为正态分布，在多变量空间中形成椭圆或椭球分布，也就是说每个方向上散 布情况不同，按正态分布规律用最大似然判别规则进行判决，得到较高准确率 的分类结果。最大似然分类在很多情况下都适用，但对出现概率低的类别并不 适用。其优点是分类错误小而精度高，缺点是受到参数估计的限制3。 3 3 遥感图像的预处理遥感图像的预处理 3.13.1 图像几何校正图像几何校正 几何校正就是校正成像过程中所造成的各种几何畸变，它分为几何粗校正 和几何精校正。一般地面接收站提供给用户的卫星遥感数据都是经过几何粗校 正的，因此用户无需进行粗校正。 几何精校正是利用地面控制点(Ground ControlPoin,t GCP )数据确立一个模 聊城大学本科毕业论文（设计）聊城大学本科毕业论文（设计） 4 拟几何畸变的数学模型，建立原始畸变图像空间与标准空间的某种对应关系； 再利用此关系把畸变空间中的全部元素变换到标准空间中去。 3.1.1 控制点选取原则4 GCP 是在原始图像空间与标准空间上寻找的同名点，GCP 必须比较精确， 它直接影响几何精校正的精度，因而同名点都选择在研究区中容易精确定位的 特征点，如道路河流的交叉点、水中陆地点、小水塘等。GCP 的分布对几何精 校正影响较大，当 GCP 分布不均匀时，在 GCP 多的地方校正较好，少的地方 误差较大，因此在整幅图像中，GCP 应尽可能均匀分布。 3.1.2 校正函数（几何校正计算模型）的选择 常用的影像校正函数有多项式、勒让德多项式及共线校正等,因多项式原理 直观、计算简单且具有较高精度，所以实践中一般选用多项式校正法。根据误 差理论的最小二乘法原理，校正时应尽量多选取 GCP,求出最佳解。一般而言 GCP 的数量要大于(n +1)(n +2) /2，式中 n 是多项式阶数，即 1 阶需要 3 个控制 点，2 阶需要 6 个控制点，3 阶需要 10 个控制点，依次类推。理论上阶数越高, 拟合精度越高，但阶数的增高，需要 GCP 的数量急剧增加，不仅给 GCP 的选 取造成难度，且使选点误差增大，一般采用二、三阶多项式为宜。 3.1.3 重采样 重采样过程就是依据未校正图像像元值计算生成一幅校正图像的过程，原 图像中所有栅格数据层都将进行重采样。常用的像元重采样方法有:：3 次卷积 法、双线性内插法和最近邻内插法。 3.23.2 图像增强处理图像增强处理 遥感图像增强的方法主要空间增强、辐射增强、光谱增强、高光谱工具、 傅立叶变换、地形分析、地理信息系统分析等。TM 图像波段多、数据量大， 大大增加了处理的时间、经费和技术难度；同时，多个波段彼此高度相关，也 增加了许多重复性处理。设想将 TM 图像的各个波段信息集中到少数波段是解 决此问题的关键。在这里依据 TM 影像的波段特征及具体的地物要求，主要采 取两种方法进行图形增强处理：主成分变换以及缨穗变化（Tasseled Cap）1。 1、主成分变换（PCA，Principal Components Analysis）就是最常用的一种 聊城大学本科毕业论文（设计）聊城大学本科毕业论文（设计） 5 数据压缩方法，它可以将具有相关性的多波段数据压缩到完全独立的较少的几 个波段上，是图像数据更易于解译。在对图像进行主成分变换后，再对主成分 变换后的图像进行主成分逆变换，将经过主成分变换获得的图像重新恢复到 RGB 彩色空间。图 1 和图 2 分别为原始图像和经过主成分变换然后再进行主成 分逆变换后的图像。 （下文各地物信息的提取则利用主成分变换的图像进行。 ） 图 1 原始图像 图 2 PCA 后图像 2、缨穗变换（Tasseled Cap）又称 K-T 变换，采用 K-T 变换可以将 TM 的 6 个波段（热红外波段除外）压缩成 3 个分量，这三个分量的实际物理意义 如下： （1）亮度。实际是 TM 的 6 个波段的加权和，反映了总体的反射值。该分 量主要突出建筑物、浅色土壤等地物。 （2）绿度。该分量中绿色植被表现明显。 （3）湿度。水体信息在该分量中得到明显增强。 经过缨穗变换后，图像中水体信息、植被信息以及高亮的建筑用地信息等 得到明显增强，有利于进一步的图像分类。图 3 和图 4 分别为原始图像和经过 缨穗变换后的图像。 聊城大学本科毕业论文（设计）聊城大学本科毕业论文（设计） 6 图 3 原始图像 图 4 缨穗变换后图像 4 4 各地物信息的提取及精度评估分析各地物信息的提取及精度评估分析 遥感图像专题信息提取方法林林总总，还没有一种方法是最普遍和最佳的， 这主要是由于遥感图像数据的复杂性决定的。因此,不少研究者针对具体遥感数 据不断探索新的提取方法来达到更好的效果。目前用得较多的遥感信息提取方 法主要有目视解译和和基于统计分析的图像分类5。 4.14.1 目视解译目视解译 目视解译是最常用、最基本的方法之一，它根据遥感影像目视解译标志(色 调、颜色、阴影、形状、纹理、大小、位置、图型、相关布局等)和解译经验， 与多种非遥感信息资料相结合，运用地学等相关知识，采用对照分析的方法， 进行由此及彼、由表及里、去伪存真、循序渐进的综合分析和逻辑推理，从而 从遥感影像中获取需要的地学专题信息。目视解译有人工目视判读和人机交互 式判读两种形式，通常研究中用的较多的是人机交互式判读方法。它通过遥感 图像处理软件对图像进行一些预处理,包括图像增强、图像融合等处理，有效地 提高图像分辨率，突出主要信息，使图像中目标特征更加清晰，改善图像目视 判读效果，从而提高判读的精度。目视解译简单易行，而且具有较高的信息提 取精度，但是它也存在一定的缺点。当判读人员的专业知识背景、解译经验不 同时，可能得到不同的判读结果；另外，当两种地物的光谱特征或纹理特征等 相似时，判读人员就很难根据判读标志将其区分开来；除此之外，目视解译工 作量大、费工费时，在当今的信息社会，具有巨大的海量信息数据，信息的时 聊城大学本科毕业论文（设计）聊城大学本科毕业论文（设计） 7 效性尤为重要，因此，研究遥感信息的自动提取方法已成必然。 4.24.2 图像分类（自动提取）图像分类（自动提取） 图像分类就是基于图像像元的数据文件值，将像元归并成有限几种类型、 等级或数据集的过程，传统图像分类主要有两种方法：监督分类与非监督分类。 4.2.1 非监督分类 通过目视判读,并结合实地调查,确定将研究区分为 3 种主要的地物类型:建 筑物、水体、植被三类。然后对图像进行非监督分类，具体的步骤为：初始分 类、专题判别、分类合并 、色彩重定义、精度评价以及结果分析。 4.2.1.1 初始分类 常用的非监督分类有 ISODATA 聚类法、K 均值法等。最常用的非监督分 类即为 ISODATA 聚类法，它是利用合并和分开的一种著名的聚类方法。在这 里就采用这种方法进行非监督分类，首先调出非监督分类对话框，设置好分类 参数，如下图 5，然后进行非监督分类。 聊城大学本科毕业论文（设计）聊城大学本科毕业论文（设计） 8 图 5 非监督分类对话框 4.2.1.2 专题判别 根据东昌府的实际情况以及专题图像信息的提取要求将图像初始分类的十 个专题合并为三类，分别是居民地、植被和水体。 4.2.1.3 分类合并 通过目视判读，并结合原图像的像元值，判断分类后的十类地物分别归属 于居民地、植被和水体中的哪一类，并重新命名。 4.2.1.4 色彩重定义 通过菜单栏 Raster 中 Attribute 选项打开 Raster Attribute Editor 表，然后对 居民地、植被和水体三类地物进行色彩重定义，在这里我们可以给水体定义蓝 色、植被定义绿色、居民地定义红色，然后在视窗中显示色彩重定义后的图像， 如图 6。 聊城大学本科毕业论文（设计）聊城大学本科毕业论文（设计） 9 图 6 属性编辑器 经过分类合并和色彩重定义后的图像如下图所示： 图 7 增强后图像 图 8 非监督分类后图像 4.2.1.5 分类精度评价 获得一个初步的分类结果以后，可以应用分类叠加方法来评价、检查分类 精度。 4.2.1.6 非监督分类结果分析 非监督分类运用 ISODATA 算法，完全按照像元的光谱特性进行统计分析， 受人为因素的影响较少,不需要对地面信息有详细的了解。使用该方法时，原始 聊城大学本科毕业论文（设计）聊城大学本科毕业论文（设计） 10 图像的所有波段都参与分类运算，分类结果往往是各类区像元数大体等比例。 因为受人为因素影像较少，非监督分类的精度应该较高，但是由于“同物异谱、 异物同谱”等现象的存在,其分类结果一般较差。 4.2.2 监督分类 监督分类比非监督分类更多地要用户来控制，常用于对研究区域比较了解 的情况。在监督分类过程中，首先选择可以识别或者借助其它信息可以判定其 类型的像元建立模板，然后基于该模板使计算机系统自动识别具有相同特性的 像元。对分类结果进行评价后再对模板进行修改，多次反复后建立一个比较准 确的模板，并在此基础上最终进行分类6。监督分类一般要经过以下几个步骤： 定义分类模板（训练样本） 、评价分类模板、进行监督分类、评价分类结果、分 类后处理及分类结果分析。 4.2.2.1 定义分类模板 定义分类模板的步骤为：显示需要进行分类的图像打开模板编辑器并调 整显示字段获取分类模板信息（在这里主要应用 AOI 绘图工具在原始图像获 取分类模板信息）保存分类模板，最终得到的分类模板如下图 9 所示。 聊城大学本科毕业论文（设计）聊城大学本科毕业论文（设计） 11 图 9 分类模板编辑器 4.2.2.2 评价分类模板 分类模板评价的主要工具包括：Alarms 分类报警工具、Contingency matrix 可能性矩阵、Feature objects 特征对象、Feature Space to image masking 特征空 间到图像掩膜、Histograms 直方图方法、Signature separability 分类的分离性、 Statistics 分类统计分析等。 可能性矩阵的输出结果是一个百分比矩阵，它说明每一个 AOI 训练区中有 多少个像元分别属于相应的类别。在这里使用可能性矩阵来评价分类模板的精 度，具体的步骤是：Signature EditorEvaluationContingency，打开 聊城大学本科毕业论文（设计）聊城大学本科毕业论文（设计） 12 Contingency Matrix 对话框，设置好参数，然后计算分类误差矩阵如下图 10。从 矩阵中可以看出，分类模板精度都在 98%以上，说明模板定义的较好。 图 10 可能性矩阵 4.2.2.3 进行监督分类 根据已经定义的分类模板，对增强后的图像进行监督分类。常见的监督分 类方法有最大似然法、最小距离法、平行管道法、光谱角方法等7，而最大似 然分类是最常用的一种监督分类方法。在这里采用最大似然法进行监督分类。 下图 11 为监督分类后的结果。 聊城大学本科毕业论文（设计）聊城大学本科毕业论文（设计） 13 图 11 监督分类后图像 4.2.2.4 评价分类结果 执行了监督分类之后，需要对分类效果进行评价，ERDAS 系统提供了多种 分类评价方法，包括分类叠加（classification overlay） 、定义阈值（thresholding） 、 分类编码（recode classes） 、精度评估（accuracy assessment）等。 在这里主要使用精度评估对分类结果进行评价。具体的步骤为： （1）在视窗中打开原始图像。 （2）启动精度评估对话框。 （3）打开分类专题图像。 （4）将原始图像与精度评估视窗相连接。 （5）在精度评价对话框中设置随机点的色彩。 （6）产生随机点，图 12 为产生的随机点。 （7）显示随机点及其类别，图 13 分别为产生的随机点类别。 聊城大学本科毕业论文（设计）聊城大学本科毕业论文（设计） 14 图 12 随机点 图 13 随机点类别 （8）输入参考点的实际类别值。 （9）设置分类评价报告输出环境及输出分类评价报告，图 14 为分类评价报告。 聊城大学本科毕业论文（设计）聊城大学本科毕业论文（设计） 15 图 14 分类评价报告 4.2.2.5 分类后处理 主要通过聚类统计（Clump） 、过滤分析（Sieve） 、去除分析（Eliminate） 、 分类重编码（Recode）等方法来对获得的分类进行一些处理，最终得到相对理 想的分类结果。 4.2.2.6 监督分类结果分析 监督分类的关键是定义分类模板，即训练样本的选择,其选择的质量关系到 分类能否取得良好效果。从聊城市东昌府区遥感图像中选取建筑用地、植被、 水体这 3 种主要地类作为训练区，然后对于定义的分类模板进行精度分析,确定 分类模板的好坏,例如，如果误差矩阵值小于 85%，则模板需要重新建立。如果 模板精度良好，则进行监督分类，对分类后的结果通常情况下采用 Kappa 系数 来进行分类精度的评定。实验所得 Kappa 系数为 0.9669,研究认为分类精度达 到 0.8 以上时其分类精度就能满足要求。利用监督分类共做了多次分类,但每次 训练样区选取时,其大小和位置都有变化,所得到的分类结果也不相同。充分说 明,监督分类受人为影响的因素比较大,客观性比较差。 4.2.3 其它分类 随着遥感数据源的增多，人们对遥感数据处理分析方法和手段也在不断的 发展，新的分类方法和分类思想都在不断地涌现。新近发展起来的一些基于非 参数理论的分类方法，如:专家分类、基于神经网络的、基于证据理论的、基于 模糊原理的、基于支持向量机、基于粗糙集理论等8。 5 5 结论结论 将非监督分类的遥感图像与监督分类的遥感图像进行比较，如下图： 聊城大学本科毕业论文（设计）聊城大学本科毕业论文（设计） 16 图 15 非监督分类后图像 图 16 监督分类后图像 在此研究中监督分类方法所得的成果图比非监督分类方法所得的成果图更 加精确效果更好。非监督分类受人为因素影像较少，但由于受“同物异谱、异 物同谱”等现象的影响，无法有效地区分大多数地物，其分类结果一般较差， 因此是一种不可取的方法。因此可以得到结论，在基于光谱理论的东昌府区遥 感信息提取方法的研究这个课题中监督分类方法较之非监督分类方法有更强的 可行性和实用性。监督分类的客观性比较差，受人为因素影响比较大。因此在 监督分类中一定要认真选取训练区，定义好分类模板，这也是监督分类的关键 所在。 随着多种传感器的研制成功和遥感影像空间分辨率的不断提高，遥感影像 已能提供丰富的数据源和地物信息，而同时遥感数据的信息量也在迅速膨胀， 快速高精度的遥感信息自动提取势在必行9。经过总结以上方法，提出了