（摄影测量与遥感专业论文）基于分层分类的居民地信息提取方法研究.pdf

河海大学硕十论文 摘要 摘要 居民地的空间分布与区域人口、经济、财产的空间分布具有较强的空间相关 关系，它为人口、经济和财产等社会经济统计数据的空间化提供了基本的骨架。 遥感技术的发展为居民地空间信息的获取提供了先进的手段。城市边缘区是居民 地信息变化较快的区域，及时准确的获得城市边缘区居民地信息更具有实际的应 用价值。 论文基于s p o t 5 h i 遥感数据，全文贯穿分层分类思想，以居民地为提取对 象，以最小错分居民地为原则，以提高居民地提取精度为最终目标。充分分析了 研究区地表特征分布，理清“杂乱无章”的地表特征分布信息，按照分层分类思 想以实地调查结果为依据建立研究区分层分类树，并根据本文的研究目的建立合 适的分层提取模型，围绕居民地信息进行非居民地与居民地的区分研究，最终得 到居民地信息。主要研究结论如下： 1 、运用分层分类思想进行逐级逻辑判断，把研究区复杂地表信息做了层层 分解。面对居民地与非居民地信息，挖掘区分居民地与非居民地信息的特征波段， 进行有效的波段组合或运算，针对各层分别建立分类器进行分类处理，从各层分 类精度的评价结果可知，此种方法针对性强；对分布于研究区境内，总体精度贡 献小的地类，进行反向合并调整，避免了数据的冗余性 对最终居民地提取精度 影响较大的地类进行了其与居民地的混分研究。最终得到居民地分类精度为7 9 。对比已有居民地提取的成果，发现分辨率的提高，地面细节扩大，居民地信 息提取难度更大，精度并没有显著的提高。影响分类精度的另一个原因在于精度 评价数据的空问分辨率，用高于分类数据的空间分辨率影像进行基于像元的精度 评价，势必降低居民地的提取精度。综合分析整个分层分类提取各环节的研究及 最终获得的分类精度，发现采用分层分类思想，进行组成复杂的居民地信息提取 研究是有针对性和相对有效的。 2 、道路信息对居民地提取的精度影响较大，本文依据m a r t 视觉原理对道路 信息进行提取。道路预处理、遭路低层次的提取及道路的后处理三个环节的研究 直接关系到道路信息的准确提取，本文基于已有的研究。采用自适应滤波预处理、 i s o d a t a 模糊聚类及基于几何判断的道路后处理对道路信息进行提取，实验结 果表明本文的道路信息提取思想可以得到研究区的主要道路数据。 关键词：居民地提取s p o t 5 影像分层分类 同谱异物同物异谱 河海大学顽士论文 a b s a c t a b st r a c t t h e r ei ss t r o n gs p a c ec o r r e l a t i v i t yb e t w e e nt h es p a c ed i s t r i b u t i n go fr e s i d e n t i a lp l a c ea n dt h a t o f r e g i o n a lp o p u l a t i o n ，e c o n o m y ，p r o p e r t y i tp r o v i d e sb a s i cf r a m e w o r k f o rt h es p a c i a le x t e n s i t y o fs t a t i s t i cd a t af o rs o c i a le c o n o m ys u c ha sp o p u l a t i o n ，e c o n o m np r o p e r t y , e t c t h ed e v e l o p m e n t o fr e m o t es e n s i n gt e c h n o l o g yp r o v i d e sa d v a n c e dm e a n sf o rt h ea c q u i r e m e n to ft h ei n f o r m a t i o no f r e s i d e a t i a la r e a w i t ht h ep r i n c i p l eo ft h el e a s te x t r a c t i o ni n a c c u r a c yo fr e s i d e n t i a la r e aa n dw i t ht h ea i mo f i m p r o v i n g e x t r a c t i o na c c u r a c yo fr e s i d e n t i a la r e a , t h ep a p e rw h i c hi sb a s e do nt h er e m o t es e n s i n g d a t ao fs p o t 5 h is t u d i e sa tt h ee x t r a c t i o nr e s i d e n t i a la r e at h r o u g hh i e r a r c h i c a lc l a s s i f i e dt h i n k i n g a n ds t u d i e sa tt h em i x e da n dc l a s s i f i e dp h e n o m e n ab e t w e e nr e s i d e n t i a la r e aa n dn o n - r e s i d e n t i a l a r e a t h ep a p e rf u l l ya n a l y s e sc h a r a c t e r i s t i cd i s t r i b u t i n go ft h ee a r t hs u r f a c e ，o r g a n i z e sm e s s e d d i s t r i b u t i n go f t h ee a r t hs u r f a c e ，a n db u i l d su pat y p eo fh i e r a r c h i c a lc l a s s i f i e dt r e ea c c o r d i n gt o t h er e s u l to ff i e l ds u r v e yw h i c hc o n f o r m st ot h eh i e r a r e h i c a lc l a s s i f i e dt h i n k i n g ，w h a t sm o r e ，i n o r d e rt og a i nt h ei n f o r m a t i o no fr e s i d e n t i a la r e a , t h ep a p e rb u i l d su pa na p p r o p r i a t em o d e lo f l a y e r e de x t r a c t i o n i na c c o r d a n c cw i t ht h ea i mo fr e s e a r c h ，a n dg o e so nw i t hm i x e da n a l y s i s b e t w e e nc h a r a c t e r i s t i co ft h ee a r t hs u r f a c ea n dr e s i d e n t i a ia r e aa c c o r d i n gt ot h ei n f o r m a t i o no f r e s i d e n t i a i a r e a f i n a l l y , t h ej n f o r m a t i o n o fr e s i d e n t i a la r e aa r ea c h i e v e d t h em a i ns t u d y c o n c l u s i o n sa r ea sf o l l o w s 1 w e d i s a s s e m b l ec o m p l e x i n f o r m a t i o no f t h ee a r t hs u r f a c e l a y a r u p o n l a y e r a tr e s e a r c ha r e a , g oo n w i t h l o g i c a l e s t i m a t i o n o r d e r l yt h r o u g h h i e r a r c h i c a lc l a s s i f i e dt h i n k i n g ，d i go u ta n d d i f i e r e n t i a t et h ec h a r a c t e r i s t i cw a v eb a n do fi n f o r m a t i o no fr e s i d e n t i a ia r e aa n dn o n - r e s i d e n t i a i a r e a , c o m b i n eo ro p e r a t ew a v eb a n de r i e c t i v a l y ，a n db u i l du pc l a s s i f i e di n s t r u m e n ta c c o r d i n gt o e v e r yl a y e r w el e a r nf r o mt h er e s u l to fe v e r yl a y e r sc l a s s i f i e dp r e c i s i o ne s t i m a t i o nt h a t t h e p e r t i n e n c eo ft h em e t h o di sv e r ys t r o n g ；i no r d e rt oa v o i dt h er e d u n d a n c yo fd a t a , w eu n i t ea n d a d j u s tr e v e r s e l yt h ee a r t ho b j e c t sw h i c ha r ed i s t r i b u t i n ga tr e s e a r c ha r e a ；i no r d e r t oa c h i e v ep u r e i n f o n n a t i o no f r e s i d e n t i a l a r e a , w e s a m p l e a n d a n a l y z e t h e r e f o r m a t i o n o f n o n - r e s i d e n t i a l a r e a ，d i g o u ta n dd i f i e r e n t i a t et h ej u d g eb a s i so f t h ei n f o r m a t i o no fr e s i d e n t i a la r e aa n dn o n - r e s i d e n t i a la r e a , a n ds e t l a r a t eg r a d u a l l vt h ei n f o r m a t i o no fn o n - r e s i d e n t i a la r e af r o mr e s i d e n t i a la r e aa f t e rs e v e r a i t i m e s m i x e ds t u d ya t 也ei n f o r m a t i o nb e t w e e nr e s i d e n t i a la r e aa n dn o n - m s i d e n t i a la r e a t h e c l a s s i f i e dp r e c i s i o no fr e s i d e n t i a la r e aw h i c hi sa c h i e v e da tl a s ti s7 9 c o m p a r e dt ot h ek n o w n e x t r a c t i o nr e s u l to fr e s i d e n t i a la r e a , w ef m d t h a tt h ed e t a i li n f o r m a n o i lo ft h ee a r t he n l a r g e sw i t h t h ei n c r e a s i n go fr e s o l u t i o na n di ti sm o r ed i m c u l tt oe x t r a c tt h ei n f o r m a t i o no fr e s i d e n t i a la r e a h o w e v e r , p r e c i s i o n i sn o ti m p r o v i n ge v i d e n t l y n l eo t h e r - e r s o no f a f f e c t i n gc l a s s i f i e dp r e c i s i o ni s t h es p a c i a lr e s o l u t i o no f e s t i m a t i n gp r e c i s i o nd a t a 1 t i sn a t u r a lt h a tt h ee x t r a c t i o np r e c i s i o no f r e s i d e n t i a la r e aw i l ld e c r e a s ew h e ne s t i m a t ep r e c i s i o nb a s e do np i x e l st h r o u g hs p a c i a lr e s o l u t i o n w h i c hi sh i g h e rt h a nc l a s s i f i e dd a t a w ef c l u n dt h a tt h es t u d ya te x t r a c t i o no fc o m p l e xr e s i d e n t i a l a r e ai se f f e c t i v ew i t ht h eh i e r a r c h i c a lc l a s s i f i e dt h i n k i n gb ya n a l y z i n gs y n t h e t i c a l l ya l lt h es t e p so f e x t r a c t i o ns t u d y i n ga n dt h ec l a s s i f i e dp r e c i s i o nw h i c hi sa c h i e v e di nt h ee n d 2 , t h ep a p e rs t u d i e s a tt h ee x t r a c t i o n o fr o a d si n f o r m a t i o nw h i c hs t r o n g l ya f f e c t st h e e x t r a c t i o np r e c i s i o no ft h er e s i d e n t i a la r e aa c c o r d i n gt ot h em a r r so c u l a rp r i n c i p l e t h er e s e a r c h 河海大学硕士论文a b s t r a c t o nt h r e es t e p sw h i c hi n c l u d ep r e l i m i n a r yt r a n s a c t i o no fr o a d s ，t h el o w e rl a y e r e de x t r a c t i o no f r o a d sa n dt h el a t et r a n s a c t i o no fr o a d si s d i r e c t l yr e l a t e dw i t ht h ee x t r a c t i o na c c u r a c yo fr o a d s i n f o r m a t i o n t h ep a p e rb a s e do i lt h er e s u l to ff o r m e rr e s e a t c he x t r a c t st h er o a d si n f o r m a t i o nb y a d o p t i n gt h ep r e l i m i n a r yt r a n s a c t i o no fa u t o m a t i cf i l t e r i n gt h ew a v e s ，1 s o d a t af u z z yc l u s t e r i n g a n dt h el a t et r a n s a c t i o no f r o a d sb a s e do n g e o m e t r i c a le s t i m a t i o n k e y w o r d s ：t h ee x t r a c t i o no fr e s i d e n t i a la r e a , s p o t 5k r n a g e s ，h i e r a r c h i c a lc l a s s i f i e d ，d i f f e r e n t o b j e c tw i t ht h es a m es p e c t r ac h a r a c t e r i s t i c s ，d i f f e r e n ts p e c t r ac h a r a c t e r i s t i c sw i t h t h es a m eo b j e c t 河海大学硕士论文 第一章绪论 第一章绪论 1 1 选题依据与研究背景 1 1 1 居民她提取研究意义与目的 居民地又称“居民点”或聚落，是人与自然相互作用的产物，是人类从事生 产和生活的需要而集聚定居的各种形式的居住场所f i 】。 居民地空间分布信息的快速准确提取具有极其重要的意义，居民地的空间分 布与区域人口、经济、财产的空间分布具有较强的空问相关关系，它为人口、经 济和财产等社会经济统计数据的空间化提供了基本的骨架。随着经济的发展、人 口的增长，大量的耕地正转变成城镇用地和农村居民用地，尤其是在平原地区。 及时、准确掌握这种转变所发生的位置和大小，对于保护耕地，合理利用土地资 源具有极其重要的意义。同时，居民地内房屋类型，建筑结构的变化，也是经济 变化的一种标志。 为满足城市经济发展的需要，各大小城市均在原有老城区基础上进行了城市 边缘区的扩张，批建城市开发区等，城市边缘区也即成为居民地信息变化较快的 区域。为促进j 持续的人类居住区发展，不断改善人居环境，合理分布生产力和 城镇人口，必须切实节约和合理利用土地。因此对地面尤其是城市边缘地区的居 民地信息进行及时的了解，可以检验生产力和城镇人口的布局是否合理，并是指 导宏观调控的重要手段。 居民地的分布具有点多、面广的特点，地面调查费工费时，难以满足需要。 遥感技术的发展为居民地空间信息的获取提供了先进的手段。在当今的信息社 会，信息的时效性尤为重要，对于这样的要求，就必须研究遥感信息的自动提取， 以达到地物识别的智能化和自动化，从而实现遥感信息直接进入g i s 【2 3 1 。 但是目前从遥感图像中提取居民地的方法多为目视判读提取，这种方法难以 满足实时的大范围作业跚。s p o t 5 卫星于2 0 0 2 年5 月发射成功，可以获得1 0 m 的多光谱数据及5 m 甚至2 5 m 的全色片数据。国土资源部已经将s p o t 影像列 为较大比例尺国土资源、土地利用调查和数字国土工程及土地资源和土地利用信 息系统数据更新的主要卫星遥感影像【4 】，因此利用s p o t 5 数据进行居民地信息 调查研究具有重要的现实意义。城市的居民地变化主要是在城市边缘地区，因此 河海大学硕士论文 第一章绪论 利用s p o t 5 数据进行城市边缘地区居民地提取研究更具有实用价值。本文基于 分层分类思想，选用s p o t 5 h i 数据进行南京城市边缘地区的居民地信息提取， 本文的居民地信息提取研究可以获得城市边缘地区的居民地信息分布研究，并可 以为研究和监测居民地信息变化提供实用的参考，对居民地提取的方法研究及对 s p o t 5 数据的研究都具有直接的实际应用价值。 1 1 2 居民地提取研究现状 遥感居民地提取，国内外均有研究报道。遥感数据类型丰富，针对不同的数 据类型，居民她的提取方法也不相同。 中分辨率影像提取方法研究主要有： 1 、挖掘影像居民地光谱特征知识，并建立知识判决模型。杨存建等( 2 0 0 1 ) 选择居民地背景较好的成都平原为例，通过对该区的t m 影像上不同类型的居民 地及其背景的光谱特征进行分析，发现了该区两大主要居民地类型的光谱特征知 识，水泥顶或瓦顶房屋与草顶房屋：进一步引进居民地与水体和道路的空间关系， 利用所发现的知识建立不同类型的居民地模型，将水泥顶或瓦顶、草顶房屋为主 的居民地分别提取，其精度达8 5 啪。赵萍等( 2 0 0 3 ) 以南京江宁区为例，分析 s p o t 4 - x i ( 地面分辨率为2 0 m ) 遥感数据上4 个波段的光谱特征，探讨了试验 区地面分布的各地物的光谱值，及不同地物在光谱特征上的可分性，建立不同的 判决规则，利用决策树的方法将非居民地地物进行剔除，最后利用形状指数进行 道路和居民地的分离，精度达到8 5 唧。以上基于中分辨率遥感影像居民地的提 取方法虽能达到一定的提取精度，但是对影像居民地背景地物分布要求较高，要 求背景地物较纯且与居民地光谱特征差异较大；不存在同谱异物，或是存在独立 并容易与居民地通过形状判断进行分离的同谱异物。 2 、纹理量参与分析提取。章杨清( 1 9 9 4 ) 基于t m 数据，用神经网络法、 引入分形维后的神经网络法进行无树房屋居民地提取研究，精度从7 0 2 提高到 7 6 0 5 【6 。不同尺度大小地物，分维值计算所用的度量尺码不同，分维值主要 是对整体纹理量的一种有效评价方法，对于基于像元的小窗1 2 的度量准确性不 高，尤其对于同谱异物，难以用基于小窗口的分维值来区分居民地与非居民地。 杨存建等( 1 9 9 8 ) 提出了通过影像中的纹理信息增强居民地专题信息。计算基于 共生矩阵的影像纹理量，对纹理进行分析，得到最佳增强的纹理波段组合方案。 河海大学硕士论文 第一章绪论 结果表明该方法能有效地增强居民地的专题信息，可以为居民地的自动提取提供 可靠的数据 8 】。此方法只对居民地提取进行了定性分析，从目视判读危度来评判 其突出居民地信息程度，而并未得出一个定量结果，如进一步分析居民地提取精 度，同样将涉及到居民地与居民地同谱异物的分离问题。对于已有基于纹理量居 民地信息增强方法，其中纹理量计算均基于中心像元的小窗口的亮度值，难以区 分居民地与居民地同谱异物。居民地在中分辨率遥感数据中主要以混合像元存 在，提取中噪音影响较小，容易突出居民地。所见基于中低分辨率的居民地提取， 大都以郊区为研究区，对于建成区居民地提取虽有研究，但精度远远达不到实用 要求，并远远低于郊区居民地提取精度。 对于高分辨率遥感影像居民地提取所见报道不多9 。2 1 。 高分辨率遥感影像居民地提取研究的主要思路同航空像片居民地提取，所不 同的是遥感数据较之航空像片有多波段数据的优点，波段覆盖范围宽于可见光， 可以获得红外波段的数据，b a n - , n h a a c k ( 1 9 8 3 ) 利用遥感数据对城市环境分析， 其研究认为热红外波段有利于居民地的提取。对于分辨率达l m ( i k o n o s ) ， 0 6 1 m ( q u i c k b i r d ) 的居民地提取有见报道，但基本都是旨在提取边界为直线的 房屋。d s c o t tl e e ( 2 0 0 3 ) 充分利用i k o n o s 多光谱数据及全色片各自特点，提 取出大概的居民地地表分布图，最后利用h o u g h 变换，将提取的建筑物的边进 行线化提取，可以提取形状为矩形或是矩形组合的建筑物轮廓 8 , 9 1 。目前，在摄 影测量领域，居民地的提取也只能做到半自动，因此针对高分辨率遥感影像居民 地提取应归入摄影测量与遥感两个领域的研究，综合两个领域的影像解译技术解 决高分辨率居民地提取。 针对不同地面分辨率影像、不同地区( 建成区或是郊区) ，准确提取居民地 一直都是个难点，其原因主要归于以下两点： 1 、居民地组成复杂性。居民地地面组成复杂，通常不是单一建筑物的集合， 而是在建筑物中混有绿地、水体、道路等，且由于建筑物材料的不同，其在遥感 影像中所反映出来的特征也不相同，这种居民地地面组成的复杂性加大了居民地 提取难度。 2 、遥感影像分辨率问题。现有居民地提取主要基于中低分辨率，而居民地 的大小决定了其在影像中通常以混合像元出现居多。而对于高分辨率影像，如 河海大学硕士论文 第一章绪论 q u i c k b i r d ， k o n o s 数据，随着分辨率的提高，影像地面细节被放大，而细节 的放大直接导致居民地提取过程中噪声的增加，并最终影响居民地提取精度，反 而加大准确提取居民地的难度。 居民地信息提取的以上两个难点直接导致了居民地信息提取方法的不足。居 民地的提取方法往往与一般地物的提取方法不同，在其他地物提取中较成功或是 有效的方法并不一定适用予居民地信息的提取。对于居民地的提取研究应该“对 症下药”，即根据居民地的特点进行有针对性的研究。已有居民地提取研究主要 基于中低分辨率，对于更高分辨率数据( 例如，s p o t 5 ，1 0 m ) 的研究，所见报 道不多。现有居民地提取方法有诸多局限性，数据要求较高( 居民地背景地物突 出，少有居民地同谱异物) ；研究受她域限制与影响较大；对居民地与背景地物 的混分研究较少，尤其是居民地与其同谱异物的混分研究未见有报道。 1 1 3 居民地中道路提取研究现状 居民地与道路的混分是居民地信息提取过程中常见且主要的混分现象。对居 民地中混有的道路进行提取分离，进而解决居民地与道路的混分，是一种有效的 解决居民地与道路混分的研究思路。 利用计算机从遥感数据中自动提取道路等的线性地物信息是人们多年的愿 望。国内外在这方面的研究大概有2 0 多年的历史，但至今还没有一套功能完善 的系统能实现此愿望。粗看起来，影像上的道路比其他地物更突出、而且道路成 网，关系明晰，但实现起来却很难，究其原因，主要是目前计算机人工智能还远 未达到能全自动化从数字影像中理解与提取地物信息的水平【1 3 】。 道路是典型的线状地物，其特征主要可以概括为以下几点： 1 、辐射特征：内部灰度比较均匀，即道路的边界比较明显。 2 、拓扑特征：道路不会突然中断，道路之间相互有交叉，道路与道路之间 连成网络。 道路影像特征的提取可以按照m a r t 视觉理论进行。m a r r 视觉理论，视觉从 最初的2 维数据到最终的3 维环境表达经历了3 个层次【1 4 1 5 】： l 、2 维要素图，包括图像边缘点、线段等基本的几何特征，这个层次的处 理也叫底层次处理。 2 、2 5 维图，是要素图与3 维图像模型中间的中间表示层，包含物体表面的 4 河海大学硕士论文 第一章绪论 局部内在特征、目标结构特征，这个层次的处理叫中层处理。 3 、3 维图，以物体为中心的3 维描述，包含对物体的理解、识别等这个层 次也叫高层次处理。 依据m a r r 视觉理论的道路特征提取研究，对影像从不同的角度和层次进行 分析，各个层次采取适当的算法，即可得到不同的特征提取方法。道路特征提取 与众多学科如计算机图形学、模式识别、人工智能、数学等密切相关，相关学科 新的方法应用，推动着道路特征提取的发展。 根据道路提取的自动化程度分类，道路提取分自动和半自动两种，目前而言， 自动提取道路还有很大的困难。道路特征的提取包括“识别”和“量测”f 坶部分。 “识别”对于计算机来说非常困难，而“量测”对计算机而言，则相对简单。自 动道路特征提取流程图【1 4 1 ： 预处理( 校正，滤波等) i 低层次处理( 二值化、灰度、边缘、纹理、顶点、方向等) 中层次处理( 特征分析、选择、综合等) 。 商层次处理( 知识、智能、规则、学习、理解、识别等) l 道路( 标识、表示、应用等) 图1 1 道路提取流程图 图1 1 是目前研究道路提取的一般流程，分为三个层次的提取，针对不同层 次处理目的采用不同的方法，即可得到一套道路提取的方法。道路提取可在这三 个层次进行不同侧重点的研究，目前而言这三个层次的研究方法均会有不同程度 的有利点与不足，如何将多种方法进行有效组合，进行道路特征研究，将是这个 提取流程的主旨，也是道路特征提取的主要思路与目的。 河海大学硕士论文 第一章绪论 现有道路自动提取方法主要有【1 3 剖： l 、基于平行线对的道路提取。根据道路两边界为平行线这个特性，首先进 行低层次平行线对的提取，之后进行中层或者是高层的处理。 2 、基于二值化和知识的道路提取。道路提取的难度主要在于影像的复杂性， 进行图像的二值化处理，则可以简化图像，之后结合一定识别知识的挖掘，在多 层次特征提取的思路上进行道路提取。知识为道路的提取提供更多感性判断，符 合人的判决思维。 3 、基于窗口模型的道路提取。道路在影像中呈一定的概率分布规律，利用 几何、概率分布模型建立窗口算法。 4 、基于数学形态学的道路提取。充分运用数学形态学的膨胀、腐蚀、开、 闭、细化等算法进行道路提取的进一步处理。数学形态学就是为了描述图像目标 的特征【2 4 0 5 1 。这个目标与道路提取的思路很吻合。 已有道路提取方法虽都有一定的研究成果，但自动提取道路仍是一个难点， 目前仍没有一套能进行全自动道路提取的算法，已有的研究方法也都有很多的不 足： 1 、道路提取的结果中，道路段不能完整的提取出来，这和遥感数据的影像 信息量有关系，如影像缺失等。 2 、提取的线状地物中，包含着其他线性地物，易与道路混分的线状地物很 容易被错分为道路。 3 、已有道路提取方法都建立在一定的背景假设条件下进行豹研究，通用性 不够，远远达不到实用阶段的要求。 众多研究成果表明，道路的提取难以在m a r r 视觉理论中一个层次的研究中 得到解决，而结合低、中、高三个层次上进行提取，可以提高道路提取的可靠性 和效率。遥感数据有丰富的多波段特点，波段问的冗余性等都将是遥感道路信息 提取的有利因素。充分应用遥感数据的波段特点，基于已有道路研究方法是本文 研究道路信息提取的切入点。 对于大量遥感数据中存在的道路信息，如果用人工或是半自动的方法提取， 其效率和精度都很难达到要求，往往费时费力，自动道路提取是一个必然的趋势。 自动道路提取可以解决大范围道路信息的提取问题，并且有效的自动提取方法可 河海大学硕士论文 第一章结论 以大大提高工作效率。 1 2 研究内容及方法 遥感分类是遥感的重点，也是进一步将遥感数据转化为实际生产力的关键所 在。本文基于s p o t 5 一h i 遥感数据，城市边远地区进行居民地提取研究，以研究 和探讨居民地信息提取方法为主要目的，以提高居民地信息提取精度为目标。 试验区地面分布复杂混乱，显然不可能用一个统一的分类模式来描述或进行 区域景物的识别和分类。因此，对于这些看似“杂乱无章，错综复杂”的景物往 往需要深入研究它们的总体规律及内在联系，理顺其主次或因果关系，建立种 树状结构的框架，即分层分类。分层分类思想已被广泛的运用于遥感分类研究， 本文即是针对居民地的提取复杂性，采用分层分类思路进行居民地提取研究。 论文主要依托遥感解译原理进行居民地提取研究。全文贯穿分层分类这个主 思想，实地调查结合目视判读将地面地物分为居民地与非居民地两大类，并对非 居民地进行细分。针对非居民地地物，分析各自波谱特征，挖掘地物波谱知识， 建立不同分类器，进行分离提取，并进步对其与居民地的混分现象进行研究分 柝，以最小错分居民地为目标，并给出一定的判决依据和解决方法。在居民地同 谱异物的分析上( 主要为道路) ，遵循m a r r 视觉理论，根据研究需要在低、中两 个层次上进行处理研究。首先对预处理的数据在低层次上采用模糊聚类 ( i s o d a t a ) ，之后进行中层的道路后处理，得到道路数据，并从居民地中剔除。 在精度评价中，本文分别对混有道路的居民地信息和剔除道路信息的居民地进行 评价分析，比较道路对居民地信息提取的影响。为对最终居民地提取精度做个 客观而定量的精度评价，精度评价方法采用混淆矩阵及k a p p a 系数计算。 本文的分类提取流程图如下图： 河海大学硕士论文 第章绪论 居民地中植被、水体等提取研究 l 1 分层建立植被、水体等提取模型 i i 逐层逐地类剔除研究及精度评价 i 居民地中道路提取研究 i i 基于m 8 r r 视觉原理提取 图1 2 居民地信息提取流程图 1 1 3 论文组织结构 第一章：绪论。阐述利用遥感数据进行居民地提取的意义，分析居民地提取 方法现状及存在问题、分析居民地中道路提取现状。针对居民地提取难点，提出 分层分类思路进行居民地提取研究，并给出详尽的居民地提取流程。 8 河海大学硕士论文 第一章绪论 第二章：研究区数据资料及预处理。针对本文的研究，分析s p o t 5 数据波 段特性。进行分类数据及精度评价数据预处理。实地踏勘调查，并采样进行研究 区地物的一一对应研究。准备精度评价数据。 第三章：分层分类居民地提取方法研究。采用分层分类思想，将地物分为居 民地及非居民地，非居民地进一步分为植被、水体、旱地、裸土、水田、道路( 将 植被、水体、早地、裸土、水田置入第三章的研究，将道路归为居民地同谱异物 分析提取归入第四章) 。对非居民地信息分别建立分类器，进行提取，并对每一 类提取结果进行分析，进行分类结果与居民地混分研究，以最小错分居民地为目 的，得到第一次提取的居民地图，并对居民地信息进彳综合精度评价。 第四章：居民地同谱异物现象处理，主要是居民地中混有的道路提取。依据 m a n - 视觉原理，结合低、中两个层次对居民地中混有的道路进行研究提取。并 进行最终居民地提取精度评价。 第五章：总结和展望。总结本文研究成果，评价研究方法，并对居民地遥感 提取的方法进行展望。 9 旦堡奎兰壁望! 羔 笺三墨塑墨塑登墨鎏竺堡 第二章研究区数据资料及预处理 s p o t 5 卫星是由法国空间中心设计，比利时、瑞典等国于2 0 0 2 年5 月共同 发射成功。该卫星的轨道是可重复的太阳同步圆形近极地轨道，近极地轨道有利 于增大卫星对地面总的观测范围【2 6 】。s p o t 5 参数见表2 1 表2 1s p o t 5 数据参数 轨道高度822km 重访周期l 4 天 影像视场范围 6 0k m x 6 0 k m 光谱模式 h m ( 5 m 分辨率全色片) h i ( 1 0 m 分辨率多光谱数据，其中1 、2 、3 波段 是1 0 m 分辨率，4 即s w i r 波段具有2 0 m 分辨率， 通过重采样生成1 0 m 分辨率) 波谱范匿 p ：0 4 8 0 7 1p a n b 1 ：0 5 0 0 5 9 i x r a b 2 ：0 6 t 0 6 8p m - b 3 ：o 7 8 0 ；8 9l 珈瞳 b 4 ：1 5 8 1 7 5 i m x s p o t 5 卫星是采用线性阵列的推扫式扫描成像系统。它所记录的多光谱图 像数据是沿着飞行方向的条幅。利用飞行器的前向运动，借助于与飞行方向垂直 的“扫描”线记录，而构成二维图像，它相对光机扫描系统有许多的优点g 7 2 9 l 。 s p o t 5 卫星的对地观测的特性使得它成为关于我们这颗行星和我们的生存 环境的各方面信息的重要来源。在测绘制图、农业、林业、地质、灾害等方面 s p o t 卫星都得到了广泛的应用r g 。s p o t 5 的地面分辨率使得s p o t 5 影像在制 作从标准比例尺为l ：1 0 0 0 0 到1 ：2 5 0 0 0 的地图中具有重要的用途。s p o t 5 影 像的地面分辨率及波谱覆盖范围可以为城市调查提供有力的帮助。s p o t 5 - h i 光 谱特征波段模型如下图： 1 0 河海大学积l 。论文 第二章数据资料及预处理 图2 t s p o t 5 h i 光谱特征波段模型 由s p o t - 5 数据特征可知( 表2 1 和图2 1 ) ：s p o t - 5 影像的2 波段( b 2 ) 和 3 波段( b 3 ) 位于监测绿色植被的敏感波长范围。水体在3 波段( b 3 ) 尤其是4 波段( b 4 ) 有较明显的强吸收性。本文研究区地面分布有大量植被、及分布较 散的水体等，而s p o t 5 数据正好能在这几类地物上有较明显的波谱特性，有利 于居民地提取过程中非居民地信息的提取与剔除。其中红外波段相对较少地受到 大气条件的影响，可以获取比可见光波段更清晰且更高对比度的影像，此特性对 于文中的道路提取研究非常有利。 2 1 研究区数据预处理 利用传感器观测目标物辐射或反射的电磁能量时，从传感器得到的测量值与 目标物的光谱反射率或光谱辐射亮度等物理量是不一致的，传感器本身的光电系 统特征、太阳高度、地形以及大气条件等都会引起光谱亮度的失真。为了正确评 价地物的反射特征，必须通过辐射校正来尽量消除这些依附在辐射亮度里的各种 关系。 辐射校正：辐射校正方法的选择可对最后的结果起到决定性作用。辐射校正 一般包括传感器的辐射校正、大气校正、照度校正等。照度校正一般用于不同时 河海大学颊上论文 第二章数据资料及预处理 相影像进行对比研究时或不同地区影像进行镶嵌时。大气校正通常是指大气散射 校正，即消除大气散射对辐射失真的影响。传感器记录的影像亮度值，在进行应 用研究前都需要进行辐射校正。从逻辑上讲，精确的遥感影像辐射校正是很难的， 但是据研究袭明，许多遥感应用分析都只需要做相对的辐射校正，而不是绝对的 辐射校正。研究区所采用的数据是经过基本辐射校正的s p o t 5 ，1 a 级产品。 几何配准：本文精度评价将以实地踏勘调查结果与融合后的5 m 分辨率的数 据为基准( 影像融合之前需要进行精确的以几何纠正为基础的空间坐标配准) ， 圜其精度评价贯穿本文的整个研究过程，所以在进行分类之前，需要进行精确的 空间几何配准，即将1 0 m 多光谱数据以5 m 全色片为参考进行几何纠正。流程如 下图： 、 h m + h i 、 ， 几何校正 模型库 l ， 多项式校正模型参数 多项式次数选择参考点输入方式选择 多项式校正模型 上 参考点采样 0 建立重采样模型 ( 重采样 】 图2 - 2 几何校正流程 本文参考点输入采用直接从全色片上选取的方法，纠正模型采用2 次多项式 纠正模型，校正多项式如下两式： 河海大学硕上论文第二章数据资料及预处理 x = a + b x + c y + d x ! + e x y + f y 2 ( 2 1 ) y 。= g + 嬲+ i y + z r + k x y + y ! ( 2 - 2 ) ) c o ，y 。为h i 影像上点坐标，x ，y 为h m 影像上对应点坐标，a ，口，c l 为待求多项式纠正模型参数。根据数x o ，y o 及x ，y 坐标即可解算待求参数， 并建立几何校正表达式进行几何校正。 本文选择1 0 个参考点进行几何纠正，参考点均匀分布整幅影像，纠正控制 点误差控制在o 5 个像元以内。几何纠正中影像的重采样方式通常有最邻近插值 法、双线性插值法和立方卷积插值法，本文采用最邻近插值法进行重采样。 2 2 研究区数据资料 2 2 1 分类数据资料 分类实验数据为2 0 0 3 年7 月2 7 日获取的s p o t 5 一h i 影像( 影像大小为4 6 8 3 8 2 ) ，地点位于南京江宁开发区。 由于s p o t 5 一h i 数据缺少蓝光波段，根据研究分析，对彩色合成的三个通道， 即r g b 通道分别采用短波红外、近红外、红光波段进行合成，可以得到近似的 真彩色影像。图2 3 为经辐射校正并与全色片配准后，r g b 分别为短波红外、近 红外、红光波段的近似真彩色图： 图2 3s p o t 5 实验数据及调查草图描绘 河海大学硕士论文 第二章数据资料及预处理 通过实地踏勘，并对比分析图2 3 ，进行影像特征描述。植被在近红外波段 具有强反射特性，r g b 合成通道的绿色通道采用近红外波段可以突显植被特性， 即表现为图2 3 中的绿色。水体在图2 3 中表现为蓝色，居民地和道路表现为紫 色，裸土表现为棕色，旱地为淡粉黄色。 2 2 2 精度评价资料 本文以实地调查结果、s p o t 5 一h m 与s p o t 5 ，h i 像素级融合后5 m 的彩色数 据作为精度评价数据资料。实地调查结果为，对研究区实地踏勘，结合s p o t 5 一h i 数据对地表分布选样做一一对应的调查，直接调查结果为地物类别与多光谱数据 间的纽带。将s p o t 5 h m 与s p o t 5 一h i 进行像素级融合为本文重要的精度评价 资料。 实验数据为1 0 m 的s p o t 5 - h i 数据，本文为对地面做较客观的精度评价( 所 见较多报道都是基于同比例的数据进行精度评价) ，以融合s p o t 5 h i 、h m 的 5 m 分辨率影像数据为精度评价基准。融合结果图将以1 ：4 的比例扩大地面细节， 结合实