（水利水电工程专业论文）基于tm遥感影像的鄱阳湖湿地分类研究.pdf

摘要 鄱阳湖是我国第一大淡水湖，世界著名的湿地，1 9 8 8 年5 月被国务院批准 为国家级自然保护区，1 9 9 2 年7 月被联合国教科文组织列为世界湿地公约 “重要湿地名册”。 本论文初步探讨了提高湿地遥感影像分类精度的方法与途径，对覆盖鄱阳 湖湿地的l a n d s mt m 遥感影像进行了计算机自动分类技术方法的实验研究，采 用了先对遥感影像数据进行非监督分类，在非监督分类的基础上进行人工解译， 确定其类别属性，然后将人工解译后的非监督分类的分类属性表经过光谱聚类处 理转化成适用于监督分类的分类模板文件，再执行监督分类的方法，有效提高了 数据处理的效率。 在监督分类中，采用了不同波段组合方式、主成分分析等手段。经过基于 误差矩阵的精度评价分析表明，这些手段可以提高鄱阳湖湿地遥感影像分类的精 度。本论文分别对t m 三种不同波段组合的影像、全部波段组合影像以及全部波 段经k l 变换后的主成分组合的影像进行了分类比较研究，得到了以下几点结 果与结论： 1 、对研究区t m 4 ，3 ，2 影像，t m 3 ，4 ，5 影像，t m 7 ，5 ，3 影像，主 成分组合图像，全部波段组合影像进行遥感分类，最终获得的分类总精度分别为 8 2 5 3 ，8 4 1 2 ，8 6 _ 8 5 ，8 8 2 0 ，9 1 7 3 。 2 、影响湿地分布的主要因素是水，在t m 多光谱数据中，短波红外的波段 5 信息量最丰富，是湿地遥感影像分类的最佳波段，另外波段3 ，7 是红波段和 近红外波段，其组合对植被具有较高的敏感度，因此选择t m 7 ，5 ，3 影像进行 分类有助于提高鄱阳湖湿地遥感分类的精度。 3 、主成分组合影像各波段的信息所做的贡献能最大限度地表现在新图像 中，使图像数据更易于解译，能够进一步提高分类精度，而且能在保证精度的前 提下尽量提高数据处理效率；全部波段组合影像信息更丰富，分类精度最高，但 数据量大，冗余数据多。 4 、运用误差矩阵对同一监督分类后的影像进行多次精度评价时，每次产生 的随机点的分布都不相同，而随机点的分布状况对该分类后影像的分类精度评价 存在一定影响。 5 、目前，为了提高湿地遥感影像分类的精度，必须进行人机交互判读，本 文研究表明，进行遥感分类的解译者的生物地学知识：对相关遥感软件操作的熟 练程度以及对研究区的熟悉状况等差异均对湿地遥感分类的精度存在显著影响。 关键词：湿地分类；t m 影像；主成分分析；误差矩阵：鄱阳湖 a b s t r a c t p o y a n gl a k ei st h el a r g e s tf r e s hw a t e rl a k ei nc h i n aa n dar e n o w n e dw e t l a n di n t h ew o r l d t h es t a t ec o u n c i lo fc h i n aa p p r o v e di tt ob es t a t en a t u r ep r o t e c t i o na r e ai n m a y1 9 8 8 ，a n dr a t e d t o t h e i m p o r t a n ts w a m ps c r o l lo f w o r l d “s w a m pc o n v e n t i o n b y u n e s c oi nj u l y19 9 2 t h i sp a p e rw a sp r i m a r i l yc o n d u c t e dt op r o b ei n t ot h em e t h o da n da p p r o a c h w h i c hc o u l di m p r o v ec l a s s i f i c a t i o na c c u r a c yo fw e t l a n d ，m a d ee x p e r i m e n to ft h e c o m p u t e ra u t o m a t i cc l a s s i f i c a t i o nm e t h o d st ol a n d s a tt mi m a g ec o v e r i n gp o y a n g l a k ew e t l a n d i ne x p e r i m e n tf i r s t l yu s e du n s u p e r v i s e dc l a s s i f i c a t i o nt or e m o t e s e n s i n gi m a g e ，m a d ep r o g r e s so fm a n u a lw o r ki n t e r p r e t e dt om a k ec e r t a i nt h e i r a t t r i b u t e s ，t h e nt r a n s f o r m e dt h e i ro u t c o m e t ot h ef i l eo fc l a s s i f i c a t i o nc y c l o s t y l e ，a n d t h e nc a r r i e do u ts u p e r v i s e dc l a s s i f i c a t i o n ，i ti n d i c a t e dt h a tt h ec l a s s i f i c a t i o np r e c i s i o n o fp o y a n gl a k ew e t l a n dw a si m p r o v e dt h r o u g ht h e s em e a n s i ns u p e r v i s e dc l a s s i f i c a t i o n t h i sm e t h o dw 硒i l l u s t r a t e dc o m p a r a t i v e l y 、 ，i t l l c l a s s i f i c a t i o nc a r r i e do nt mi m a g eo ft h r e ed i f f e r e n tw a v eb a n ds y n t h e s i z i n g ， m u l t l s p e c t r a ls y n t h e s i z i n gi m a g e , p r i n c i p a lc o m p o n e n ta n a l y s i ss y n t h e s i z i n gi m a g e a f t e rk a r h u n e n - - l o e v et r a n s f o r m w ec o u l dh a v et h er e l a t e dc o n c l u s i o n sa sf o l l o w ： a tf i r s t ，t h ec l a s s i f i c a t i o no v e r a l la c c u r a c yo fi n t e g r a t i n gu n s u p e r v i s e da n d s u p e r v i s e dc l a s s i f i c a t i o np r o c e d u r e sa p p l i e dt ot h ei m a g e so ft m 4 ，3 ，2 ，t m 3 ，4 ，5 ， t m 7 ，5 ，3 ，p r i n c i p a lc o m p o n e n ta n a l y s i sa n dm u l t i s p e c 订a ls y n t h e s i z i n gw a s8 2 。5 3 ， 8 4 1 2 ，8 6 8 5 ，8 8 2 0 ，9 1 7 3 r e s p e c t i v e l y s e c o n d l y ，w a v eb a n d5c o n t a i n i n ga b u n d a n ts p e c t r a li n f o r m a t i o n ，i ti st h eb e s t w a v eb a n di nw e t l a n dr e m o t es e n s i n gc l a s s i f i c a t i o n i tw a sa t t r i b u t e dt ot h a tw a t e r ， w h i c hi st h ei m p o r t a n tf a c t o rw o r k i n go nd i s t r i b u t i n go fw e t l a n d s ，i sm o s t l ys e n s i t i v e t ot h ew a v eb a n d5a n db a n d7 i tw a sm o s t l yr e d o u n d e dt od i s t i l lv e g e t a t i o n s y n t h e s i z i n gr e dw a v eb a n da n dn e a ri n f r a r e d f u r t h e r m o r e ，i tw a sb e n e f i c i a l t o e n h a n c et h ep o y a n gl a k ew e t l a n dc l a s s i f i c a t i o nu s i n gt m 7 ，5 ，3i m a g ew i t hr e m o t e s e n s i n gt e c h n i q u e i l l t h i r d l y ，t h ee a c hw a v eb a n do ft h ei m a g ea f t e rp r i n c i p a lc o m p o n e n ta n a l y s i s c o u l db el a r g e r l yc o n t r i b u t e di n f o r m a t i o nt on e w i m a g e ，m a d et h en e wi m a g et ob e i n t e r p r e t e dm o r ee a s i l y ，c o u l db ei m p r o v e dt h ee f f i c i e n c yo fd a t ap r o c e s s i n gi nt h e p r e m i s eo fa s s u r i n gt h ep r e c i s i o n m u l t i s p e c t r a li m a g eh a sm o r ei n f o r m a t i o n ，t h e nh a s t h eb e s tr e s e to f i n t e r p r e t i n g ，b u tc o n t a i n i n gm o r er e d u n d a n c ed a t a 。 f o u r t h l y ，t h ed i f e r e n c eo fd i s t r i b u t i n gs t r a t i f i e dr a n d o ms a m p l i n gh a sa f f e c t e d t h ea c c u r a c yo fw e t l a n dc l a s s i f i c a t i o nt oac e r t a i ne 娥e n tw h e na s s e s s i n gt h e c l a s s i f i c a t i o nr e s u l tw i t he r r o rm a t r i x l a s tb u tn o tt h el e a s t ，p r e s e n t l yi n t e r a c t i v ei n t e r p r e t a t i o na p p r o a c hh a dt ob e a p p l i e di nt h es t u d yf o rt h es a k eo fh i g h e rc l a s s i f i c a t i o na c c u r a c yo fw e t l a n dw i 也 r e m o t e s e n s i n gt e c h n i q u e f r o mt h ep m c f i c a lp o i n t o fv i e w , t h ed i f e r e n c eo f i n t e r p r e t e r s ，t h ek n o w l e d g eo fr e l a t e db i o g e o g r a p h y ，t h ep r o f i c i e n c yo fm a s t e r i n gt h e e r d a si m a g 心匝s o f t w a r e ，t h ef a m i l i a r i t yw i t ht h em s e a r c ha r e aa n ds oo n ，h a sa r e m a r k a b l ei n f l u e n c eo nt h ec l a s s i f i c a t i o na c c u r a c y t h ec l o u dc o v e rw a sl o w e ra n d t h ei m a g eq u a l i t yo fr e s e a r c ha r e ai nt h el a n d s a tn v ii m a g e ，s e l e c t e di nt h es t u d y ， w h i c hw a so n er e a s o no f t h eh i g h e rc l a s s i f i c a t i o na c c u r a c y a u t h o r ：y uj i a n j i e ( w a t e rc o n s e r v a n c y & h y d r o e l e c t r i ce n g i n e e r i n g ) d i r e c t e db y ：p r o f e s s o rz h o ug u a n g w e n d rl i uc h e n g l i i n k e yw o r d s ：w e t l a n dc l a s s i f i c a t i o n ；t mi m a g e ；p r i n d p a lc o m p o n e n ta n a l y s i s ； e r r o rm a t r i x ；p o y a n gl a k e i v 独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的 研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其 他人已经发表或撰写过的研究成果，也不包含为获得盎量苤壁或其他教育机 构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献 均己在论文中作了明确的说明并表示谢意。 学位论文作者签名 羔扛、签字日期 t r 1 卅年6 厨钐日 学位论文版权使用授权书 本学位论文作者完全了解壶墨苤壁 有关保留、使用学位论文的规定， 有权保留并向国家有关部门或机构送交论文的复印件和磁盘，允许论文搜查阕和 借阅。本人授权 查星苤壁 可以将学位论文的全部或部分内容编入有关数据 ， 库进行检索，可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。 学位 签字 ( 保密的学位论文在解密后适用本授权书) 一：乃壶考心燧引 数 魄瓣月怕 签字醐以7 年f 月f 中日 学位论文作者毕业后去向： 工作单位 通讯地址 电话： 邮编： 么 第一章绪论 1 1 关于湿地的定义 第一章绪论 湿地是介于陆地生态系统和水生生态系统之间的过渡带，是由水体向陆地 逐渐变化，并兼有俩种系统的某些特征。由于研究目的、学科和国情的不同以及 人们认识上的差异，目前对湿地的定义尚缺乏统的认识。 美国和加拿大等国对湿地的研究起步较早。美国自2 0 世纪5 0 年代，由鱼 类和野生动物保护组织发起了第一次美国湿地详查。当时湿地的定义为“被浅水 和有时为暂时性或间歇性积水所覆盖的低地、浅湖或浅塘，通常以生长有挺水植 物作为显著特征。”到了2 0 世纪7 0 年代，该组织又提出了新的定义：湿地是指 陆地生态系统和水域生态系统之间的转换区，其地下水水位通常达到或接近地 表，或者处于浅水淹覆状态，指出湖泊与湿地以低水位时水深2 m 为界【4 j 。 加拿大国家湿地工作组在对其北方泥炭地( p e a t l a n d s ) 的研究中，定义湿 地为：“系指水淹或地下水位接近地表，或浸润时间足够长，从而促进湿成和水 成过程，并以水成土壤、水生植被和适应潮湿环境的生物活动为标志的土地”。 这定义也强调了水分、土壤和生物条件。1 9 8 7 年8 月，在加拿大埃德蒙顿 ( e d m o n t o n ) 的国际湿地与泥炭地研讨会上，加拿大学者提出的湿地定义是： “湿地是种土地类型，其主要标志是土壤过湿、地表积水( 水深小于2 m ，有 时含盐量高等) 、土壤为泥炭土或潜育化沼泽土、生长水生植物”【4 。这一定义 电提出了积水深小于2 m 的指标。 美国著名的湿地学家、第四届国际湿地会议主席w j m i t c h 等在综合了湿 地科学家和湿地经营者的各种建议后，认为湿地的内涵应包括三点【2 j ： 1 ) 湿地明显的标志是水的存在： 2 ) 湿她有不同于其它她区的独特土壤； 3 ) 生长着水生植物。 目前为各个国家比较认同的湿地概念是关于特别是作为水禽栖息地的国 际重要湿地公约( 亦称r a m s a r 公约) 中的定义。其内容是“湿地系指不问其 为天然或人工、长久或暂时之沼泽地、湿原、泥炭地或水域地带、静止或流动、 南昌大学硕士学位论文 或为淡水、半咸水、或咸水体者，包括低潮时水深不超过6 m 的水域”f 3 。但该 定义对内陆湿地的水域地带( 湖泊) 没有作出水深的规定，也没有对植被条件的 阐述。 在1 9 9 4 年中国湿地生态环境保护规划会议上，学者们结合我国湿地的 实际情况，对湿地的解释是：湿地处于陆地和水域的交汇处，水位接近或处于地 表面，或有浅层积水，一般以低水位时水深2 m 为界，并具有以下特征：至少 周期性的以水生、湿生植物为优势种；底层土主要是湿土；在每年的生长季 节，底层土被水淹没4 个月以上。 1 2 国内外湿地研究现状 保护湿地就是保护我们人类自己。保护湿地是全人类的共同责任。世界各 国为加强湿地保护，自1 9 7 1 年关于特别是作为水禽栖息地的国际重要湿地公 约( 简称湿地公约) 诞生1 4 1 ，截至2 0 0 0 年6 月已有1 2 1 个国家加入了这个公 约，有1 0 2 7 处湿地被列入国际重要湿地名录，总面积8 0 0 0 多万公顷。保护 和合理利用湿地愈来愈引起世界各国的高度重视，成为国际社会普遍关注的热 点。 中国政府1 9 9 2 年7 月3 1 日正式加入湿地公约，将黑龙江扎龙、吉林 向海、湖南东洞庭湖、江西鄱阳湖、青海鸟岛、海南东寨岗和香港米埔自然保护 区列入国际重要湿地名录，并将中国湿地保护与合理利用列入中国2 l 世 纪议程和中国生物多样性保护行动计划优先发展领域，在一定程度上推动 了我国的湿地保护和管理工作。 我国对湿地的研究和保护，也经历了较长的历史，但所做工作比较分散， 分属于生物学、海洋学、林学、地学、水文学、环境学等各个学科。这种状况严 重影响了对湿地的深入系统研究。在地学系统中中科院长春地理研究所、东北师 大地理系、华东师大河口海岸所、南京地理与湖泊所等单位是我国目前湖泊沼泽 湿地领域的重要研究机构。近年来，陆续开展了一些与湿地有关的重大课题，如 “人类活动对湖泊系统的影响与对策研究”、“我国湖沼系统资源环境动态过程 与优化管理模式”、“我国典型湿地生态系统结构功能及其保育原理研究”等等。 但是他们的研究目前主要集中在东北平原沼泽和长江中下游地区。随着我国对生 2 第一章绪论 态环境问题的高度关注，以及各学科对全球变化研究的不断深入，当前我国湿地 研究已越来越受到重视，有关湿她的研究正在不断扩展、深化，研究的领域与重 点也趋向与国际研究趋势相一致。 1 3 鄱阳湖湿地概况 鄱阳湖是我国第一大淡水湖，都阳湖湿地是国际六大重要湿地之一，是镶 嵌在江西省北部的一颗明珠。鄱阳湖湿地是中国首批7 个国际重要湿地之一，素 有“珍稀王国”、“候鸟天堂”、“中国第二长城”之美名。 鄱阳湖面积大、流域广、管理部门多，是鄱阳湖湿地保护的一大障碍。不 仅沿湖有1 2 个县、市，渔业和湖滩草洲归农业部门管理、鸟类及其他野生动物 归林业部门管理、湖区农业开发项目归农业开发办管理，由此带来湖泊权属及管 理总是不明确，再加上宣传不力，法制体系不完善等原因，人们对鄱阳湖湿她普 遍缺乏保护意识。鄱阳湖湿地的主要功能： 功能1 一调节河川径流的功能一涵养水源、调蓄滞洪和沉沙。 功能2 一调节区域小气候的功能一改善环境、绿洲、气温等。 功能3 一繁衍生物多样性的功能一珍稀物种的栖息繁殖地。 功能4 一改善环境与净化的功能一自然之肾、旅游价值【5 j 。 1 3 1 空间位置 鄱阳湖位于江西省的北部，距南昌市东北部5 0 k i n 。地理坐标：2 9 。0 5 + 一 2 9 0 1 5 n ，1 1 5 0 5 5 w 一1 1 6 0 0 3 。如同一个东西宽5 0 至7 0 公里，南北长约1 7 0 公 里的大葫芦，倒挂在长江南岸。赣江、抚河、信江、鄱江和修水五大河流，分别 从西、南、东南三面汇集鄱阳湖，然后北入长江。 南昌大学硕士学位论文 图1 1 鄱阳湖在江西省的地理位置略图 图1 2 鄂阳潮周边县市略图 4 第一章绪论 1 3 2 区域资源环境特征 鄱阳湖是一个吞吐型、季节性的浅淡水湖，高水湖相，低水河相，有“高水 是湖，低水似河”、“洪水一片，枯水一线”的独特景观。洪、桔水的湖体面积 相差极大。湖口历年最高水位2 1 6 9 m 时，湖体面积为3 2 1 0 k i n 2 ，而湖口历年最 低水位5 9 0 m 时的湖平均水位为1 0 2 0 m 时，其相应湖体面积仅约1 4 6 k m 2 ，相 差2 2 倍。湖盆自东向西，由北向南倾斜，高程一般由1 2 m 降至湖口约l m 。湖 底平坦，湖水不深，平均为8 4 m 。湿地资源表现出明显的季节性特征，4 9 月 高水位时，湖滩草洲被洪水淹没，沦为湖底：1 0 月至翌年3 月枯水时期，洲滩 显露。不同高程的洲滩，或同一高程洲滩所处地理位置不同，每年被淹没始日、 显露始日和持续出露水面的天数有所差异，从而使湿地生产力及其动植物的生长 发育也出现规律的季节性变化。由于在太阳能最丰富的夏季，湿地资源被洪水淹 没，部分草洲植物被淹死，部分则处于体眠状态，到了秋末冬初才陆续出露水面。 因此，湿地生态系统太阳能的直接输入量较少。湿地土壤的成土母质主要是赣、 抚、信、饶、修5 大河流携带来的泥沙。土壤类型以草甸土为主，有始成草甸 土、浅色草甸土和潜育草甸土三大亚类，其中始成革甸土主要分布在水下三角洲 的前缘地带，高程一般在1 4 1 5 m ；浅色草甸土广泛分布于河流入湖处水下三 角洲或湖盆内洲滩，高程一般在1 4 l g m ；潜育草甸土主要分布在草洲的低平 处或蝶形浅洼地边缘地带。 区内气候暖和，无霜期较长，年降雨量为1 3 5 0 0 2 1 5 0 o m m ，属亚热带温 暖湿润气候，存在洪涝、干旱、冷寒和风雹等灾害。由于受季风气候影响，降雨 量年分配不均，各月之间相差很大。春季阴湿多雨，常有冷暖气团交会，产生锋 面降水，进入春雨期和梅雨期，降雨量大增：夏季受副热带高压控制，晴熟少雨， 但遇强台风影响，也可能产生暴雨。湖内水位受内河、长江洪水双重影响，高水 位时间长。每年4 6 月，湖水位随着内河洪水入湖而上涨，7 9 月因长江涨 水引起顶托或倒灌而维持高水位，1 0 月才能稳定退水1 6 j 。 “鄱阳鸟，知多少? 飞时遮尽云和日，落时不见湖边草。”鄱阳湖保护区依 托其明显的区位、政策及资源优势，适度开发以保护环境为主题的生态旅游资源， 将对保护区的宣传、对外交流、科研合作等事业起到促进和推动作用。它是中国 第一大淡水湖，也是亚洲最大的的候鸟越冬地和国际重要湿地，全球有9 5 的 南昌大学硕士学位论文 白鹤在此越冬。全年统计有鸟类3 3 2 种，被誉为“珍禽王国”和“候鸟乐园”( 见图 l 一3 ) 。 近日，全国林业系统国家级自然保护区评审会全票通过南矶山自然保护区 评审。据了解，南矶山湿地有“鄱湖宝岛、湿地明珠”之称，具有重要的生态、生 产和经济价值。南矶山晋升国家级自然保护区将极大地促进江西省的生物多样性 和野生植物保护工作。 图1 3 鄱阳湖湿地部分侯鸟照片 1 3 3 鄱阳湖湿地遥感分类研究的历史回顾 随着计算机技术的迅猛发展，3 s 技术也越来越多的应用于科学研究之中， 成为科学研究不可缺少的技术手段之一。国内的一些研究主要是将3 s 技术应用 于湿地资源调查之中。但应用于湿地分类这一专题尚未多见。鄱阳湖湿地是具有 多种环境功能，生物多样性十分丰富的生态系统。它能够调节河川径流、净化水 体，能够分洪蓄水，调节地方气候，对保护区域的生态平衡起着重要作用。鄱阳 湖湿地的生物多样性是我国湿地中最富集的地区之一，对于国际生物多样性的维 6 第一章绪论 持与保护也发挥着重要的作用。因此，鄱阳潮湿地有关问题的研究在显得尤为重 要。陈水森，詹志明利用m o s 1m e s s r 卫星图像对鄱阳湖湿地作了遥感调查 实验研究，算出了研究区湿地不同类型的面积3 9 1 。李仁，刘纪远应用l a n d s a t e t m 数据估算了鄱阳湖湿生植被生物量【4 2 1 ，取得较好的成果。本文旨在利用计算机 自动分类对鄱阳湖湿地资源分类作进一步研究。 7 南昌大学硕士学位论文 第二章遥感图像分类技术 遥感( r e m o t es e n s i n g ) 是借助于各种遥感平台收集并处理各种地面目标信 息的技术和方法。由于地面目标的种类及其所处环境条件的差异，地面目标具有 反射或辐射不同波长电磁波的特性，遥感通过观察目标的电磁波信息以获取目标 的几何信息和物理属性，进而获取目标的社会属性。这样的工作要依靠遥感图像 分类技术来完成。遥感分类结果为军事、国土资源和环境调查以及自然灾害防治 的决策提供重要的科学依据。遥感图像分类技术作为遥感技术的一个重要分支， 多年来一直受到研究人员的普遍重视，因而深入的研究遥感图像的机理、分类手 段以提高分类精度和分类的可靠性是当务之急。 遥感数字图像分类处理，亦称计算机自动识别，其实质在于通过计算机对 遥感图像像元进行数值处理和分类，以达到自动识别地物的目的。 2 1 概述 遥感图像记录遥感观测区域内定时间段内的地物电磁波辐射，其灰度大 小及其变化只反映了地物的辐射光谱能量特征，其纹理特征代表了地物的光谱结 构特征。因此，遥感图像实质包含了地面地物的三类信息：时间信息、光谱能量 信息和结构信息。遥感图像分类是一个图像的模式识别过程，它是将图像中的所 有象元按其性质分为若干个类别的技术过程。分类主要应用的是图像的光谱特 征，通过对各类地物光谱特征的分析选择特征参数，将特征空间划分为不相重叠 的子空间，进而把图像内诸象元划分到各子空间去，从而完成分类任务。 模式分类一般分为统计模式分类和结构模式分类。统计分类着重于定量的 统计方法；结构模式分类则基于描述模式的结构信息、结构特征，利用形式语言 中的规则进行分类目前基于光谱特征的统计分类法在遥感图像处理实践中应用 得最普遍，也发展得最成熟，它是经过对特征( 即一组反映对象属性的测量值) 的提取，再应用决策理论对特征空间的划分来达到分类的目的。 2 1 1 地物波谱特征 地物波谱也称地物光谱。地物波谱特性是指各种地物各自所具有的电磁波 第二章遥感图像分类技术 特性( 发射辐射或反射辐射) 。自然界中地物与电磁波的相互作用主要表现为反 射、发射、吸收和透射几种形式。物体在同一时间、空间条件下，其反射、发射、 吸收和透射电磁波的特性是波长的函数。该函数关系的曲线表示叫地物波谱。对 于遥感图像的三大信息内容( 波谱信息、空间信息、时间信息) ，波谱信息用得 最多。不同的物体由于其组成成分、内部结构和表面状态以及时间、空间环境的 不同，它们的反射、发射、吸收和透射电磁波的特性也不同，即不同地物具有不 同的波谱曲线形态( 见图2 - 1 ) 。 图2 1 典型地物波谱曲线形态 灰 度 值 、 h ，7 、。吣。 一 。二：h 一= 一一、 7、 2 1 2 卫星参数 波段 美国l a n d s a t 4 5 号卫星上搭载有多光谱扫描仪( m s s ) 和专题扫描仪( t m ) 。 其中t m 数据是我国应用最为广泛的地球观测数据。我们试验的数据就是该种数 据。t m 的观测参数见下表( 表2 一】) 。 表2 1t m 影像观测参数 波段l 波黜波鼢波段4 毫e 段5 波段6波段7 ( p 匐就艴她近鳓融料栅撇外 删3 0 m执 3 0 ml 弛 不同的电磁波可以反映不同的地物特征。例如，红外波段最有助于水体的 9 南昌大学硕士学位论文 提取，红波段和近红外波段的组合最有助于植被的提取。t m 图像中，各波段经 模型演算和光谱分析表明：5 波段信息量最丰富，1 、2 、3 波段强相关，5 、7 波 段相关性也很强，近红外4 波段绿色植被反射率高，6 波段信息量少，此外波段 3 、4 、5 组合，类似真彩色，地类清晰、水体突出、林草分明；4 、5 、7 波段组 合，植被细微差异均能区分；2 、4 、7 波段合成，结构信息逼真，利于城市判读 l 8 1 2 1 3 基本原理 计算机遥感图像分类是模式识别技术在遥感领域中的具体应用，其目的是 对图像上的像元给出对应类别。图像分类器( i m a g ec l a s s i f i e r ) 的定义如下： 给定一个二值均匀测度函数p ，如果图像f ( x ，y ) 中某个区域满足一定意义的 均匀特性，则该区域p 值为真，否则为假。对图像的一个分类就是获得图像的 一个划分x l ，x 2 ，x n i ，其中x i 代表第i 类属性的区域，该划分应满足： ( 1 ) u x = ，( t y ) x 妒，t n _ = 矿其中f ( x ，y ) 是像素的总集。 i l ( 2 ) x 。是连通的。 ( 3 ) 若x l x j * 目，且p ( x o = t ；pc x j ) = t ：p ( x ，u x ，) = f 。 理想的分类器应具有两种性质： ( 1 ) 分类过程的可重复性。由其他测试者采用相同数据能够获取相同的结 论。 ( 2 ) 鲁棒性( r o b u s t r e s s ) 。对输入数据的微小改变不敏感，即输入的微 小变化或随机噪声不会影像输出结果的有效性。 一般地，分类后不同的图像区域之间性质差异应尽可能地大，而区域内部 性质应保证平稳特性。遥感图像分类大致按以下顺序进行： 图2 2 图像分类流程 图像的预处理。对于遥感图像来说，预处理有：遥感图像的辐射量校正 1 0 第二章遥感图像分类技术 和几何校正；线性拉伸增强处理；去除噪声等。 特征向量的选择。该阶段要完成从数据空间转换到特征空间。一般地， 假设多光谱图像有r 1 个波段，则在图像( i ，j ) 位置上的像元在每个波段上的灰度 位f ( i ，j ) 可以构成一个矢量x = ( x l ，x 2 ，x n ) ，x 即为该像元的特征向量。这是 最基本的特征向量。 设计分类器。针对数据的特点，选择一种算法确定判别函数和相应的判 别准则。这就要求遥感数据表示的模式满足紧支集的假设。但是由于遥感数据中 混合像元的存在，所以要完全准确的分类是非常困难的。在此阶段，依据是否使 用类别的先验知识，可分为监督分类( s u p e r v i s e dc l a s s i f i c a t i o n ) 和非监督分类 ( u n s u p e r v i s e dc l a s s i f i c a t i o n ) 。 图像分类。对于非监督分类，用设计好的分类算法对特征空间进行划分， 完成分类工作。而对于监督分类，则要完成选择训练样本：分类器学习以确定判 别函数中待定参数；将未知类别的样本的观测值代入判别函数，在依据判别准则 对样本的所属类别做出判定。 2 2 遥感图像分类中的特征选择和特征提取 特征选择( f e a t u r ee x t r a c t i o n ) 是从众多特征中挑选可以参加分类运算的若 干个特征。特征选择是对分类精度和可靠性影响最大的因素之一，因而研究者目 前提出了许多方法。方法概括如下： 针对待分类地物的特点，从所有波段中提取全部以几个波段作为特征。 波段选取可依经验也可根据美国查维茨教授提出的最佳指数公式( o i f ) ： s i o i f = 百艺一( 2 - - 1 ) l = 1j = l + l 式中s i 为第i 个波段的标准差，s 。越大，该波段图像的信息量越大：表 示第i 个波段与第j 个波段之间的相关系数，r b 越小，两个波段之间的独立性越 高。即o i f 值越大，波段组合越优。骆剑承1 7 提出基t m 6 个波段的遥感影像分 类模型研究。刘建平1 1 2 1 基于信息论提出高光谱遥感数据最佳波段选择方法。 利用主成分分析、k t 变换、小波变换算法将所有波段进行变换，在提 南昌大学硕士学位论文 取前几项数据相关性小的分量作为特征。朱述龙删提出了一种快速近似主成分分 析算法用于完成变换。 利用各波段间的数值运算作为特征即建立新通道。例如，比值、植被指 数等。陈铭臻根据对水稻和背景的光谱特性分析，建立水稻种植面积的提取模型 ( t m 4 t m i ，t m 4 f f m 3 ，t m 4 f f m 2 ) 。杨存建 9 】提出基于此方法的t m 影像的居 民地信息提取方法。 利用遥感图像中地物的纹理特征作为模式特征。纹理的测度可应用共生 矩阵法、半变差函数法、马尔可夫随机场、小波变换法和分形分维法。秦其明【l l 】 提出用分形方法确定卫星数字图像中的纹理特征。 综合利用以上各种特征。朱小鸽1 1 硼提出的多重主成分分析在地质构造信 息提取中的应用，多重主成分分析即对主成分分析的结果与其它处理结果及原始 数据经过有针对性地选择后组合起来再次进行主成分分析。 特征的选择是针对特定的专题信息提取而言的，选择的特征少，分类器的 设计和实现简单，但分类的精度不高：选择的特征太多，分类器的设计和实现复 杂，分类效果也不好。 2 3 遥感图像的主成分分析( p c a ) 主成分分析( p r i n c i p a lc o m p o n e n ta n a l y s i s ，p c a ) 也称k l 变换，主要用 于数据压缩和减少数据的维数，在遥感影像处理方面具有独特的优势。它将一组 相关变量转化为一组原始变量不相关线性组合的正交变换，其目的是把多波段的 图像信息压缩或综合在一幅图像上，并且各波段的信息所做的贡献能最大限度地 表现在新图像中1 2 ”，使图像数据更易于解译。主成分变换是建立在统计特征基 础上的多维正交线性变换，是一种离散的k a r h u n e n - - l o e v e 变换。 主成分变换( p r i n c i p a lc o m p o n e n tt r a n s f o r m ，p c t ) 是基于变量之间的相互 关系，在尽量不丢失信息的前提下，利用线性变换的方法实现数据压缩。主成分 变换主要用于：数据压缩( 去相关) ，影像增强，在光谱特征空间中突出物理意 义显著的指数( 如亮度、绿度、湿度等) ，土地利用的动态变化监测。一般图像 的线性变换可表示为6 2 1 ： y = 肼( 2 2 ) 第二章遥感图像分类技术 式中，x 是待变换图像的数据矩阵，y 是变换后的数据矩阵，t 为变换矩 降。 若t 是正交矩阵，并且由待变换图像的数据矩阵的协方差矩阵c 的特征向 量所组成，则称此变换为主成分变换，变换后的数据矩阵的每一行矢量为主成分 变换的一个主分量。根据主成分变换的定义，多光谱影像主成分变换过程概括如 下： ( 1 ) 由多光谱影像( m 个波段，每个波段1 ：1 个像素) 的数据矩阵x ( 矩阵 中的每一行表示一个波段的图像) 计算它的协方差矩阵c ： x = c = 工h x 2 月 - x m h d 己 盯三 ， 盯二 ( 2 3 ) 式中，盯。是影像的方差。叮己= 言霎( _ ，) ( 丢n - ( h 。) ，i 是影像第i 波段的灰度均值，i = 圭x 。a i z o ( 2 ) 计算协方差矩阵c 的特征值九与特征向量u ，并组成变换矩阵t ，具 体如下： 由特征方程阻一c 1 = o 求出特征值 ( i = 1 ，2 ，m ) ，将其按从大到小的 顺序排列，再解方程j c ) u = 0 ( 1 为单位矩阵) ，求出各特征值对应的单位 特征向量u ，即u 。= k ，“：“。r 。 若以各特征向量为列构成矩阵u ，即u = i ，“：，“。】，u 矩阵的转置矩阵 即为主成分变换的系数矩阵t 。 ( 3 ) 由主成分变换的具体表达式y = u 7 + x = t x ，获得主成分变换后的 新矩阵y ，矩阵中的每一行向量i = p 。y 。，y 。r 为主成分变换后的一 南昌大学硕士学位论文 个主分量，其中第一主分量( 对应于最大方差) 包含了绝大部分信息，第二主分 量次之，只要取前面少数几个主成分就可以包含原始变量( 波段) 中的绝大部分 信息，因此，主成分变换具有影像增强、降维和数据压缩的作用。 2 4 遥感图像非监督分类 非监督分类就是不用训练样本进行先学习后分类的一种方法，这种方法可 以根据分类判别准则进行无人管理的自动分类。非监督分类方法快速简单具有 定的精度，可以作为监督分类的重要补无手段，通过参考非监督分类的结果，可 以对监督分类进行修改和调整。无监督分类还可以更好地获得目标数据内在的分 布规律。 一般来说，非监督分类可以分为两类，即基于概率密度函数估计的直接方 法和基于样本间相适性度量的间接聚类方法。前者需要估计集合的混合概率密度 函数，因而不常使用。例如，平行六面体分类算法，这种分类方法仅仅适用于地 物波谱响应不重合的情况，即指在多维空间各类的矢量点分别聚集在一起比较理 想的情况。间接聚类方法也称聚类分析( c l u s t e r i n g ) ，使用非常广泛。例如：k 均值算法张m e a n sa l g o r i t h m ) 、迭代自组织数据分析算法( i s o d a t ai t e r a t i v e s e l f - o r g a n i z i n g d a t aa n a l y s i st e c h n i q u ea l g o r i t h m ) 、模糊聚类算法( f u z z y c l u s t e r i n ga l g o r i t h m ) 、分级聚类分法伽e r a r c l l i c a l c l u s t e r i n ga l g o r i t h m ) 。 2 4 1 聚类中的相似性度量 在聚类的过程中，通常是按照某种相似住准则对样本进行合并或分离的。 在统计模式识别中常用的相似性度量有： ( 1 ) 欧氏距离 d = i 阿一z | f = ( _ r z ) 7 一z ) ” ( 2 4 ) 其中x ，z 为待比较的两个样本的特征矢量。 ( 2 ) 马氏距离 d = ( x z ) 7 。( 工一z ) ( 2 5 ) 其中x ，z 为待比较的两个样本的特征矢量，- 1 为x ，z 的互相关矩阵。 1 4 第二章遥感图像分类技术 ( 3 ) 特征矢量的角度 s ( 正驴龋( 2 - - 6 ) 在相似性度量选定后，必须再定一个评价聚类结果质量的准则函数。按照 定义的准则函数进行样本的聚类分析必须保证在分类结果中类内距离最小，而类 间距离最大。也即，在分类结果中同类中的点在特征空间中聚集的比较紧密， 而不同类别的点在特征空间中相距较远。例如可定义如下的最小误差平方和准则 j = 艺忙一m l 2 7 ) 式中n 2 为类别数，s j 为第j 类样本的集合( j = 1 ，2 ，n 。) ，m j 为第j 类的均值向量。 如果按照使j 最小的原则进行聚类，可以保证在分类结果中类内距离最小， 而类间距离最大。 2 4 2 k 均值算法( k - m e a n sa l g o r i t h m ) k 均值算法是众多聚类算法的基础。其基本思想是：通过迭代，逐次移动 各