（环境科学专业论文）基于数据挖掘的遥感影像海岸带地物分类方法研究.pdf

c o a s t a ll a n dc o v e r sc l a s s i f i c a t i o no fr e m o t es e n s i n gi m a g e sb a s e do n d a t am i n n i n gt e c h n o l o g y a b s t r a c t s u p p o s e db y9 0 8p r o j e c t so f m a r i n ec o m p r e h e n s i v ei n v e s t i g a t i o na n da s s e s s m e n ti nc h i n a ，i n t h ev i e wo fd a t am i n i n gt e c h n i q u e ，c o a s t l i n ei n t e r p r e t a t i o nm e t h o da n dc o a s t a l l a n dc o v e r s c l a s s i f i c a t i o nm e t h o df r o mr e m o t es e n s i n gi m a g e sa r es t u d i e d f o rc o a s t l i n ei n t e r p r e t a t i o nm e t h o d ，s i n c es h o r e l i n ea r ed i v i d e ds e v e r a lt y p e s ，s u c ha sa r t i f i c i a l s h o r e l i n e b e ( 1 r o c ks h o r e l i n e ，a r e n a c e o u ss h o r e l i n e ，s i l ts o r e l i n ea n db i o l o g i cs h o r e l i n e ，c h a r a c t e r so f d i 伍锄e i l ts h o r e l i n e sa r ea n a l y s e df i r s t l ya n df i v ek i n d so fc o a s t l i n ei n t e r p r e t a t i o nm e t h o d so f t h e c o r r e s p o n d i n g f i v et y p e sa r ed e s i g n e d t ov 嘶匆t h ep r e s e n t e dm e t h o d s ，e x p e r i m e n t s a r e i m p l e m e n t e db yl a n d s a tt m e t m + i m a g e sw i t ht h ei m a g er e s o l u t i o n 3 0 m t h ep r e e i s i o n s o v e r m a t c ht h r e ep i x e l s o u rp r o p o s e dm e t h o d sa r ei n t u i t i o n i s t i ca n de a s yt or e a l i z e m o r e o v e r , t h e i n t e r p r e t a t i o nc o a s t l i n e sa r ec o n s e c u t i v e i na d d i t i o n ，ac o a s t l i n ei n t e r p r e t a t i o na c c u r a c y a s s e s s m e r i t a l g o r i t h mi sp r o p o s e dt oe v a l u a t et h ee x p e r i m e n t r e s u l t s f o rc 0 邪协ll 锄dc o v e r sc l a s s i f i c a t i o nm e t h o d ，a i m i n ga tt h ei n c r e a s i n gr e s o l u t i o no fr e m o t e s e n s i n gi m a g e s ，t w oc l a s s i f i c a t i o nm e t h o d sa r ed e s i g n e d o n ei so b j e c t o r i e n t e dc o a s t a ll a n dc o v e r s c l a s s i f i c a t i o nm e t h o db a s e do ne v i d e n c et h e o r y , t h eo t h e r i so b j e c t - o r i e n t e df i n el a n dc o v e r s s t r a t i f i e dc l a s s i f i c a t i o nm e t h o db a s e do nd a t am i n i n g a i m i n ga th - l e v e ll a n dc o v e r st y p eo fr e m o t es e n s i n gi n v e s t i g a t i o n ，i n t r o d u c i n gt h ei d e ao f e v i d e n c et h e o r y , c o a s t a ll a n dc o v e r sc l a s s i f i c a t i o nm e t h o db a s e d o ne v i d e n c et h e o r yi sp r e s e n t e d t o v e r i 句t l l em e t h o d ，s p o ti m a g ew i t h10 mr e s o l u t i o ni su s e d c o n s i d e r i n gs p e c t r u m ，t e x t u r e ，s h a p e a n dn e i g h b o u rf e a t u r e ss y n t h e t i c a l l y , a l le x p e r i m e n ti si m p l e m e n t e d t h ea c c u r a c yb e y o n d s 8 0 t h ep r o p o s e dm e t h o ds o l v e st h eu n c e r t a i n t yo fc l a s s i f i c a t i o nb ys i n g l ea t t r i b u t e ，w h i c hi m p r o v e t h e a c c u r a c yo fc l a s s i f i c a t i o n i na d d i t i o n ，t h eb a s i cd se v i d e n c et h e o r yi se x t e n d e dt op r o c e s st h e i n c o m p l e t e ds a m p l es p a c e a i m i n ga ti i i 1 e v e ll a n dc o v e r st y p eo fr e m o t es e n s i n gi n v e s t i g a t i o n ，o b j e c t o r i e n t e df i n el a n d c o v e r ss n 嘣f i e dc l a s s i f i c a t i o nm e t h o db a s e do nd a t am i n i n gi sp r o p o s e d t ov e r i f yt h ep r e s e n t e d m e t h o d ，q u i c k b i r di m a g ew i t h0 61m r e s o l u t i o ni su s e d f r o mn u m e r o u sf e a t u r e so fs p e c t r u m ， t e x t u r e ，s h a p ea n dn e i g h b o u t , b yu s i n ga s s o c i a t i o nr u l et e c h n i q u e ，a t t r i b u t e st h a t c a l ld i s t i n g u i s h 瑚动l a n dc o v e r st y p ea r ed i s c o v e r e df i r s t l y t h e nb a s i n g o nt h ea t t r i b u t e sk n o w l e d g e ， 函e c l a s s i f i c a t i o ni si m p l e m e n t e d ，w h i c ht h ea c c u r a c yo fr e s u l tb e y o n d s8 0 t h i sm e t h o de l i m i n a t e s t h ed 印e n d e n c et os y s t e m a t i z e r , w h i c hi sa l la 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 k e y w o r d s ：c o a s t l i n e ；l a n du s e ；c l a s s i f i c a t i o n ；h i g hr e s o l u t i o ni m a g e ；d a t am i n i n g 独创声明 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，也不包含未获得( 洼；翅邀直基丝霞鐾挂剔直明的! 奎 拦亘窒2 或其他教育机构的学位或证书使用过的材料。与我一同工作的同志对本研究所做的 任何贡献均已在论文中作了明确的说明并表示谢意。 学位敝作者签名狮玖签字嗍砷年月石日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、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，允许论文被查阅和借阅。本人授权学校可以将学位论 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。同时授权中国科学技术信息研究所将本学位论文收录到中国学位论文全文 数据库，并通过网络向社会公众提供信息服务。( 保密的学位论文在解密后适用本授权书) 学位论文作者签名：编轧 签字日期：训a 7 年月6 日 导师签字：f 嘶 签字日期：卅年易月日 基于数据挖掘的遥感影像海岸带地物分类方法研究 0 前言 0 1 选题意义 海岸带区域是社会和经济发展的核心地带，土地利用、海域使用变化剧烈，做好海岸带 区域资源环境监测，对保证海岸带区域可持续发展具有重要意义。 9 0 8 海岛海岸带遥感调查项目的实施，就是要摸清我国海岛海岸带的家底，面对中国海岛 海岸带的巨大调查区域，国家投入了大量的人力、物力和财力。 由于不同比例尺地图制图的需要，各种不同空间分辨率遥感影像被应用，可是，随着越 来越大比例尺地图制图的需要，就迫切需要高空间分辨率的遥感影像作为数据源，但现有的 适用于中低分辨率遥感影像制图的相关技术已经不能再胜任，对于较大比例尺制图，目前采 用的方法主要是通过遥感影像目视解译结合现场踏勘来进行。 如果具有全自动或者半自动的解译方法来解决这个问题，将会大大减少调查人员的工作 时间，这无疑具有重要意义。 0 2 研究思路 9 0 8 海岛海岸带调查内容众多，包括岸线、潮间带、植被、土地利用、湿地、围填海等。 本文选取岸线和土地利用为研究对象，从数据挖掘的视角，探讨实用的岸线提取方法和土地 利用类型划分方法。其中土地利用分类方法包括适用于土地利用级地物的分类方法和 级地物的分类方法。 下面就将岸线提取和土地利用类型划分的研究现状与本文方法进行了对比，以突出本文 的研究思路。 基于数据挖掘的遥感影像海岸带地物分类方法研究 表0 1 本文设计方法与研究现状的对比 研究现状本文方法 研究内容 研究方法存在问题方法设计解决问题 引入关联规则技 边缘算子与小波算法复杂、岸算法直观、容易实 海岸线提取术；考虑不同岸线 变换线提取不连续 现；岸线提取连续。 类型的特征。 消除“椒盐 现象； 基于像元的分引入证据理论；综 解决单个特征属性 土地利用类，多以光谱特杂斑多，“椒合考虑了光谱、纹 类型识别时的不确 级地物分类征为基础，少数盐 现象严重理和形状特征；面 定性问题； 考虑了纹理特征向对象的分类。 提高了分类精度。 面向对象的分引入数据挖掘技 分类特征选取 类；考虑了光谱、术，从众多光谱、 对专家经验具 纹理、形状等特纹理、形状、邻居 有依赖性，同解决分类结果精度 土地利用征，少数还考虑等特征中，挖掘出 样的区域，不对专家经验的依 级地物分类了邻居特征；用最能够区分地物类 同专家的分类赖。 于分类的特征由型的属性；设计分 精度不尽相 专家依据经验选层分类方法，达到 同。 取。分类结果最优。 0 3 数据挖掘简介 数据挖掘( d m ，d a t am i n i n g ) 就是从大量的、不完全的、有噪声的、模糊的、随机的 数据中，提取隐含在其中的、人们事先不知道的、但又是潜在的有用信息和知识的过程。还 有很多和这一术语相近的术语，如从数据库中发现知识( 1 d ) 、数据分析、知识抽取、模 式分析、数据考古、数据采集、信息收割、商业智能、数据融合以及决策支持等。国内的学 者也把d a t am i n i n g 译为数据采掘或数据开采【lj 。 人们把原始数据看作是形成知识的源泉，就像从矿石中采矿一样。原始数据可以是结构 化的，如关系数据库中的数据，也可以是半结构化的，如文本、图形、图像数据，甚至是分 布在网络上的异构型数据。发现知识的方法可以是数学的，也可以是非数学的；可以是演绎 2 基于数据挖掘的遥感影像海岸带地物分类方法研究 的，也可以是归纳的。发现的知识可以被用于信息管理、查询优化、决策支持、过程控制等， 还可以用于数据自身的维护。因此，数据挖掘是一门很广义的交叉学科，它汇聚了不同领域 的研究者，尤其是数据库、人工智能、数理统计、可视化、并行计算等方面的学者和工程技 术人员。 特别要指出的是，数据挖掘技术从一开始就是面向应用的，它不仅是面向特定数据库的 简单检索查询调用，而且要对这些数据进行微观或宏观的统计、分析、综合和推理，试图发 现事件间的相互关联，以指导实际问题的求解，以及对未来的活动进行预测。 0 4 国内外研究现状 由于本文研究主要分为两个内容：海岸线提取与海岸带地物分类。因此，下面的国内外 研究现状从这两个方面进行阐述。 0 4 1 海岸线提取现状 遥感影像海岸线提取的实质是遥感影像边缘的提取。目前遥感影像中岸线的解译有两种 方法：目视解译和自动解译。自动解译包括边缘算子检测法、小波变换法和知识发现与数据 挖掘方法等。 传统的目视解译方法简单，但工作量大，如程久苗以t m 为数据源，岸线解译方法采用 目视解译，并对解译出的岸线分为深水岸线、中深水岸线、浅水岸线三类【2 3 】。杨金中等在研 究杭州湾南北两岸岸线变迁的调查中，对岸线进行提取时应用的是目视解译方法【4 】。 自动解译是将岸线作为边缘检测出来。边缘检测的方法很多，最常用的是各种边缘算子， 如s o b e l ，r o b e r t s 【5 】，p r e w i t t ，l a p l a c e ，c a n n ，6 1 等算子。如l i uh 等【7 1 基于c a n n y 边缘检测和局 部自适应阈值方法提出了一种卫星影像海岸线自动提取方法；l e e 等【8 】基于边缘检测算法提出 了一种岸线提取方法，他们采用s o b e l 检测算子对一块s e a s a ts a r 影像进行了岸线提取： m a s h o n 掣9 】将由粗到细尺度的边缘检测算法应用到e r s 1s a p , 影像中实现了岸线提取。常军 等在对黄河三角洲海岸线进行遥感动态监测时，岸线提取应用非监督分类和监督分类相结合 的方法进行，但并没有给出具体的分类过程【1 0 1 。张朝阳等在分析了c a n n y 算子边缘检测的基 本原理和存在问题之上，介绍了彩色空间及计算方法，探讨了基于色差的c a n n y 算子自适应 边缘提取算法，这种方法虽然在自适应阈值时仍有部分噪声边缘，但是由于水域和陆地之间 的色差比较大，因此可以适当提高自适应的阈值，结果可以很好地保留海岸线边缘，而去掉 3 基于数据挖掘的遥感影像海岸带地物分类方法研究 噪声】。这些经典边缘算子算法简单、速度快、但缺乏普遍适用性，且对噪声比较敏感，而 且应用之前要对图像进行图像增强、图像锐化等特殊处理。 也有人应用目视解译与自动解译相结合的方法提取岸线，如杨虎等将t m 与s a r 影像融 合，用s o b e l 滤波方法对融合图像进行边缘检测，滤波后结果使海岸线更加清晰，然后从结 果图像中勾绘出海岸线【1 2 】。还有人提出用指数滤波器和局部结构信息来监测图像边缘，但滤 波器的设计本身就是一个难点，而图像的结构信息也随不同的图像而千差万别，所以具有其 局限性。 后来发展起来的小波变换为图像的边缘提取提供了新的方法，国内外有不少将小波变换 应用于各种图像边缘提取的研究 1 3 , 1 4 , 1 5 , 1 6 , 1 7 】。这些研究的图像边缘检测原理大体相同，但所用 的小波各异，有正交小波、样条小波、高斯函数的一阶导数等。如n i e d e r m e i e r , a 等【l8 】应用 小波变换方法在s a r 影像上提取出了海岸线；冯兰娣等【l9 】以l a n d s a tt m 影像为数据源，将 小波变换应用与黄河三角洲遥感影像的边缘提取，实验结果表明基于小波变换的图像边缘提 取要优于经典的边缘算子的提取；s a r a het e b b e n s 等【2 0 】应用l i d a r 数据基于小波分析对 n o r t hc a r o l i n a 区域进行了岸线动态变化监测。杜涛等【2 l 】将小波变换用于遥感图像海岸线的提 取，其思想是对图像作小波变换后，沿由海向陆的方向计算图像的奇异点，并将所有的奇异 点连接而得到岸线。该方法有一个缺陷，即当沿岸海域有岛屿、导流堤或排污物干扰时，所 检测的结果就会受到一定的影响。小波变换具有多尺度的边缘信息，小尺度的描绘细节，大 尺度的显示轮廓的特征，从而实现了由粗到细的图像边缘的检测，但小波变换算法比较复杂， 计算量大，而且涉及各级小波变换结果之间的匹配问题【z 2 1 。 近年来又提出了基于数据挖掘与知识发现的岸线提取方法。数据挖掘是从大量的、不完 全的、有噪声的、模糊的、随机的数据集中识别有效的、新颖的、潜在有用的，以及最终可 理解的模式的非平凡过程。数据挖掘的方法包括统计方法、关联规则、决策树、聚类分析、 神经网络、模糊集、粗糙集、支持向量机等。如a a a l e s h e i k h 等1 2 3 以t m e t m + 影像为数 据源，应用直方图阈值与波段比技术实现了u r n f i al a k e 区域的岸线提取；g a t h o tw i n a r s o 等 2 4 】 应用l a n d s a t7 影像的4 2 和5 2 波段比提取了r i a u a r c h i p e l a g o 区域的海岸线；r y a nt 等【2 5 】 应用后向传播神经网络开展了海岸线提取研究；s d e l l e p i a n e 等【2 6 】引入模糊连接度的概念设 计了一种半自动海岸线提取方法，并比较了从s a r 影像和航空照片上的提取结果。陶明刚利 用遥感与g i s 技术相结合的手段，在分析九龙河口地区地物波谱的基础上，对研究区进行解 译和岸线提取，以t m 数据为数据源，若( t m 2 + t m 3 ) ( t m 4 + t m 5 ) n 0 ，则为水体，否则为 4 基于数据挖掘的遥感影像海岸带地物分类方法研究 非水体【2 7 1 。孙美仙等在对福建省海岸线进行遥感调查时，以t m 影像为数据源，利用红外波 段的特性，采用阈值法进行水陆分离提取岸线【2 8 】。崔步礼等根据近红外波段的水体反射辐射 率明显单一并低于其他地物的特性，在e r d a s 8 6 和a r c v i e w 3 2 的支持下将平均高潮线提取出 来，再用目视解译在a r c v i e w 3 2 中将海岸线目视解译绘出【2 9 1 。罗仁燕等应用遥感手段对罗源 湾地区岸线变迁进行调查时，根据水体的波谱特性，采用多波段阈值法提取岸线，但此种方 法对于提取淤泥质岸线效果不是很好，所以又提出了单波段阈值法提取淤泥质岸线，选用中 红外波段确定水体的量度阈值【3 0 】。周建军等应用波段几何运算 ( 2 + 3 ) ( 4 + 5 ) 】提取岸线并进行二 值化处理，将栅格图像转为矢量图像，再进行3 次样条插值圆滑处理提取出岸纠3 1 】。王琳等 通过设定某一修正归一化水体指数m n d w i 阈值来实现水陆分离，这是因为水体在m n d w i 影像上表现出高亮度，所对应的m n d w i 值高，而非水体部分，如灌木林、旱地和城乡建设 用地等则表现得很暗淡，其m n d w i 值很低，与水体相比差异很大【3 2 1 。翟继双等提出了一种 多阈值的形态学提取海岸线的方法，其原理是将灰度平均值作为基本阈值，另外加上了一个 微调值 3 3 】。基于数据挖掘的岸线提取方法其主要思想是先进行水陆分离，再对分离后的图像 进行岸线提取。最常用的是阈值法，但是，阈值的设定是和研究人员的经验有关系的，很难 找到通用的阈值。而且，水陆分离的过程中大多只考虑了光谱特征，没有考虑纹理特征。这 样，对于“同物异谱 和“异物同谱 现象得不到很好的解决。 从上面叙述的海岸线提取现状可以看出，研究人员在设计海岸线提取方法时，大多数都 是通过检测影像上的岸线解译标志来达到海岸线提取目的。广义的海岸线包括最高高潮线、 平均高潮线、一般高潮线( 小潮高潮线) 、最低低潮线( 干出线) 、平均低潮线以及海岸基线 等 3 4 , 3 5 。而事实上，地学中的海岸线( 狭义的海岸线) 是平均大潮高潮线，按照“9 0 8 海岛 海岸线遥感调查分类体系”，海岸类型可分为基岩海岸、人工海岸、砂质海岸、粉沙淤泥质海 岸和生物海岸等，而且各种海岸类型具有不同的特征，其相应海岸线的确定标准和位置也不 相同。这样，很难能够设计一种适用于各种海岸类型的通用的海岸线提取方法。当然，目前 也有研究人员针对不同的岸线类型设计相应的岸线提取方法的探讨。如黄海军等 3 6 】在计算黄 河口淤泥质岸线变化规律时提出过计算坡度的思路，但未给出具体算法；马小峰掣3 7 】借助数 字图像处理技术，应用了中值滤波、灰度拉伸和c a n n y 边缘提取等技术，以及数学形态学和 潮滩坡度计算等技术分类型的提取了岸线。 基于数据挖掘的遥感影像海岸带地物分类方法研究 0 4 2 海岸带地物遥感分类现状 图像分类是遥感应用的重要技术手段，大量的方法被人们广泛的引用到遥感影像的分类 中。按照分类所针对的对象的不同，遥感影像分类可分为面向像元的分类方法和面向对象的 分类方法 3 8 , 3 9 。 面向像元的分类方法是中低分辨率遥感影像分类中最主要的分类方法，在技术和应用上 都已经很成熟，比较常用的非监督分类法有：i s o d a t a 法【4 0 1 和k - m e a n s 法【4 l 】；监督分类法有： 平行六面体法、最短距离法【4 2 1 、马氏距离法【4 3 1 、最大似然法棚、波谱角度制图( s a m ) f 4 5 】以及 二进制编码方法 4 6 】等。近年来，随着遥感应用的不断深入，人们又提出了新的分类方法和分 类的理论，比如模糊分类( f u z z yc l a s s i f i c a t i o n ) 4 7 1 、神经网络( n e u r a ln e t ) 分类法和支持向量机 ( s 旧等【4 8 1 ，这些方法在中低空间分辨率遥感影像的分类中取得了成功的应用，在较高分辨率 遥感影像分类中也有建树。但对于超高分辨率遥感影像，由于其中简单地物所表现的复杂光 谱和明显的细小结构的影响，使得基于像元的分类技术已变得不再具有明显的优势【4 9 1 。于是， 面向对象的分类方法应运而生。 面向对象的分类方法通常是先将图像分割成一个个的对象，然后再对对象进行分类处理。 这样，进行分类操作时所面对的最小单位便不再是像元，而是一个一个被分割开来的像元的 集合，即对象【5 0 】。在很多情况下，细致、准确地分割使得遥感影像分类更精确，特别是对超 高分辨率影像。 尽管面向对象的分类方法有诸多优点，但在传统的应用中这些分类方法大多只用到遥感 影像的光谱和纹理等信息。而实际上高分辨率遥感影像数据量大，所包含的信息多而且复杂， 现有的面向对象的分类方法难以利用其中隐含的大量对精确分类的有用信息，达不到理想的 分类效果。因此，需要发展新的高分辨率影像分类算法。 数据挖掘以其特有的优势，在遥感影像地物分类中比传统的基于统计的分类方法发挥了 更大的作用，明显提高了分类精度。目前人们已经成功地将决策树、聚类分析、关联规则、 神经网络、支持向量机、模糊集、证据理论和粗糙集理论等数据挖掘技术应用到遥感影像分 类中。 h u a n g 等用决策树算法中的c 4 5 算法从g i s 数据和s p o t 遥感影像中提取知识进行湿地 分类畸1 j ；郭小卫，官小平提出了一种基于聚类的多尺度无监督遥感影像分类算法，并利用该 算法对s a r 图像进行分类研列5 2 】：q i nk u n 研究了格子理论和基于格子理论关联规则挖掘算 法，讨论了光谱特征挖掘、纹理特征挖掘、形状特征挖掘和空间分布规律挖掘，分析了遥感 6 基于数据挖掘的遥感影像海岸带地物分类方法研究 影像挖掘在自动分类、遥感影像智能恢复方面的应用【5 3 】；李祚泳研究了基于b p 神经网络的 多波段遥感影像监督分类算法【5 4 】；惠文华提出了结合光谱特征和纹理特征的支持向量机分类 方法，并利用e t m 数据进行了实验，取得了较好的实验结果【5 5 】；y a f i tc o h e n 和m a x i ms h o s h a n y 应用证据理论对小麦、向日葵、玉米等各种耕地类型进行了分类【5 6 1 。这些研究都是基于单一 数据挖掘技术的分类方法。 随着数据挖掘技术在遥感影像分类中应用的成熟，出现了多种数据挖掘技术相结合应用 到遥感影像分类中的方法，如c h u n y uz h a o 探讨了空间数据挖掘中粗集理论的应用可能性和 基于数学形态学遥感影像聚类方法【5 7 1 ；居红云等提出了基于k - m e 锄s 与s v m 结合的遥感影 像全自动分类方法，该方法能够提高遥感影像的分类精度 5 8 】；郭春燕，赵春晖研究了基于模 糊支持向量机的超光谱遥感影像分类，该方法比传统的s v m 在分类精度上有明显的提高【5 9 】。 目前，应用数据挖掘开展的遥感影像分类研究，大多是以中低分辨率遥感影像为数据源 的，而针对高分辨率遥感影像的较少。高分辨率影像具有较高的定位精度，影像中包含的地 物信息要比中低分辨率遥感影像丰富，所以将现有的适用于中低分辨率遥感影像的数据挖掘 分类方法直接用于高分辨率遥感影像地物分类存在困难。 目前的高分辨率遥感影像分类，大多应用e c o g n i t i o n 软件唧, 6 1 , 6 2 , 6 3 , 6 4 域是基于其先分割后 分类的面向对象的分类思想而开展的 6 5 , 6 6 。虽然部分分类研究中考虑了相互关系、上下关系 等信息，但往往是由分类者依据自己的经验人工完成，而且大多针对特殊地物类型。 7 基于数据挖掘的遥感影像海岸带地物分类方法研究 1 基于关联规则的多光谱影像海岸线分类提取方法 海岸线【6 7 】是平均大潮高潮时水陆分界的痕迹线。按照9 0 8 海岛海岸带遥感调查的分类体 系，海岸线可分为自然岸线和人工岸线两大类，其中自然岸线又包括基岩岸线、砂质岸线、 粉砂淤泥质岸线、生物岸线和河口岸线等。 由于海洋水动力作用、地球构造地貌演变、地质灾害、气象灾害、海平面上升、人类在 海岸带的开发利用活动等因素的共同作用下，海岸线将发生一定程度的变动，包括向海淤进、 向陆蚀退等空间位置上的变迁或自然岸线为人工岸线所替代等海岸类型上的变化，以及岸线 走向、岸线长度的变化。定期进行海岸线修测是人类研究海陆相互作用效应、了解沿海围垦、 港口开发、城镇建设等用海活动对海岸线两侧的正负影响以及对岸线资源实施综合利用和保 护、对海岸带实施科学管理等必须进行的一项技术活动。 依据2 0 世纪8 0 年代海岛海岸带调查资料，我国海岸线长度约3 2 万公里，其中，大陆 海岸线长度约1 8 万公里，岛屿海岸线长度约1 4 万公里。对于具有较长海岸线的我国，如果 每次调查岸线长度以及位置均采取现场勘测的话，工作量无疑是巨大的，那么，应用遥感手 段进行岸线监测就具有省时、省力、覆盖范围大的优势。 目前民用对地观测卫星的地面分辨率已达到分米级，光谱分辨率在光学波段已达到纳米 级，信息源非常丰富。适用于海岸线修测的常用卫星遥感数据见表1 1 ，数据源的选择主要与 成图比例尺的要求有关。 表1 1 适用于海岸线修测的常用卫星遥感数据 空间分辨率 遥感数据波谱范围成图比例尺 ( 米像元) 美国l a n d s a tm s s 8 0 可见光红外 1 ：2 0 00 0 0 美国l a n d s a tt m 3 0 可见光红外 1 ：8 0 0 0 0 美国l a n d s a te t m 3 0 ，1 5可见光红外，全色 1 ：5 00 0 0 ( 融合处理后) 法国s p o t1 - 4 2 0 ，1 0 可见光红外，全色 l ：3 00 0 0 ( 融合处理后) 韩国k o m p s a t 1 3 ，6 6 可见光红外，全色 1 ：2 00 0 0 ( 融合处理后) 法国s p o t5 1 0 ，5 ，2 5 可见光红外，全色 1 ：1 00 0 0 ( 融合处理后) 俄罗斯s p i n - 2 1 0 ，2 可见光 1 ：60 0 0 ( 融合处理后) 美国i k o n o s 4 ，1 可见光红外，全色 l k = c ec t i c c o u n t = ( m i n s u p ) ) ； ) r e t u r nl 2 u tl k 为了提高频繁项集逐层产生的效率，一种基于a p r i o r i 性质的修剪技术( p r u n i n g ) 用于压 缩搜索空间，减少候选集c k 的大小，显著提升频集算法的性能。 a p r i o r i 性质：频繁项集的所有非空子集都必须是频繁的。a p r i o r i 性质基于如下观察：根 据定义，如果项集i 不满足最小支持度m i ns u p ，则i 不是频繁的，即p ( i ) m i n _ s u p 。如果项 a 添加到i ，则结果项集不可能比i 更频繁出现。因此，i u a 也不是频繁的，即p ( i u a ) b ) _ m i n _ c o n f , 则输出规则”s j ( 乒s ) ”。 其中r a i nc o n f 是最小可信度。 1 2 3 类别关联规则算法的提出 由可知，对于每个频繁项集，均可输出规则”s j ( t - s ) ”，也就是说，不仅可以生成规 则”s j ( 1 - s ) ”，还可以生成规则”( 1 - s ) js ”，而事实上，在挖掘地物分类规则时，我们只需要以 类别作为输出的规则，而以其他属性作为输出的规则都不需要。因此，本文在上面的关联规 则算法的基础上加以改进，提出本文使用的类别关联规则【6 9 】算法： 1 ) 生成类别属性的频繁l 项集，即只有数据库中的类别属性的项，且生成的类别频繁l 项集的支持度s 都大于最小支持度。这样，若生成k 个类别频繁1 项集，根据类别频 繁l 项集可以将数据库中的数据划分为k 个子数据集。 2 ) 对于k 个子数据集，由于每个子数据集的类别属性都一样，因此，不考虑类别属性， 对剩余的属性应用a p r i o r i 算法寻找满足最小支持度的频繁大项集。 3 ) 扫描一次数据库，对找到的频繁大项集，计算各个频繁项集的支持数量，计算出置 信度c ，并排除那些低于最小置信度的频繁项集。 以各个子数据集中的频繁项集作为输入，类别属性作为输出，生成以类别作为输出的强 关联规则，以及对应的支持度、支持数量和置信度。 1 2 4 规则使用策略 实际上，应用挖掘出来的关联规则对研究区域进行海陆分离的过程，其实质就是应用挖 掘出来的关联规则进行演绎推理的过程。由于某属性值有可能满足一条或者几条关联规则， 也有可能不满足任何关联规则，所以采用以下策略进行演绎推型7 0 】：( 1 ) 如果只有一个规则 基于数据挖掘的遥感影像海岸带地物分类方法研究 被激活，这意味着属性值与这个规则的条件相匹配，令其类别与这个规则是一样的；( 2 ) 如 果几个规则被激活，令其类别与最大置信度的规则类别相同；( 3 ) 如果几个规则被激活并且 置信度相同，那么令其类别与样本支持度最大的规则类别相同；( 4 ) 如果没有规则被激活， 那么令其类别为默认类别。 1 3 数据源选择与线段匹配度评价方法 i3i 数据源选择 由于一般满足行政管理需求，成图比例尺应大于1 ：1 0 0 0 0 0 。因此，根据表1 - 1 ，本文选 取美国l a n d s a t t m e t m + 影像为数据源，制作1 ：8 00 0 0 比例尺的岸线专题图。 首先对l a n d s a t t m e t m + 影像进行几何和辐射校正、坐标转换处理。然后，选择1 、2 、 3 、4 、5 、7 波段为基础数据。为了验证本文提出的多种类型的海岸线提取算法的有效性，共 选取了4 景影像进行实例研究，影像资料如表l - 2 所示，全景影像图如图1 - 5 所示 表1 - 2 影像数据资料 影像类型轨道号获取时间地理位置 l a n d s a te t m +p 1 2 0 r 0 3 52 0 0 096山东青岛 l a n d s 越e t m + p 1 2 0 1 0 3 42 0 0 06 1 2山东蓬莱 l a n d s a tt m p 1 1 7 r 0 3 71 9 9 267江苏射阳 l a n d s a te t m +p 1 2 4 r 0 4 52 0 0 0 1 03 0广东湛江 山东青岛山东蓬莱 基f 数据挖掘的遥感影像海岸带地物分类方法研究 蠢。j ? 凶 江苏射用广东湛扛 图1 - 5 选取的包含5 中岸线类型的影像资料 数据源选择好之后，下面就要分别针对不同的海岸类型，探讨相应的海岸线提取算法。 根据不同的海岸类型的岸线位置确定的标记物不同，将岸线提取算法分为以下四种进行 探讨。 ( 1 ) 适用于基岩海岸、人工海岸和已开发的粉沙淤泥质海岸类型的岸线提取算法； ( 2 ) 适用于砂质海岸的岸线提取算法： ( 3 ) 适用于生物海岸的岸线提取算法； ( 4 ) 适用于未开发的粉砂淤泥质海岸的岸线提取算法。 1 3 2 线段匹配精度评价方法 两条线段的匹配精度就是度量两条线段的接近程度。要想对本文设计的岸线提取精度进 行评价，那么就需要定义一个能够度量提取岸线与实际岸线之问的距离评价指数，即两条岸 线的匹配程度。因此，下面就设计了一种计算两条线段匹配度的评价方法。 对于任意一景影像，对其进行岸线提取，提取出的岸线无非只有下图所示的两种形式。 其中，a 、b 、c 、d 是两条岸线或者两条岸线与影像边界的交叉区域，p 为两条岸线与影像 一侧边界所围的公共区域，p 为两条岸线与影像另一侧边界所围的公共区域。 本文定义的线匹配度为两条岸线之间的交叉面积和与实际岸线的长度的比值，描述的是 两条岸线之间的平均偏离程度，即匹配度。由如下公式表示： l m ：量 删 基于数据挖掘的遥感影像海岸带地物分类方法研究 式中l m ( l i n em a t c h i n g ) 表示线匹配度，单位为像元或米，s 为两条岸线的交叉区域面积 和，l r e a l 为真正岸线的长度。 ( a )( b ) 实际岸线 一 提取岸线 图l - 6 实际岸线与提取岸线的关系 下面就讨论一下本文提出的线匹配度的计算过程。以上图所示为例说明。 s = s a + s b + s c + s d 通常情况下，由于两条岸线之间的交叉区域较多，要想分别得到两条岸线之间的交叉面 积s a 、s b 、s c 、s d ，就要对每个交叉区域都进行量算，而这个过程是较难实现的，但是我 们可以通过获得三个区域的面积来计算这两条岸线的交叉面积和。一般情况下，岸线会将研 究区域分割为2 个部分，如上图( a ) 所示( 图( b ) 同理) ，实际岸线将影像分割为p b d 和p a c 两部分，而提取岸线将影像分割为p a c 和p b d 两部分。那么， s p b d - - - - s p - - s b + s v s p a c - = s p + s a + s c 所以， s a = s a + s b + s c + s v = s p b d + s p a c - 2 s p 同样的，也可以知道， s = s a + s b + s c + s e r = s p ，a c + s p ，b d - 2 s p ， 因此，只要知道区域p b d 、p a c 和其公共区域p 的面积，或者知道p a c 、p b d 和其公 共区域p 的面积，那么就可以计算得到两条岸线的交叉面积和。即，两条岸线的交叉区域面 积和就等于实际岸线与提取岸线将影像分割后同一侧的半个区域的面积和，再减去这两个区 域的公共面积的二倍。 因此，就有， 1 8 基于数据挖掘的遥感影像海岸带地物分类方法研究 l m ：量= 兰丝：型兰丝：竺型二三兰型：坐 m 耐三瑚 其中，鼢一删i 为实际岸线将影像分割后一侧的面积，s p a n 嘞删为提取岸线将影像分割后同一 侧的面积，品酬 为这两个区域的公共面积