环境遥感.doc

遥感图像分类方法比较研究摘要：本文较全面地讨论了遥感图像监督分类和非监督分类中的各种分类方法,及该方法的优缺点、适用场合,并作了简单评价,以期对遥感图像分类方法的研究有新的突破。关键字：遥感；图像分类；分类方法1 引言随着空间科技的发展，各种资源环境监测卫星的发射与运行为地表动态变化研究提供了多平台、多光谱、多时相、大范围的实时信息，遥感技术已成为当前人类研究地球资源环境的一种有力技术手段。在遥感技术的研究中，通过遥感影像判读识别各种目标是遥感技术发展的一种重要环节，无论是专业信息提取、动态变化预测，还是专题地图制作和遥感数据库的建立等都离不开分类，对照地面地物类型，便可以从影像上进行地类的识别。随着近年来计算机技术的飞速发展，计算机识别分类成了遥感技术应用的一个重要组成部分。计算机识别分类（即模式识别）就是利用计算机对传感器所收集的遥感信息进行处理、运算，最终分出类别。遥感技术的改进促使遥感专题信息的提取方法也在不断地改进，经历了目视解译、自动分类、光谱特性的信息提取及光谱与空间特征的专题信息提取等多个阶段。遥感影像数据类别多，含混度大，如何解决多类别分类识别并满足一定的分类精度，是当前遥感影像研究中的一个关键问题，也是人们关注的焦点。2基于统计分析的遥感图像分类方法2.1监督分类监督分类是一种常用的精度较高的统计判决分类，在已知类别的训练场地上提取各类训练样本，通过选择特征变量、确定判别函数或判别规则，从而把图像中的各个像元点划归到各个给定类的分类方法2, 3, 6, 7。常用的监督分类方法有: K邻近法(K-Nearest Neighbor)、决策树法(Decision Tree Classifier)和贝叶斯分类法(Bayesian Classifier)。主要步骤包括:选择特征波段；选择训练区；选择或构造训练分类器；对分类精度进行评价。最大似然分类法(MLC)是遥感分类的主要手段之一。其分类器被认为是一种稳定性、鲁棒性好的分类器8。但是,如果图像数据在特征空间中分布比较复杂、离散,或采集的训练样本不够充分、不具代表性,通过直接手段来估计最大似然函数的参数,就有可能造成与实际分布的较大偏差,导致分类结果精度下降。为此,不少学者提出了最大似然分类器和神经网络分类器。改进的最大似然分类器多采用Gauss光谱模型作为条件概率密度函数模型,其中最简单的是各类先验概率相等的分类器(即通常所说的最大似然分类器),复杂的有Ediriwickrema等提出的启发式像素分类估计先验概率法。Mclachlang J用改进的最大似然分类器提出了EMMLC遥感影像分类算法。通过实际例子的综合比较, EM MLC方法对于比较接近的类别划分要优于传统的MLC方法,同时EMMLC保留了MLC方法Bayes先验知识融合的能力,使得辅助决策知识可以在Bayes理论的支持下参与分类，可以进一步提高分类的有效性。但是, EMMLC只是一定程度上通过补充样本数据来纠正似然函数参数的估计，而每一个类别的分布仍然只是对单峰形式的逼近。在密度分布特别复杂而呈现多峰形式，或者类别间相互交错等情况下，EM算法就需进一步扩展:用EM算法对每一类密度分布进行再分解；引进稳健统计理论排除密度分布之间或来自离散点的干扰9。神经网络分类器无须考虑先验概率和条件概率密度函数模型，通过对样本反复训练得到判别函数，如Bischof等应用BP网对TM图像分类10，李祚泳应用BP网对机载MSS的4波段图像分类11， Salu等应用BinaryDiamond网对TM图像分类等12。这2种类型的分类器都具有较好的分类效果，但是，在分类时他们都没有考虑图像类别的空间相关性。通过将光谱空间上的图像像素类别标号过程看成一Markov随机场，可以实现含空间相关性的地物分类。在应用Markov随机场模型分类时，使用的条件概率密度函数模型和参数估计的方法不同，实现也有很大差异，比如Yamazaki等使用启发式的Markov模型对多光谱图像分类13，条件概率密度函数采用MAR模型，参数估计使用最小均方误差估计，其精度高达98. 28%。于秀兰、莫红等用Markov随机场模型进行多光谱遥感图像分类，其精度高于最大似然分类法14。监督分类算法在解决分类问题中存在许多不足之处，要么仅仅能解决线性问题15，要么虽能解决非线性问题，但是计算复杂度高16，在效率上无法满足要求。为此，近年来的研究热点支持向量机(SVM)的3大基础理论(结构风险理论、二次优化理论、核空间理论)17，用于解决非线性问题。如胡自伸等利用葡萄牙里斯本地区TM图像做实验，并同采用神经网络方法的分类精度作比较，其精度高于基于神经网络分类的精度。针对SVM核空间理论中核函数无法根据问题自适应地进行选择这一情况，刘伟强等又提出了一种核函数的选择策略改进后的自适应最小距离分类法(KAMD)16。通过实验，其分类精度明显高于自适应最小距离分类法的分类精度。但是，KAMD法仅在一个核函数集合里有效,不能保证它有效地映射到合适的高维空间。如朱建华利用自适应最小距离方法的监督分类实验表明,该方法精度可达92. 9%,适用于多类别遥感图像分类15。2.2非监督分类方法非监督分类是在没有先验类别知识的情况下，根据图像本身的统计特征及自然点群的分布情况来划分地物类别的分类处理。非监督分类方法是依赖图像的统计特征作为基础的，它并不需要具体地物的已知知识。采用非监督分类还可以更好地获得目标数据内在的分布规律。非监督分类方法有贝叶斯学习、最大似然度分类以及聚类(Clustering)。无监督的贝叶斯方法和最大似然度方法与有监督的贝叶斯学习以及最大似然度方法基本相同，唯一的区别在于无已知类别的样本可供参考。聚类技术是基于相似度概念和算法将性质很相似的样本聚为一类。目前有效的聚类方法有:(1)超空间分类算法。如K-means聚类18。K-means方法属于动态聚类法，它以误差平方和最小作为聚类的评判准则19。其优点是通过最小空间距离达到均衡状态，缺点是不能自动确定聚类数。例如陈华、陈书海等利用K-means算法进行遥感分类，取得了很好的效果19。(2)ISODATA算法。该算法虽可自迭代由少到多地确定类数，但参数确定困难,一些距离参数要随维数的变化作相应的调整1820。超空间聚类对维数比较高的超谱遥感数据的聚类效果不理想，许多超谱图像聚类算法从所有波段中选择起主要作用的子集，既减少维数，又保留主要信息，但可能同时又丧失一些关键的分类特征。(3)主成分分析算法(PCA)。通过K-L变换抑制具有较少信息量的系数来实现数据维的减少，但求协方差矩阵相当耗时，它将多维光谱信息转换成少数几个主成分，这几个成分包含了大多数的图像信息,提高了分类的效率21。(4)独立分量分析(ICA)方法。它能从观测信号出发，估计出已知的信息量很少的源信号，而所获得的源信号是互相独立的。主成分分析是基于二阶统计量的协方差矩阵，而独立分量分析则基于高阶的统计量，不但能实现主成份分析的去相关特性，而且能获得分量之间相互独立的特性。因此，独立分量分析能获得较主成分分析更好的效果。(5)正交子空间投影(OSP)方法22, 23。该方法选择一些主要目标或方向作为基，然后对所有像素进行正交投影，并在投影数据上继续寻找次优目标或方向。OSP方法主要的基可表示绝大部分信息，从而减少数据维，因其分类结果是混合像元在不同基上的灰度表示，以致分类效果不明显，且分类数受波段数的限制。(6)基于夹角余弦的相似系数聚类方法。如王志刚等21将其应用在岩性识别中，吴革洪等24将其应用在储层油藏分类中，贺德化等25也证明了夹角余弦作为聚类结果的相似性度量指标是合理的，对真实分类下的类内样品差异不敏感，对类间距离差异敏感。通过上述分析可知，基于统计分类的监督和非监督分类方法由于单一地依靠地物的光谱特征，因此对某些地区和某些地物的分类效果不理想，如果对分类器加以改进或者与其它方法结合使用，效果会更好。为此，许多科学工作者在此基础上发展了其它新的分类方法。3人工神经网络分类神经网络属于非参数分类器，该方法用于遥感分类始于1988年。其中多层感知器模型应用最为广泛。人工神经网络是基于生物神经系统的分布存储、并行处理及自适应学习这些现象构造出具有一些低级智慧的人工神经网络系统。当然，这种人工神经网络只是大脑的粗略而简单的模仿，在功能和规模上都比不上真正的神经网络。近年来，神经网络被广泛应用于遥感图像分类。不同学者分别提出或应用BP网11、三维Hopfield网26、径向基函数神经网络27和小波神经网络28等对遥感图像进行监督分类。这些神经网络在遥感图像自动分类上都有一定的应用，并取得较好的效果27-32。目前常用的方法是Rumlhart、McClelland等提出的前向多层网络的反向传播(BackPropagation)学习算法(简称BP算法)。如，李颖、赵文吉利用Landsat图像分别采用成熟统计方法和流行神经网络方法对北京某地区土地利用信息分类提取，结果表明，神经网络明显优于统计方法33。熊桢、童庆禧等利用高阶神经网络算法对北京沙河镇地区的高光谱数据进行了分类实验，取得了很好的效果，其训练样本和测试样本的分类精度达到90%以上34。然而,它们的分类精度同样依赖于网络训练样本(教师信号或目标输出)的选取,只是在算法上加以改进,在一定程度上限制了神经网络的发展, BP网等存在网络训练速度慢、对各类分类性能差别较大、不易收敛到最优以及BP网隐层数目和隐层节点数确定较为困难等缺点。为此,美国MathWork公司于1982年推出Matlab,利用Matlab平台构建自组织神经网络来分类遥感图像,希望在没有教师信号的同时同样能达到提高分类精度的目的。张学友、冯学智等利用TM数据对浙江省土地利用信息提取时,比较了BP方法和Kohonen方法,结果表明,用Kohonen方法对图像分类的精度要比用BP方法高出1% -5%35。但是,神经网络拓扑结构的选择缺乏充分的理论分析,其链接权值的物理意义不明确,这导致了人们无法理解其进行推理的过程;而一般的模糊系统,其编码的精度较低,缺乏自学习能力。模糊技术和神经网络技术的融合克服了神经网络和模糊逻辑在知识处理方面的缺点3638。采用神经网络来进行模糊信息处理,就可以利用神经网络的学习能力来达到调整模糊规则的目的,从而使模糊系统具备了自适应的特性。为了更好地解决混合光谱的问题，近年来又出现了数学形态学应用于遥感图像处理中，其分类的精度远远高于最大似然法。不久前，加拿大学者将多级形态分解应用于一幅SPOT全色波段图像上的一个子景区土地覆盖的分类处理，经形态边缘检测的分类精度较高39。国外在数学形态学应用于遥感图像处理方面的研究相当深入，且颇有新意，应用结果是令人鼓舞的，而国内研究却很少。数学形态学作为遥感图像处理的有效手段之一，有很好的应用前景。4基于多源数据融合的分类多源信息融合就是把多种信息(遥感和非遥感数据)按照一定的方式有机地组合成统一的信息模型。这类方法有基于知识的推理、信息融合、空间数据挖掘等。知识的推理方法可以利用现有的GIS数据和先验知识，可以减少分类时遇到的“同物异谱”和“同谱异物”的现象5。信息融合是利用多个遥感信息源所提供的反映所处环境或对象的不同特征信息之间的互补性和冗余性，采用有效的方法将它们融合，弥补单一信息源的缺陷27。GIS作为辅助数据用于提高遥感图像分类精度是近年常采用的方法。GIS可作为辅助数据用于训练区的选择、分类数据预分层及分类后处理，或作为附加波段用于分类的过程。例如，R.M.Prol-Ledesma将TM图像和地形图结合采用监督分类方法对Mexico郊区的土地利用变化进行分类，分类精度达到82% 40。程昌秀在土地利用动态监测中，将土地利用现状的矢量数据与同年同地区的遥感影像做配准与叠加，对于少数地类不单一的图斑做局部边界提取，使分割后输入图斑内的地类单一，再以图斑为单位提取整个图斑的灰度特征、纹理特征和形态特征等多种判别指标，大大提高了影像的判别精度41。但是，当分类器要求数据具有一定的统计特征时，而多数GIS数据作为辅助数据往往又不满足统计分类所要求的统计特性。这样附加“波段”方法就不合适。为解决这个问题,有不少研究者提出了知识驱动的遥感解译，即将空间数据发掘和知识发现作用于GIS数据库并用于遥感分类。空间数据挖掘是从空间数据库中提取用户感兴趣的空间模式与特征、空间与非空间数据的普遍关系及其它一些隐含在数据库中的普遍的数据特征的过程42。它主要是采用数据发掘技术从GIS数据库和遥感图像中发现知识，用于改善遥感图像分类。这类方法可以利用已经获得的相关知识来改进或确定分类结果，但是需解决多种信息不一致时的问题。例如，游代安提出了从GIS空间数据库中挖掘知识用以辅助遥感影像分类,以提高分类精度43。邸凯昌等将该方法用于北京地区SPOT多光谱图像和GIS数据库进行土地利用分类，能较好地解决同物异谱，异物同谱等问题，分类精度得到提高，并且能根据发现的知识进一步细分类，扩展了图像分类的能力42。5基于专家知识和地学知识的图像分类传统的统计方法和神经网络分类方法缺乏地学知识的支持，难以反映一些特殊类型的地学分布。因此，一些学者尝试利用地学知识并将其形式化、知识化、逻辑推理进行信息判别或用计算机模拟地学专家对遥感影像进行综合地学解译和决策分析。进而出现了专家系统在遥感图分类中的广泛应用。然而，大多数是将知识用于对分类后的影像作后处理。如黎夏利用地物的形状信息对分类结果作后处理，并提高了分类精度44。H.Muarai利用地物之间的相生和空间配置关系对分类结果作后处理，提高了分类精度45。他们所用的知识都是一些静态知识。正如陈述彭先生指出，目前对遥感信息物理机制的研究,还处于数理统计相关分析的水平，应该进一步深入到发生学、动力学机制的高级阶段46。因而，各地类的变化知识将用于遥感图像的分类。例如，费鲜芸等将原土地利用数据库和各土地利用类型的动态变化知识用于新的遥感图像分类之中，以提高分类精度，并更新原有的土地利用数据库47。6结合实际情况的分类方法遥感图像的分类算法很多，但还没有一种算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分类算法来达到更好的效果。例如，刘咏梅、杨勤科及温仲明针对地形复杂区采用了改进的分类方法，即首先以非监督分类方法获得初始训练样本，在对样本进行增补和修改的基础上再进行监督分类，对陕北黄土丘陵沟壑地区的TM图像进行分类，取得良好的分类效果48。莫源富的分区分类法是针对山区遥感图像的一种有效的分类方法。即光照区与阴影区分别分类，在光照区选取一套训练场地先完成光照区的分类，之后，在野外选取的样地图斑的基础上参照光谱区分类结果，采用地物领域相关法(一种成片分布的地物可以跨越相邻的阴影区和光照区)，补充选取阴影区训练场地，进行阴影区的分类。两区的分类结果叠加合成得到最终的分类结果。这种分类方法与采用类别细分方法区分阴阳坡同类地物有着本质的不同42。7遥感图像分类方法研究的趋势和前景随着遥感技术的发展,结合人工智能技术和理论的发展，模糊数学的成熟应用以及计算机运算能力的大幅提高，基于光谱特征空间分析的非参数型技术分类方法逐步成熟。基于神经计算理论的遥感影像分类方法在国内外很多专家都已经做了大量的研究工作，人工神经网络已经在遥感影像分类和信息提取等研究中得到了广泛的应用，如土地覆盖的分类问题、多时相动态地物的区分、基于多源空间数据的融合和分类、模糊分类、融合先验知识的遥感影像分类、影像结构信息提取等,这些应用在不同程度上都获得了有实际意义的结果。但是，遥感影像数据类别多，含混度大，如何解决多类别分类识别并满足一定的分类精度，是当前遥感影像研究中的一个关键问题。当前遥感影像分类的研究热点主要包括49:影像空间分布与结构信息的提取；基于知识库和推理机的遥感影像分类；人工神经网络方法；面向对象分类；分类结果的定量评价方法。随着这些研究的进一步深入，遥感影像分类更加自动化和智能化,分类精度将得到进一步提高。8结语目前，遥感应用中使用较多的仍是传统的分类方法。近年来，随着遥感技术和计算机技术的不断发展，专家系统、神经网络、模糊技术和数学形态学等一些原来实现困难的新方法也在遥感图像分类中发挥作用，虽然这些新的方法比传统的方法在分类精度上有明显提高，可也存在一定的不足。为了进一步提高分类精度，综合利用各种信息进行遥感图像分类势在必行，同时这也是遥感应用科学家们一直探索的方向之一。参考文献1 杨凯.遥感图像处理原理和方法M.北京:测绘出版社,1988.2 傅肃性,等.遥感专题分析与地学图谱M.北京:科学出版社,2002.3 孙家.遥感原理与应用M.武汉:武汉大学出版社,2002.4 骆剑承,王钦敏,马江洪,等.遥感图像最大似然分类方法的EM改进算法J.测绘学报,2002,31(3): 234-239.5 杨存建,周成虎.基于知识的遥感图像分类方法的探讨J.地理学与国土研究,2001,17(1): 72-77.6 林培.农业遥感M.北京:北京农业大学出版社,1991.7 梅安新,秦其明,等,遥感导论M.北京:高等教育出版社,2001.8 Ediriwickrema J, Khorram S.Hierarchical Maximum-Likelihood Classification for Improved AccuraciesJ. IEEE Trans. On Geoscience and Remote Sensing, 1997, 35(4): 810-816.9 Mclachlang J, Basford K E. The EM Algorithm and ExtensionsM.New York: JohnW iley,1997.10 BischofH, PinzA J.Multi-spectral Classification of Landsat-Images Using Neural Networks J. IEEE Trans. on Geoscience and Remote Sensing, 1992, 30(3): 482-490.11李祚泳.用BP神经网络实现多波段遥感图像的监督分类J.红外与毫米波学报,1998,17(2): 153-156.12 Salu and Y, Tilton J. Classification of Multi-spectral Image Data by the Binary Biamond Neural Networks and by Nonparametric,Pixel-by-Pixel Methods J. IEEE Trans. On Geoscience and Remote Sensing, 1993, 31(3): 606-617.13 YamazakiT, GingrasD. Image Classification Using Spectral and Information Based on MAR Models J. IEEE Trans. on Image Processing, 1995, 14(9): 1333-1339.14 于秀兰,莫红,等.Markov随机场模型在多光谱遥感图像分类中的应用J.中国农业资源与区划, 1999, 20(5): 48-53.15 朱建华,刘政凯,俞能海.一种多光谱遥感图像的自适应最小距离分类方法J.中国图象图形学报, 2000, 5(1): 21-23.16 刘伟强,陈鸿,夏德深.基于马尔可夫随机场的快速图像分割J.中国图象图形学报,2001,6(3): 228-233.17 萧嵘,孙晨,王继成,等.一种具有容噪性能的SVM多值分类器J.计算机研究与发展, 2000, 37(9): 1071-1075.18 朱述龙,张占睦.遥感图像获取与分析M.北京:科学技术出版社,2000.19 陈华,陈书海,张平,等.K-means算法在遥感分类中的应用J.红外与激光工程.2000,29(2):26-30.20 James J, Timothy J, etal An improved hybrid clustering algorithm for natural scienes J. IEEE Transaction on Geoscience and Remote Sensing, 2000, 38(2): 1016 -1032.21 王志刚,朱振海,王红梅,等.光谱角度填图方法及其在岩性识别中的应用J.遥感学报, 1999, 3(1): 60-65.22 SanRenH, CheinIchang I.A generalized or thogonalalsub space projection approach to unsupervised multi-spectral image classification J. IEEE Transaction on Geo-science and Remote Sensing, 2000,38(6): 2515-2528.23 Ifarraguerri Agustin, Chein Ichang. Unsupervised hyperspectral image analysis with projection on pursuitJ IEEE Trans. on Geo-scicessing, 1995, 14(9): 1333-1339.14 于秀兰,莫红,等.Markov随机场模型在多光谱遥感图像分类中的应用J.中国农业资源与区划, 1999,20(5): 48-53.15 朱建华,刘政凯,俞能海.一种多光谱遥感图像的自适应最小距离分类方法J.中国图象图形学报, 2000, 5(1): 21-23.16 刘伟强,陈鸿,夏德深.基于马尔可夫随机场的快速图像分割J.中国图象图形学报,2001,6(3): 228-233.17 萧嵘,孙晨,王继成,等.一种具有容噪性能的SVM多值分类器J.计算机研究与发展,2000, 37(9): 1071-1075.18 朱述龙,张占睦.遥感图像获取与分析M.北京:科学技术出版社, 2000.19 陈华,陈书海,张平,等.K-means算法在遥感分类中的应用J.红外与激光工程.2000,29(2):26-30.20 James J, Timothy J, etal An improved hybrid clustering algorithm for natural scienesJ. IEEE Transaction on Geo-science and Remote Sensing, 2000, 38(2): 1016 -1032.21 王志刚,朱振海,王红梅,等.光谱角度填图方法及其在岩性识别中的应用J.遥感学报, 1999, 3(1): 60-65.22 SanRenH, CheinIchang I.A generalized orthogonalalsub space projection approach to unsupervised multi-spectral image classification J. IEEE Transaction on Geoscience and Remote Sensing, 2000,38(6): 2515-2528.23 Ifarraguerri Agustin, Chein Ichang. Unsupervised hyperspectral image analysis with projection on pursuit J IEEE Trans. on Geo-science and Remote Sensing, 2000, 38(6): 2529 -2538.24 吴革洪,高才松,刘玉民.聚类分析在油藏分类中的应用J.断块油气田,2001,8(1):36-37.25 贺德化,朱锋峰,彭英伟.有类间距离因素聚类结果的比较分析J.运筹学学报,1998,2(2):36-41.26 李强,王正志.基于人工神经网络和经验知识的遥感信息分类综合方法J.自动化学报, 2000, 26(2): 233-238.27 骆剑承,周成虎,杨艳.基于径向基函数(RBF)映射理论的遥感影像分类模型研究J.中国图象图形学报,2000,5(2): 94-994.28 王耀南.小波神经网络的遥感图像分类J.中国图象图形学报,1999,4(5): 368-371.29 阎静,王汶,李湘阁.利用神经网络方法提取水稻种植面积以湖北省双季水稻为例J.遥感学报, 2001, 5(3): 227-230.30 骆剑承,周成虎,杨艳.人工神经网络遥感影像分类模型及其与知识集成方法研究J.遥感学报, 2001, 5(2): 122-129.31 孙丹峰,汲长远,林培.自组织网络在遥感土地覆盖分类中应用研究J.遥感学报,1999,3(2): 139-143.32 秦其明,陆荣建.分形与神经网络方法在卫星数字图像分类中的应用J.北京大学学报(自然科学版),2000,36(6): 858-864.33 李颖,赵文吉,李小林.遥感影像的分类与识别技术在土地资源调查中的应用J.长春科技大学学报,2001,31(3): 261-264.34 熊桢,童庆禧.用于高光谱遥感图像分类的一种高阶神经网络算法J.中国图象图形学报.2000, 5(3): 196-201.35 张学友,冯学智,阮仁宗,等.Kohonen神经网络在遥感图像分类中的应用研究J.遥感学报,2004, 8(2): 178-184.36 王耀南.计算机智能信息处理技术及其应用M.长沙:湖南大学出版社, 1999.37 CHEN Sei-wang, CHEN Chi-farn, CHEN Meng-seng. Neural-fuzzy classification for segem