Hyperion影像與高分辨率影像融合影像的分類結(jié)果比較

董躍宇

摘 要：使用數(shù)據(jù)融合的手段，將Hyperion影像與SPOT影像進(jìn)行融合，以期同時(shí)獲得空間和光譜兩方面的豐富信息。使用融合影像進(jìn)行了地物分類實(shí)驗(yàn)，對(duì)分類的效果進(jìn)行了比較。

關(guān)鍵詞：遙感數(shù)據(jù)融合 像素級(jí)融合 高光譜遙感

中圖分類號(hào)：TP3 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2015）03（a）-0013-02

Abstract：With approach of data fusion， aggregating the Hyperion data and SPOT data to achieve more information about both spectrum and spatiality. Terrain classification was made based on the fusion data， and classification results were compared.

Key words：remote sensing data fusion； pixel level fusion； hyperspectral remote sensing

遙感數(shù)據(jù)要同時(shí)獲得空間、光譜、時(shí)間的高分辨率是很困難的。以EO-1 Hyperion數(shù)據(jù)為例，其具有極高光譜分辨率（可達(dá)10nm）的同時(shí)空間分辨率僅為30m。高光譜分辨率數(shù)據(jù)常被簡(jiǎn)稱為高光譜數(shù)據(jù)。由于其極高的光譜分辨率，能夠獲得數(shù)十至數(shù)百波段的數(shù)據(jù)，可以形成特定地物的連續(xù)的光譜曲線，能夠提供更豐富更準(zhǔn)確的地物信息。而對(duì)于高分辨率遙感數(shù)據(jù)，其能夠提供米級(jí)甚至亞米級(jí)的空間分辨率，但是僅能提供數(shù)個(gè)波段的數(shù)據(jù)，在光譜信息的豐富和精細(xì)程度上非常薄弱。數(shù)據(jù)融合作為富集多源遙感信息的最有價(jià)值手段，20世紀(jì)90年代以來就已成為遙感研究的重要主題。若將高光譜數(shù)據(jù)與高分辨率數(shù)據(jù)進(jìn)行有效融合，可以預(yù)期同時(shí)獲得空間和光譜兩方面的更豐富信息。

1 實(shí)驗(yàn)過程

1.1 研究區(qū)選擇

選擇普達(dá)措國(guó)家公園屬都湖與碧塔海周邊地區(qū)作為研究區(qū)域。該區(qū)域位于滇西北生物多樣性豐富區(qū)域，是入選國(guó)際名錄的重要濕地保護(hù)區(qū)。具有重要的生態(tài)地位和研究?jī)r(jià)值，是高原濕地研究的熱點(diǎn)區(qū)域。該區(qū)域中分布著高原湖泊、湖泊周邊及山間谷地中的草甸和草地、以松和杉為主的林地以及幾條道路。地物景觀類型構(gòu)成相對(duì)簡(jiǎn)單，有利將研究問題聚焦。同時(shí)草甸、林地等類型中的次一級(jí)的景觀構(gòu)成，為研究的深入提供了充足的空間。該文作者近年曾較詳細(xì)的實(shí)地調(diào)查過該區(qū)域，積累了不少有價(jià)值的信息和數(shù)據(jù)。選擇該區(qū)域作為研究區(qū)，有較充分的研究基礎(chǔ)。

1.2 研究數(shù)據(jù)

使用于2003年12月獲取的Hyperion數(shù)據(jù)和2003年11月的SPOT數(shù)據(jù)，進(jìn)行校正、配準(zhǔn)等預(yù)處理，并根據(jù)研究區(qū)界限進(jìn)行裁切，獲得研究區(qū)的基礎(chǔ)遙感數(shù)據(jù)。兩個(gè)數(shù)據(jù)的獲取時(shí)間相差近兩個(gè)月。但根據(jù)實(shí)地調(diào)查的結(jié)果和已有的相關(guān)研究，研究區(qū)由于位于重要自然保護(hù)區(qū)中，景觀變化以緩慢的自然演替為主。一兩個(gè)月時(shí)間的差異對(duì)后續(xù)實(shí)驗(yàn)的影響是可以忽略的。在2003年11—12月期間，也未發(fā)生對(duì)景觀有明顯改變的重大事件。根據(jù)相關(guān)文獻(xiàn)，選擇Hyperion數(shù)據(jù)的兩個(gè)典型的波段組合用于后續(xù)融合和分類。高光譜數(shù)據(jù)是一個(gè)高維度數(shù)據(jù)，存在著數(shù)據(jù)冗余度高、數(shù)據(jù)量大、計(jì)算代價(jià)高等缺點(diǎn)。結(jié)合應(yīng)用需求，針對(duì)性的選取波段組合作為分析的數(shù)據(jù)來源，能將高光譜數(shù)據(jù)的處理變?yōu)橐粋€(gè)較低維數(shù)的數(shù)據(jù)處理問題。這兩個(gè)波段組合（數(shù)字代表波段號(hào)）分別是（29：23：16）、（50：23：16），對(duì)應(yīng)的波長(zhǎng)分別是：641：580：509nm，855：580：509nm。（29：23：16）組合是用來形成真彩色圖像最常用的組合。使用（50：23：16）組合來形成真彩色圖像時(shí)，圖像中的植被會(huì)顯示成偏紅的顏色。

1.3 融合與分類方法

數(shù)據(jù)融合根據(jù)信息處理層次的差別可區(qū)分為：像素級(jí)融合、特征級(jí)融合和決策級(jí)融合。實(shí)驗(yàn)進(jìn)行的是像素級(jí)融合。像素級(jí)融合的方法主要有：Gram-Schmidt光譜銳化融合法、平滑調(diào)節(jié)濾波（SFIM）變換融合法、加權(quán)平均法（WAM）融合法和小波變換（WT）融合法等。參考前人已有的嘗試，選用Gram-Schmidt光譜銳化融合法進(jìn)行實(shí)驗(yàn)。

采用非監(jiān)督分類方法對(duì)融合數(shù)據(jù)進(jìn)行分類。從最常用的非監(jiān)督分類方法K-均值聚類方法和ISODATA聚類方法中選用ISODATA方法進(jìn)行此次實(shí)驗(yàn)。使用ISODATA方法的關(guān)鍵是確定分類是所使用的主要參數(shù)：迭代次數(shù)、分類數(shù)量的范圍、變化閾值、類別最大標(biāo)準(zhǔn)差、類別最小距離等。通過使用樣本數(shù)據(jù)多次嘗試，確定了所需要的參數(shù)數(shù)值。在實(shí)地調(diào)查信息的基礎(chǔ)上，結(jié)合對(duì)實(shí)驗(yàn)所用影像的觀察，確定了地物景觀類型。共分為：水體、林地陽(yáng)坡、林地陰坡、草甸、草地、公路及裸地6類。ISODATA分類的結(jié)果，類別數(shù)大于地物景觀類型數(shù)。在分類的后處理中，進(jìn)行了類別合并，將ISODATA分類的結(jié)果歸并成地物景觀類型。同時(shí)，由于融合影像分辨率較高，分類結(jié)果中小斑塊過多，還使用Majority/Minority分析方法進(jìn)行了小斑塊去除。

1.4 分類結(jié)果評(píng)價(jià)

從主觀定性和客觀定量的兩種途徑，對(duì)分類結(jié)果進(jìn)行評(píng)價(jià)。主觀定性途徑主要依據(jù)景觀格局的吻合程度、地物顯著特征點(diǎn)的分類細(xì)節(jié)情況，參照同時(shí)期研究區(qū)的高分辨率影像和實(shí)地調(diào)查信息，進(jìn)行判斷?？陀^定量途徑則進(jìn)行了混淆矩陣的計(jì)算，使用總體分類精度、Kappa系數(shù)及類別間錯(cuò)分情況來進(jìn)行評(píng)價(jià)。參照研究區(qū)的實(shí)地調(diào)查數(shù)據(jù)，依據(jù)高分辨率影像，通過人工解譯，建立了驗(yàn)證數(shù)據(jù)，用于計(jì)算混淆矩陣。

2 實(shí)驗(yàn)結(jié)果及分析

觀察融合影像，并與原高光譜影像、高分辨率影像比較，可以發(fā)現(xiàn)：融合影像的空間分辨率改善明顯，公路等較細(xì)小地物已能看清；精細(xì)光譜信息的引入，使得不同地物類型的差異得到凸顯。這是進(jìn)步的一面。同時(shí)，也注意到農(nóng)地等一些地物的輪廓，相較原高分辨率影像變形明顯。高光譜影像的較低空間分辨率拖累了融合影像的圖像質(zhì)量。

直觀觀察分類結(jié)果，（29：23：16）波段組合融合影像的分類結(jié)果中，斑塊較為破碎和凌亂。屬都湖、碧塔海水體的輪廓已不完整，景觀格局與實(shí)際情況有明顯差別。（50：23：16）波段組合融合影像的分類結(jié)果中，景觀格局保持較好。尤其是水體的識(shí)別十分準(zhǔn)確。與原高分辨率影像分類結(jié)果相比，（50：23：16）波段組合融合影像的分類結(jié)果雖然在面積較小地物的識(shí)別上有退化，但在強(qiáng)化不同地類的差別、凸顯景觀格局方面，進(jìn)步明顯。（29：23：16）波段組合融合影像的分類結(jié)果，則明顯不及原高分辨率影像的分類結(jié)果。

通過計(jì)算混淆矩陣，可以看出（50：23：16）波段組合融合影像的分類精度明顯優(yōu)于原高分辨率影像。（29：23：16）波段組合融合影像的分類精度相比原高分辨率影像沒有明顯改善，Kappa系數(shù)則明顯下降。通過數(shù)據(jù)融合，在融合影像中集聚了更豐富的信息。高光譜數(shù)據(jù)的精細(xì)光譜信息確實(shí)能夠有效改善原高分辨率影像的地物分類結(jié)果。當(dāng)然，波段數(shù)據(jù)的選擇是關(guān)鍵，（29：23：16）波段組合在當(dāng)前研究區(qū)的地物識(shí)別中無助益。

3 結(jié)語(yǔ)

通過使用Hyperion數(shù)據(jù)不同波段組合與高分辨率影像進(jìn)行數(shù)據(jù)融合，并進(jìn)行地物分類的實(shí)驗(yàn)表明，通過數(shù)據(jù)融合，能夠在融合影像中兼具高空間分辨率和高頻譜分辨率的優(yōu)勢(shì)。高光譜數(shù)據(jù)中的不同波段組合能夠突顯的信息存在較大差別。波段組合選擇既是降低維數(shù)、降低計(jì)算代價(jià)，有效利用高光譜數(shù)據(jù)的重要方法，也是高光譜數(shù)據(jù)能夠發(fā)揮積極作用的關(guān)鍵。

參考文獻(xiàn)

[1] TRW.Space， Defense & Information System.EO-1/Hyperion Science Data Users Guide，Level 1_B[M].2001.

[2] 趙書河.多源遙感信息融合技術(shù)與應(yīng)用[M].南京：南京大學(xué)出版社，2008.

[3] 林志壘，晏路明.地球觀測(cè)1號(hào)高光譜與全色圖像融合的最佳方法[J].計(jì)算機(jī)應(yīng)用，2014，34（8）.

[4] 趙春暉，陳萬海，楊雷.高光譜遙感圖像最優(yōu)波段選擇方法的研究進(jìn)展與分析[J].黑龍江大學(xué)自然科學(xué)學(xué)報(bào)，2007（10）.

[5] 劉建平，趙英時(shí)，孫淑玲.高光譜遙感數(shù)據(jù)最佳波段選擇方法試驗(yàn)研究[J].遙感技術(shù)與應(yīng)用，2001（3）.

[6] 黃健元.模糊ISODATA聚類分析方法的改進(jìn)[J].南京航空航天大學(xué)學(xué)報(bào)，2000（4）.