基于像元形狀指數(shù)方法的高空間分辨率遙感影像分類*

孔輝

(1.陜西省土地工程建設(shè)集團(tuán)有限責(zé)任公司,陜西西安 710075;2.陜西地建土地工程技術(shù)研究院有限責(zé)任公司,陜西西安 710075;3.國土資源部退化及未利用土地整治工程重點(diǎn)實(shí)驗(yàn)室,陜西西安 710075;4.陜西省土地整治工程技術(shù)研究中心,陜西西安 710075)

在遙感影像的空間分辨率提升越來越快,且內(nèi)部能提供的空間特征也越來豐富的時候,也帶來了不少對于圖像信息,光譜分辨率質(zhì)量的問題,使得在影像分類中對于精度的把握出現(xiàn)了很多問題。我們?nèi)绾谓Y(jié)束不同的方法來對難以通過光譜特征來描述的高分影像的紋理、形狀結(jié)構(gòu)、幾何特征等物體變的至關(guān)重要。本文便是利用一種基于像元形狀指數(shù)的方法對上述所說的影響的特點(diǎn)進(jìn)行描述,比彌補(bǔ)傳統(tǒng)光譜信息提取方法的不足。

1 像元形狀指數(shù)

像元形狀指數(shù),簡稱為PSI(Pixel Shape Index),它是以設(shè)計(jì)原則為基礎(chǔ),定義了一系列穿過中心像元的方向線,將這些方向線集合構(gòu)造多維特征,即像元形狀指數(shù),對高空間分辨率遙感影像的光譜特征進(jìn)行補(bǔ)充。

1.1 方向線的提取

某個像元的PSI特征某種意義上講就是該像元的方向線集合的特征,因此提取PSI首先在于方向線的提取。定義方向線為由中心像元(xcenter,ycenter)出發(fā)向兩端擴(kuò)展的D條夾角為πD的線段,第i條線段擴(kuò)展的條件。

1.2 PSI特征的提取

在得到了任意像元 (i , j)的方向線集合,此時計(jì)算方向線集合中每條方向線的長度,得到了任意像元 ( i, j)的方向線長度序列d ( i,j )= [ d1,d2,...,dD]。根據(jù)像元的方向線長度序列。

圖1 PSI分類結(jié)果

圖2 多尺度區(qū)域特征方法分類結(jié)果

2 用于對比的特征提取方法

2.1 小波紋理特征方法

小波文理特征是一種常見的影響紋理特征提取的方法,其優(yōu)勢在與在一定尺度下,能細(xì)粒度的分離細(xì)節(jié)信息,對于空間的信號變化有極強(qiáng)的識別能力,敏感性很高,因此,我們通?？梢园研〔y理提取法視作一種在某尺度上的紋理測度。它將影像中的每個像元對應(yīng)一個窗口,將小波變換的子影像的能量值作為特征向量。

2.2 多尺度特征方法

多尺度特征方法是利用一系列不同的大小的窗口進(jìn)行組合,并把窗口的像元特征進(jìn)行鄰域擴(kuò)展,這樣的策略可以很好來模擬分類目標(biāo)的識別效果,最后對于不同尺度下提取的特征進(jìn)行分類和融合,得到多尺度特征分類結(jié)果。

3 實(shí)驗(yàn)過程與分析

3.1 數(shù)據(jù)選擇

本實(shí)驗(yàn)選取了WorldView-2衛(wèi)星的拍攝數(shù)據(jù),選取了其中高分影像的一部分,實(shí)驗(yàn)中將以紅綠藍(lán)三個可見光波段的光譜值作為影像的光譜特征,大小為334×670,空間分辨率為0.5米。

3.2 PSI方法實(shí)驗(yàn)

首先利用PSI方法對影像特征的提取,然后進(jìn)一步將歸一化與光譜特征結(jié)合起來,輸入到支持面向向量機(jī)中得到分類結(jié)果。PSI方法分類結(jié)果精度=84.66%,如圖1所示。

從上面分類結(jié)果圖中可以直觀的看到,對以較為細(xì)的水泥道路,PSI方法很難得到正確識別,同時,PSI特征會與很多的水體特征反映出極大的差異,容易與建筑物再分類區(qū)別的時候出錯,這是該方法的一個很大的遺憾之處。

3.3 小波紋理特征方法與多尺度區(qū)域特征方法實(shí)驗(yàn)

(1)小波紋理特征方法分類結(jié)果,小波紋理分類精度=73.01%。

小波文理特征方法在建筑物與 水泥道路分類提取中表現(xiàn)出了很高的分類精度,它采用目標(biāo)對象內(nèi)部像元用大的窗口,邊緣外部像元利用小的窗扣,極大的消減了噪聲現(xiàn)象,是別提取目標(biāo)得到很好的分類結(jié)果。

(2)多尺度區(qū)域特征方法分類結(jié)果,多尺度區(qū)域特征分類精度=75.37%,如圖2所示。

從以上的分類結(jié)果不難看出,利用多尺度區(qū)域特征方法,在對于建筑物、不同色彩深淺的植被作物有了很明顯區(qū)分和較為精確的分類。因?yàn)楸惶崛〉膮^(qū)域特征在不同尺度下也依然是光譜特征,所以這也是改分類方法的一個嚴(yán)重的弊端。

4 實(shí)驗(yàn)結(jié)論

基于像元形狀指數(shù)的高分遙感影像分類方法中,以PSI方法為主,對于幾何形狀和結(jié)構(gòu)類似的目標(biāo)有很好的描述區(qū)別,尤其是對于形狀比較規(guī)則的建筑物有著很強(qiáng)的識別能力,能夠更好的來區(qū)分光譜特征相似而幾何形狀差異較大的目標(biāo)?？偠灾?PSI在分類精度上獲取到了最高值,與另外的包括多尺度區(qū)域特征方法和小波紋理特征方法而言,是一種合理且有效可行的影響分類提取方法。

[1]黃昕,張良培,李翠琳.基于小波變換的影像紋理特征提取試驗(yàn)[J].測繪信息與工程,2005, 30(6):7-9.

[2]陳杉,秦其明.基于小波變換的高分辨率影像紋理結(jié)構(gòu)分類方法[J].地理與地理信息科學(xué), 2003,19(3):6-9.