隨著社會經濟的快速發展，人們的生活需求與資源環境的矛盾越來越突出，遙感技術作為一種準確、客觀、及時獲取地球表面宏觀信息的手段，在城市規劃建設、土地利用監測、農業、林業以及自然災害預報等方面越來越得到廣泛的重視和應用。另外由于航空航天遙感以及計算機技術的迅猛發展，應用于遙感的傳感器分辨率越來越高，獲取的遙感影像質 量也越來越好。特別是SPOT、IKONOS、QUICKBIRD等高分辨率遙感衛星影像的出現更為后期遙感影像的分析和應用帶來了更好的數據源和更廣大深入的應用前景。
要更好地利用遙感影像進行資源調查和動態監測就必須利用各種 *** 對獲取的高分辨率遙感影像進行融合、分類等處理，以提取并區分各種地物地貌信息，同時對分類結果加以統計分析以滿足不同的需要。當今，進行遙感影像分類處理的 *** 很多如常用的監督分類法、非監督分類法、更大似然法以及人工神經元 *** 、小波變換等 *** 。他們進行遙感影像分類主要是利用這一基本原理即：不同的地物在同一波段影像上表現的亮度互不相同，同時不同地物在各個波段影像上亮度呈現的規律也不同，也就是說遙感影像上的地物光譜特征通常是以地物在多光譜影像上的亮度體現出來的。這一點構成了區分不同影像地物的依據。
但是我們很多的影像分類技術與算法更多地著重于遙感影像上像元亮度或光譜信息的本身而沒有綜合考慮影像地物之間的特征相關性如植被和土壤的關系、土壤與水分的關系；也沒有考慮到地形起伏或地物高度變化的影響因素；更沒有將一幅遙感影像而非像素來作為一個對象進行面向對象的綜合分析如紋理、形狀、特征繼承相關等特殊要素。為了得到更好的分類結果，更好地提取遙感信息，本論文結合自己的工作實踐以及國內外相關應用實例的分類效果比較，經過分析探討認為以下三種基于高分辨率遙感影像分類技術在實際生產中可以得到更好的分類結果。即基于光譜信息及相關監測模型綜合分類技術、利用高程信息輔助分類技術和面向對象的特征相關屬性分類技術。
植物對不同光譜段能量的反射和吸收的狀況與其葉綠素含量有關，葉綠素能夠大量反射近紅外能量，而吸收大部份的可見光波段的能量。健康的綠色植物含有大量的葉綠素，通常反射40~50%的近紅外（0.7~1.1μm）波段的能量，吸收將近80~90%的可見光波段（0.4~0.7μm）的能量。相反，枯萎和衰老植物的在可見光波段所反射的能量要大大高于健康植物的反射值，而在近紅外波段所反射的能量則要低于健康植物的反射值。
添加微信好友, 獲取更多信息
復制微信號
因此，在遙感影像中，處于不同生長期的植物就能通過光譜反射特性基本地區分出來。 我們使用ERDAS或ENVI等遙感應用軟件已有功能我們可以根據植被或地物的光譜特性進行影像相減、比值法進行分類。但是為了得到更好更細致的分類效果，在農業和林業遙感監測中我們通常在利用光譜信息的基礎上使用更多的輔助分類 *** 得到更豐富的分類信息。
多時相數據融合
利用不同時期的監測數據進行多時相數據融合、濾波處理迅速得到植被變化區域或變化程度，便于宏觀決策。如下多時相數據融合圖。利用歸一化植被指數（NDVI）及農作物生長模型的綜合應用 所謂歸一化植被指數（NDVI）在農業或林業監測方面應用十分廣泛。
NDVI=(IR-R) / (IR+R)
（IR為近紅外光波段，R為紅色波段）通過遙感影像NDVI指數的變換分析處理我們可以根據應用需要達到幾個要求即：
- 1. 消除地形起伏的影響
- 2. 減少大氣的輻射和反射影響
- 3. 利用歸一化可以改正掃描角和亮度的影響。
另外，在精細農業生產中為了預先統計農作物的產量、計算種植面積或者監測病蟲害情況等，我們可以將農作物的NDVI指數與農作物的生長模型一起綜合考慮進行分類統計。在有些遙感影像分類過程中除了需要了解地物基本反射光譜特性以外還可以加入輔助決策信息，如作物生長模型WOFOST及SUCROS等因素。這些模型主要設計用于如禾本科等草本作物，針對各種作物考慮專用的一套參數，進而模擬作物從出苗、營養生長、生殖生長直到作物衰老死亡的整個生長循環過程。所以在遙感影像分類過程中由這些模型庫中各種農作物的模型參數特點等等信息作為專家知識進行輔助分類。也可以作為分類的判決條件大大提高分類效果。 總之，在實際分類過程中以上三種分類一般都是綜合進行的，作為分類判決條件越精確那么分類的效果會更好，這需要了解植被、土壤、水等等基本地物要素在不同條件下的基本屬性。
利用高程信息輔助分類技術
在常用的遙感分類算法中，大多數是基于光譜信息進行的，而高分辨率遙感影像具有豐富的紋理信息，并且在后期處理過程中很容易地提取高程信息，因此在分類中除了利用常用的基于光譜信息外，常常引入相應的高程等三維信息進行分類，其效果也十分地明顯，經實驗證明是一種提高分類精度的有效措施。 在山地、丘陵等地形變化的地區，由于地形起伏的影響，地物的光譜將發生不同的變化。例如在不同坡面上的同一種類型的地物在影像上可能表現為不同的光譜響應特性，而位于不同坡面上的不同類型的地物在影像上可能又表現為相同的光譜響應特性。
另外在建筑物密集的城區我們同樣可以利用建筑物的高程信息來對不同層次的建筑進行分類。如果有立體遙感像對，我們可以建立立體測圖環境，測繪建筑物的高度，直接得到各建筑物的離散點高度信息。另外我們可以通過測量建筑物的陰影長度來計算建筑物的高度。 在利用多光譜信息及高程信息四個波段進行分類后可以基本區分高層建筑及中層建筑。當然我們也可以進一步結合遙感影像紋理信息進行特征分類得到不同高度建筑物分類詳細結果。中國地震局宋曉宇作過這方面的實驗研究，得到很好的效果。
面向對象的特征相關屬性分類技術
在當前許多傳統高分辨率遙感影像分類軟件中都是基于像素的分類，考慮單個像素的特性。但是這種分類 *** 有很大局限性。 首先，基于像素的分析的不能滿足有著多樣信息的高分辨率遙感圖像，它沒有顧及影像的不同類型及信息多樣性；其次，基于像素的分析主要是利用影像顏色的灰度數值及部分紋理信息而沒有充分利用影像中地物類別間及同類地物之間的各種相關屬性。因此在分類中我們可以使用面向對象的特征相關分類技術。
所謂面向對象的特征的分類主要有兩個特點： 多分辨率多尺度的影像分割就是對遙感影像按照一定的尺度依據紋理或者亮度變化自動分割（Segmentation）成大小不一的小區域，以作為進一步分類的基礎。切割過程是一個非監督的約束的更優化步驟，使影像對象的帶有權重的異質性達到最小化。影像分割主要和分割的比例尺參數、顏色與形狀的比例、類間緊密度與平化度等三個參數有關，并以影像對象大小為權重來進行運算。
在每一次的影像分割任務都有其自己特定的尺度。例如具有區分房屋和樹木的分類主題很明顯地要比一個區分森林和城市的分類主題形容的是一個更小的尺度。每一個主題都需要影像對象具有最恰當的尺度和轉遞對于特定分類任務更佳的信息。包含了對于樹木和房屋的分類更佳信息的影像對象，與帶有對于森林和城市的分類最適當信息的切割相比，顯然平 均要明顯小得多。所以多分辨率的切割使得可以用一個簡單的途徑對影像的分辨率進行調整，以適應特定的分類精度任務和特定的數據也有利于后期統計分析。
它特別是適合紋理的或低對比度的數據，可以形成金子塔式的分割層。在對新的圖像數據進行分割時，最適宜的 *** 是先做試驗，充分利用色彩信息，使用不同的參數進行不同尺度的分割，直到取得滿意的結果。 在面向對象的分類過程中主要使用的分類特征相關屬性有繼承屬性、分組屬性、先驗知識判斷及地物特征相關等屬性。所謂繼承屬性是指父對象把它們的屬性傳遞給子對象。在父對象中的變化無需在每一個子對象中重做，因為子對象自動繼承了這些變化。例如：：父類“水體”可用光譜平均值來描述。它把它的類型描述傳遞給子類“河流”和“湖泊”。“河流”和“湖泊”這兩個不同的子類就繼承包含了水體相同的類型描述。
分組屬性是指用分類中用不同語義來定義不同的類別。它允許非常不同的類型分組為一個具有通常語義的更高的類。例如：類型“城市林地”、“城市不透水表面”和“城市綠地”在繼承層次中是不同類型“森林”、“不透水表面”和“草地”的子類，從這些類型中繼承了它們的類型描述的一部分。然而，在分組層次中它們是同一個父類“城市”的子類，“城市林地”、“城市不透水表面”和“城市綠地”成為同一個高層語義類型的一部分。先驗知識判斷指的是在分類中可以加入專家或常識性知識輔助分類。
例如，我們發現影像上的在城區建筑物包圍中有一大片形狀不規則的綠地，我們依據常識可以判斷其可能為公園；由影像上的水域的長度和寬度我們可以很容易區分湖泊和河流；另外根據林地的稀疏（類間距離）可以區分不同類型的樹種。地物特征相關屬性是指在分類中充分利用對象特征如圖層值、顏色、紋理、形狀、面積、專題屬性、長度、亮度、標準值、方差等等我們能想到的全部特征進行綜合判決。 從上文可以看出，基于光譜信息及相關監測模型綜合分類技術、利用高程信息輔助分類技術和面向對象的特征相關屬性分類技術這三種分類 *** 在對高分辨率遙感影像分類過程中都取得了很好的效果。
當然了，在實際生產中我們必須根據我們統計分類目的需要來選擇分類 *** ，為了是分類結果更好我們應盡量使用已有的判決條件或者輔助其它相關分類信息進行分類。在使用基于光譜信息及相關監測模型綜合分類 *** 對一幅遙感影像進行分類時我們更多關注的是影像中地物在不同環境或不同時間條件下的光譜特性而不僅僅是關注影像本身所包含的光譜信息，而且通過這種分類還可以為下一次的分類建立更準確的相關監測輔助分類的模型。對于利用高程信息輔助分類技術進行遙感影像分類在當前還是有一定的局限性，只是在植被或不同高度的建筑物分類中比較有效，同時應輔助紋理等信息。不過這種分類技術使我們的視野把影像從二維轉換到三維，可以為三維建模提供參考。面向對象的特征相關屬性分類 *** 是一種新型的影像分類技術，他打破了像素的局限，充分利用了地物內在的特征相關性，使用一種模糊邏輯語言來分類。這種分類 *** 已經在商業軟件Ecognition中得到很好的應用。
本文只是對提出的三種分類 *** 進行了初步分析與探討，要想在實際生產中得到更好的應用必須做更多的實驗分析和研究，積累更多的分類判決知識。隨著遙感影像分辨率越 來越高，獲取的光譜信息越來越豐富，影像分類技術也會越來越多，高分辨率遙感影像將在人們生產生活中得到更廣泛更深入的應用。
來源：開源地理空間基金會中文分會
來源鏈接：https://www.osgeo.cn/post/381gg
本站聲明:網站內容來源于 *** ,如有侵權,請聯系我們,我們將及時處理。
