遥感影像分类方法的研究

摘 要：该文基于ERDAS的Knowledge Engineer分类方法原理，提出一种多信息源、智能化、程序化的阈值分类技术，利用空间模型语言SML （Spatial Modeler Language）编程实现遥感影像的分类，进而克服了传统分类方法只能针对单一信息源的局限。研究工作以1999年ETM+遥感影像临港新城为例，将该方法与传统的监督分类方法进行比较和精度评价。结果表明，阈值分类法比监督分类法分类精度高，指标Kappa系数由0.6109提高到0.8204。该方法可通过模块实现多信息源的调用，从已分类图像中提取确认的分类信息，达到一定的智能化，减少人为的重复性操作。

关键词：多信息源 阈值 遥感影像 分类 精度

中图分类号：G254 文献标识码：A 文章编号：1674-098X（2014）06（c）-0029-02

Abstract：Based on the principle of Knowledge Engineer in ERDAS， a multi-source of information， intelligence，and programmed threshold classification is proposed in this thesis. The Spatial Language program is applied to conduct the classification of remote sensing image，and then，to overcome the single source limitation of the traditional classification methods.Using the Lingang New City ETM+ RS image acquired in 1999 as the training example，comparing this method with the supervised classification， we evaluate the accuracy of classification by the Kappa index.The final result shows that the Kappa value is improved from 0.6109 to 0.8204. Applying this program，we can collect and gather information from multiple sources， and then extract identified patches，realize intelligent classifying procedure as well as reduce laboriously repetitive operations thoroughly.

Key Words：multi-source of information threshold remote sensing image classification accuracy

遥感影像分类是遥感图像处理的高级阶段，是对地球表面及其环境在遥感图像上的信息进行属性的识别和分类，把具有相同属性的地物划分为同一类，以达到识别图像信息所对应的实际地物，提取所需地物信息的目的。它是遥感技术领域研究的重要课题之一，多年来一直受到遥感研究人员的普遍重视。随着计算机技术的飞速发展，人们对遥感技术的应用更多地从传统的影像目视解译、判读，转向遥感图像的计算机处理。计算机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、运算分出类别。然而，常用的分类方法都具有各自的局限性，如何提高遥感数据分类的精度，如何更大程度的实现分类的智能化，是人们最为关心的问题。

1 阈值分类法

该文基于Knowledge Engineer的分类原理，为进一步实现程序化，提出阈值分类法。ERDAS软件的SML （Spatial Modeler Language）编程有两种方式，一是直接采用SML的编辑语言，二是交互式更为便捷的Model Maker模块。本研究通过对Model Maker模块开发程序以达到分类目的。阈值分类法的原理是利用不同通道对各类地物间敏感度的差异，从而进行单波段或多波段阈值的选定将目标地物提取出，调用一个或多个已提取地物的信息源，分层实现地物的再提取，最终完成影像分类。

阈值分类法程序设计步骤主要分以下四部分：

（1）通道选取；（2）确定模型；（3）根据直方图统计信息选定阈值；（4）运用ERDAS IMAGINE空间建模工具（Spatial Modeler）的Model Maker模块编写程序（图1所示），运行程序最终实现地物分类。

2 实例分析

2.1 研究区概况

该文研究的区域为临港新城，位于上海东南端――南汇芦潮港。地理坐标为北纬121°40′12″～121°59′24″，东经31°2′24″～31°49′48″，总面积为311.6 km2。

影像来源于美国陆地卫星Landsat-7 ETM+，图像色彩丰富，层次感好，具有极为丰富的地表环境信息[1]。遥感数据于1999年11月3日接收，轨道号p118 r39。该数据虽局部有云，但总体质量很好。

2.2 研究方法

以Landsat-7 ETM+为数据源，采用ERDAS遥感影像处理软件对上海市临港新城主要土地类型进行分类。监督分类是目前较成熟的分类方法，因此分别采用监督分类法和阈值分类法实现分类，并对分类结果进行精度评价与分析。

2.3 结果展示（见图2、图3）

利用ERDAS IMAGINE的Accuracy Assessment对阈值分类法和监督分类法分类后的1999年临港新城四类地物分类图做出评价。它是将专题分类影像中的特定像元与已知分类的参考像元进行比较，实际工作上是利用分类影像与可清晰目视判别的原影像进行对比。在分类影像中随机产生200个点，完全覆盖于原影像中，普及到每一地物类别。计算机将参考分类后的专题影像，按照各点的坐标将地类属性与点号相对应。后依据原始影像判读及相应的外业调研人为做出判断，作为各个参考点的实际类别值。由此得出分类的精度评价报告，如表1、表2。

2.4 分析对比（见图4）

由图表分析得，通过阈值分类法分类后影像无论是在生产者精度、使用者精度、Kappa系数上，都优于监督分类法。监督分类因在选择训练区时人为主观因素较强，造成某些类别无法解译出来，因此在对低密度的湿地分类时有一大部分未被提取而被归类到作为背景的绿地中，精度最低，其次为人为建筑，由于分辨率较低，对于宽度小于15m的线状地物例如公路、河道都难以反映出，只能提取其中零星的微小斑块。而两种方法在水域和绿地信息提取时精度都优于人为建筑和湿地，原因是人为建筑和湿地两类别间存在较为严重的“同物异谱、异物同谱”的现象，例如建筑物周围的道路、道路的绿化地、较高建筑物的阴影等一些无关的影像信息在光谱特征上与建筑物比较接近，而被误分为建筑物，并且在几何拓扑特征上目标信息存在着大量粘连遮盖现象，如树木、车辆等。水域和绿地因面积较大多以块状、斑状存在，训练样品纯净，含混合像元较少，故精度较高。

3 结语

（1）该文所提出的阈值分类法是基于不同通道对所要提取目标物的敏感度差异，根据直方图统计信息选取阈值，通过ERDAS的Spatial Modeler模块中的Model Maker程序设计实现水域、湿地、绿地、人为建筑四类地物的分类。

（2）从分类结果图像来看，阈值分类法比监督分类法能够更好的保留线状地物的空间分布特征。通过对生产者精度、用户精度、各类别K值、总Kappa值等比较分析，得出阈值分类法精度高于监督分类法，指标Kappa系数由0.6109提高到0.8204。此外，该分类法突破了监督分类法只能对单一信息源实现分类的局限性，能灵活调用不同影像源信息，并应用于其他影像，减少人为的重复操作，效率较高，可修改性强。

（3）不足之处一是阈值的选择需要反复试验才能确定；二是由于1999年临港新城植被覆盖率高、水系比较发达，阈值分类法运用效果比较理想，该分类方法能否推广应用于其它地区，还有待于在今后的工作中做进一步检验；三是针对影像的光谱特征，仅是基于像元（per-pixel）的灰度值分析处理具有一定的局限性。

参考文献

[1] 李铁柱，李铮，宫斌，等.基于ETM+影像的凌源市土地利用遥感分类方法的研究[J].黑龙江科技信息，2011（22）：78-82.