多源遥感影像融合在哈大齐土地利用分类中的应用

姜 芸,王 军

(1.武汉大学 测绘学院,湖北 武汉 430079;2.国家测绘局黑龙江基础地理信息中心,黑龙江 哈尔滨 150086)

多源遥感影像融合在哈大齐土地利用分类中的应用

姜 芸1,王 军2

(1.武汉大学 测绘学院,湖北 武汉 430079;2.国家测绘局黑龙江基础地理信息中心,黑龙江 哈尔滨 150086)

随着遥感技术的发展,同一区域的多源遥感影像数据越来越丰富。以哈大齐为例,利用ETM+和SPOT-5数据探讨不同遥感信息融合在土地利用过程中的处理方法,比较不同融合算法在土地分类中的差异,并进行定性和定量比较。为有关部门进行土地规划、管理提供科学依据有着十分重要的意义。

多源遥感影像;数据融合;融合算法;土地利用

随着现代遥感技术的发展,获取的遥感影像越来越丰富。遥感技术的应用逐步实现从定性调查制图向定量统计分析过渡,从静态现状描述向动态预测预报过渡,从单一传感器影像的分析应用向多波段、多传感器、多平台、多时相、多分辨率影像的综合分析与应用过渡,从通用向深化过渡。

本研究区域内有覆盖多个城市和地区的高分辨率的SPOT-5遥感影像资料,这些影像分辨率高,易于判读,在国土资源调查等应用中发挥了重要作用。然而由于单色调,导致在目视中丢掉了许多重要的信息,如果通过假彩色影像处理,便可轻而易举获取多种有用信息。

1 研究区概况及数据源

本文以土地利用类型齐全的哈大齐工业走廊滨州铁路沿线10 km区域作为实验区,从定量和定性的角度对比分析不同的融合方法,对耕地、林地、牧草地、水域、居住用地、交通用地、未利用土地等不同类型的识别的影响。该研究采用SPOT-5影像1A级产品、ETM+的8波段影像。

2 PCA变换与a′Trous小波变换多分辨率影像融合算法

由于ETM+图像的第一主成份的光谱特性与SPOT图像的光谱特性并不完全一致,直接利用高分辨率影像替代第一主分量,导致丢失了部分多光谱影像的光谱信息,造成光谱失真。同时在小波变换融合增强中,多光谱影像增强的效果受到小波分解层数的影响,容易出现分块效应与地物纹理模糊。为此,将引入áTrous小波算法。在此基础上提出了基于小波叠加的主成份变换融合算法,与原有的PCA和IHS方法相比,融合信息质量得到明显提高。这种方法利用小波变换特性,保持影像融合前后的光谱特性,同时利用PCA变换融合方法来增强多光谱图像的空间细节表现能力。从而在增强融合影像的地物纹理特性的同时,又保持了原始多光谱影像的光谱信息。

2.1 a′Trous算法

a′Trous小波算法的原理为:假设原影像数据为{C0(k)},经过尺度函数φ(x)的一次滤波后所得数据为{C1(k)},则{C0(k)-C1(k)}包含两尺度影像间的信息差,即细节信号(小波面)。a′Trous小波变换实际上将输入影像数据分解为多个细节信号与一个背景信号,影像的细节特征集中于小波面中,而原影像即为各细节信号与背景信号的叠加。该算法可以很容易地扩展到二维空间,在二维空间其算法类似于用卷积核对影像进行滤波,由于B3-sp line对不规则样本数据具有很好的插值性,通常选择B3-spline作为尺度函数。

2.2 融合过程

PCA变换与a′Trous小波变换其融合过程如下:

1)将与高分辨的全色影像(SPOT-5)配准后的低分辨率多光谱影像(ETM+)进行PCA正变换,以获得按照信噪比顺序排列的各个分量(PC1、PC2等)。

2)将高分辨的全色影像(SPOT-5)与 PCA变换的第一分量(PC1)的直方图匹配,使之与第一分量有相似的均值与方差,得到匹配后的新全色影像。

3)对新高分辨的全色影像(SPOT-5)进行2层a′Trous小波分解,获取该影像的近似影像和两组小波面系数。

4)将PC1与两组小波面系数进行重构,得到新的PC分量。

5)将新的PC分量与其他主成份分量进行PCA反变换,得到融合影像。

3 融合实验

为了验证新融合算法的正确性和有效性,本文针对哈大齐工业走廊的来自不同卫星的多光谱(Landsat TM、ETM+)和全色图像(SPOT-5)进行实验。

3.1 原始影像

运用本文的相关算法以及辅助Photoshop等遥感影像处理软件对原始遥感影像进行几何校正、影像配准、重采样等预处理,截取大小为3 584×3 584 Pixesl的影像块。其中,多光谱影像是由5、4、3三个波段合成的ETM+彩色影像,其光谱信息丰富,但分辨率(15 m)较低;而SPOT-5全色波段影像的分辨率(2.5 m)和清晰度较高。实验影像如图1所示。

3.2 ETM+数据的几种融合算法的实验

实验结果如图2所示。

3.3 定性评价

从主观目视评价效果方面,通过对实验结果对比可以明显地看出,PCA变换与a′Trous小波变换多分辨率影像融合算法在分辨性、清晰性上有很大提高,很好地保留了多光谱图像的光谱信息并突出了空间细节。从多光谱图像光谱信息方面看,新方法最接近原始TM与ETM+多光谱图像;在色彩上大致相同,局部与多光谱影像有明显差异,但融合影像比多光谱影像更利于目视判读。

3.4 定量评价

在目视判别的主观评价基础上,为了进一步从空间细节特征的增强与光谱信息的保持两方面综合地定量地评价融合效果,选择多个客观统计参数来对融合后的图像进行分析。1)反映空间细节信息的参数:均值、标准差、信息熵和平均梯度。2)反映光谱信息的参数:偏差指数与相关系数。参数结果如表1所示,由各参数结果比较可知:

表1 ETM+影像不同融合算法的定量参数比较

①图2(J)与图2(A-I)信息熵相比较,其值较大,与原始影像基本持平,表明融合影像将原始影像所含信息量很好的进行了保留,达到了富集的作用。

②图2(J)与图2(A-I)平均梯度相比较,其值较大,略低于Brovey变换融合,表明融合影像较清晰,较好的提高了影像的空间分辨率,能够提高解译、分类的精度。

③图2(J)与图2(A-I)相比较,图2(J)偏差系数较小,相关系数较大,表明融合影像与原始影像更相似,光谱特性更接近。

因此,通过以上参数的比较,PCA与小波多分辨率影像融合无论在主观定性评价还是在客观定量评价中,都较其它的融合方法效果好,与原始影像的差异小。

4 影像融合前后土地利用分类精度比较

4.1 分类方法

为了进一步研究不同的多源影像融合算法对于土地分类的影响,基于土地利用/覆盖角度考虑,根据研究区域土地资源调查分类系统影像的分辨力,对典型样区进行简单分类,划分为5个类别:荒地、盐碱地、干旱田、水域、居民区。

在研究中采用了混合分类方法,既先进行非监督分类获得初始分类模板,在对模板样本进行删除、增补、合并等调整的基础上进行监督分类,实验证明该方法比常规的监督分类法明显提高分类精度。混合分类方法改进了训练样本的选取方法,特别是明显提高了耕地与林草地训练样本的选取精度,减少两者的混分现象。影像融合前后的土地分类统计面积,如表2所示。

表2 影像融合前后分类面积变化率比较

从比较数据中可以看到:

1)从整体看旱地与水域的面积变化率较小,可以考虑采用计算机非监督分类的方式进行面积分类。

2)本文采用的融合算法整体上看,面积变化率都比较小,光谱扭曲的程度最低,而且融入了高频成分,使分类在高频地物上提取更具优势,在低频地物的提取上效果也不错,与原始影像相差不大。

4.2 精度分析

为了进行精度比较,对ETM+影像与融合影像土地利用分类结果进行分类精度比较,精度比较结果见表3。

从表3看,各融合方法影像融合后,土地利用各类别的提取精度都有不同程度的提高。本文使用融合算法,水域、荒地、盐碱地、建成区、旱地面积类别分类正确率提高达到10%以上,分类总精度分别从78.09%提高到92.39%。

表3 影像融合前后分类精度分析

通过以上分析,可以得出以下结论:

1)根据研究区域的土地利用的特点,在众多的遥感影像融合算法中,通过实验样区的影像融合实验,从融合影像的光谱质量、纹理信息及目视效果等方面对融合方法进行比较,结果表明基于PCA变换与a′Trous小波变换多分辨率影像融合算法是本区域土地利用动态监测中较理想的融合方法。

2)通过对影像融合前后土地利用分类精度的比较,分类总精度分别从78.09%提高到92.39%。融合后的影像有利于进行本区域的土地利用与土地覆盖分类,适合计算机进行监督与非监督分类。

5 结束语

由于高空间分辨率卫星遥感数据的应用刚起步,其正射纠正、融合、解译和分析中存在的许多问题还有待解决。如何充分发挥高空间分辨率卫星遥感数据的优势,优化高分辨率卫星遥感数据解决方案,掌握数据处理与应用的方法与技巧,挖掘数据应用潜力是应用高分辨率遥感数据进行土地资源动态监测面临的主要问题。

[1]YU D J,CHENG J S,YANG Y.App lication of EMD Method and Hilbert Spectrum to the Fault Diagnoisis of Roller Bearings[J].Mechanical systems and Signal Processing,2005,(19):259-270.

[2]冯志华,朱忠奎,刘刚,等.经验模态分解方法的小波消失现象[J].数据采集与处理,2006,21(4):478-481.

[3]HARISHWARAN HARIHARAN,ANDREI GRIBOK, MONGIA.ABID I,et al..Image Fusion and Enhancement via Empirical Mode Decomposition[J].Journal of Pattern Recognition Research,2006,(1):16-32.

[4]王坚,张继贤,刘正军,等.基于经验模态分解的高分辨率影像融合[J].遥感学报,2007,11(1):55-60.

[5]张生,赵春三,杨桄,等.多光谱与高分辨图像融合方法比较研究[J].遥感信息,2007,93(5):56-59.

[6]袁传武,柯尊胜,陈双田,等.多源遥感数据融合原理与模型结构及应用[J].西南林学院学报,2007,27(5):14-17.

Application of multi-source remote sensing image data fusion to land use and classification in HA-DA-QI

JIANG Yun1,WANG Jun2
(1.School of Geodesy and Geomatics,Wuhan University,Wuhan 430079,China;2.Heilongjiang Center of SBSM,Harbin 150086,China)

With the development of remote sensing technology,multi-source remote sensing data the same area of is rich.Taken the DaJi as an examp le,using ETM+and SPO T-5 discusses different data of remote sensing info rmation fusion in the p rocess of land utilization,analyzes and compares the p rocessing methods in land classification of different fusion algo rithm,and the differences betw een qualitative and quantitative comparison.It is of great significance fo r relevant departments of land p lanning and management to p rovide the scientific basis.

multi-source remote sensing image;data fusion;fusion arithmetic;land use

TP751

A

1006-7949(2010)04-0034-05

2010-03-08

国家自然科学基金资助项目(40771195)

姜 芸(1980-),女,博士研究生.

[责任编辑:张德福]