基于分水岭和多尺度分割方法的耕地信息提取

张紫萍，程小凯，李景文

(1.桂林理工大学土木与建筑工程学院广西空间信息与测绘重点实验室，广西桂林541004; 2.陕西省第一测绘工程院,陕西西安710054)

基于分水岭和多尺度分割方法的耕地信息提取

张紫萍1，程小凯2，李景文1

(1.桂林理工大学土木与建筑工程学院广西空间信息与测绘重点实验室，广西桂林541004; 2.陕西省第一测绘工程院,陕西西安710054)

在探讨了分水岭和多尺度相结合的影像分割方法的基础上，研究了高分辨率影像耕地的信息分类以及分类精度评定；重点对影像分类精度进行了分析，在影像分类的过程中，分别采用基于像素的分类方法和基于对象的分类方法，实验结果表明基于对象的耕地分类方法精度远高于传统的分类方法。

高分辨率影像；耕地；信息提取

随着城市化进程的加快，全国耕地面积逐年减少，实时监测和统计全国耕地资源已成为国土管理部门关注的问题。通过遥感影像自动提取耕地信息，可以有效提高耕地资源的监管效率，可为国土管理部门做出决策提供有力依据[1]。为此，国内外众多学者提出了一系列自动提取遥感影像中耕地信息的算法和方法[2-5]，如基于数学形态学的分析方法、纹理特征分析方法、统计分析方法、区域生长方法、分水岭方法等[6,7]。其中，分水岭方法作为一种有效分割影像的方法，主要用于影像检测、形态分析等方面；但采用分水岭方法提取耕地信息是以影像像素为最基本单元，提取过程耗时耗力，提取目标也不纯净。本文采用参考文献 [7]的分水岭与多尺度相结合的方法，把不同尺度分割后的影像作为提取对象并进行分类，进而得到精度较高的耕地信息，避免了以像素为单位的信息提取带来分割过细的问题。

1 分水岭与多尺度相结合的影像分割方法

影像分割是把影像分成各具有特性的区域并提取出感兴趣的目标的技术和过程，其目的是将一幅影像分成几个区域，这几个区域之间具有不同的属性，同一区域中各像素具有某些相同的性质。传统的遥感信息提取方法都是建立在像素的统计特征基础上的，很少利用地物的形状、几何结构等信息，分类精度较低、效率不高，而且依赖解译人员，很大程度上不具备重复性[8]。

文献 [7]提出的分水岭与多尺度相结合的分割方法是从综合梯度计算、分水岭分割及多尺度区域合并等关键环节分割影像。该方法首先通过滤波处理计算融合了亮度梯度和纹理梯度的综合梯度；然后对得到的综合梯度影像进行分水岭分割，在此过程中需要重点确定高分辨率影像光谱、形状、纹理同质性度量标准；最后在得到的初步分割影像中，将光谱、纹理、形状同质性度量值最小的区域采用多尺度区域合并方法输出满足条件的合并影像，主要过程如图1所示。

图1 基于分水岭和多尺度分割方法的耕地信息提取步骤

2 耕地信息提取过程

影像耕地信息提取的整个过程包括影像预处理、影像分割、影像分类、精度分析与评定及影像输出等关键环节，具体如图 2所示。在这个过程中本文首先对输入影像采用分水岭与多尺度分割方法初步提取耕地信息；然后对得到的分割影像采用面向对象方法进行分类；最后对耕地信息分类的结果做精度分析与评定，完成影像耕地信息提取。

根据广西独特的喀斯特地貌特征，选择山区的水田区域作为实验区。实验区域大小为400像素×400像素，分辨率为1m的正射影像。此区域地类信息丰富，可以清晰地分辨出道路、山体、耕地、水体、裸地等地物。

图2 耕地信息提取过程

2.1 耕地信息分割

通过对不同尺度分割效果的分析，实验区选用 3个分割尺度20、35（耕地最优尺度）、90，设定颜色因子权重值为 0.8，形状因子权重为 0.2，其中光滑度为0.7，紧密度为0.3。利用设定的参数，分别得到各尺度下的分割对象图，分割结果如图3所示。

图3 高分辨率影像分水岭与多尺度相结合分割结果

2.2 耕地信息分类

影像分类的对象是原始影像及各种变换之后的影像。运用决策理论或统计方法对变量特征空间进行划分来达到分类的目的。传统的分类方法是一种以影像像素为分析对象的方法，此方法仅从影像的光谱特征出发进行影像分析理解，所能获得的结果信息是十分有限的。而面向对象的影像分类是采用支持决策树的模糊分类方法，并给出每个对象隶属于某一类的概率，便于用户根据实际情况进行调整，可以按照最大概率产生确定分类结果。

获得了分割影像后，则可利用影像分类方法划分地物类别。采用传统的分类方法与面向对象分类方法所得分类结果如图 4、图 5所示。面向对象分类采用eCognition软件提供的特征空间优化功能（FeatureSpace Optimization），根据实验区特点，选用亮度（Brightness）、长宽比（Length/Width）、面积（Area）等特征，通过样本选择及特征选定，用最邻近法对实验区分类提取，得到的分类结果如图5 a）所示。

在得到的初步分类结果中，耕地虽然被很好地与其他地类区分开来，但是可以看到有阴影部分存在，通过目视判读可以发现，阴影部分主要压盖的是林地、道路和少量裸地与耕地。对阴影部分的处理方法为：结合ArcGIS，通过再分割以及人工干预，得到最终分类结果如图5 b）所示。

图4 传统分类方法分割结果

图5 面向对象分类方法分类结果

3 精度分析评定

在获得影像中各地类分类结果后，分别对采用不同分类方法的分类结果精度进行评定。实验以 Kappa系数评价整个分类图的精度，以用户精度和生产者精度来评价各地类的分类精度，随机选取城镇村及工矿用地、林地、水域、裸地、道路、耕地等地类的样本，共5982个样本点，对传统的基于像元的分类结果进行精度评价，评价结果如表1所示。

表1 最大似然分类精度评价结果

在获得分割影像结果后，则可以利用影像分类对影像继续提取，区分地物类别。对实验区的面向对象分类结果进行精度分析，与传统分类方法选用相同的样点，得到精度评价结果如表2所示。

表2 面向对象分类精度评价结果

通过表1、表2的精度评价结果，可得出如下结论：

1）基于像元的传统分类方法中最大似然分类方法总精度为69.54%，Kappa系数为0.55；而面向对象的分类方法总精度为96.57%，Kappa系数为0.94，说明采用面向对象的分类方法所得各地类分类结果远优于传统的分类方法。

2）基于像元的传统分类方法中耕地的用户精度为81.64%，生产者精度为42.56%；而面向对象分类方法中耕地用户精度为94.37%，生产者精度为100%，说明面向对象的分类方法对耕地信息的分类精度也优于传统的基于像元的传统分类方法。

4 结 语

基于分水岭和多尺度分割的影像耕地信息提取方法将对象的思想引入耕地提取过程中，以对象为单元对影像进行分割、分类、提取。该方法不仅可以灵活地运用地物的形状特征、光谱和纹理信息，而且能保持分类对象在空间上的连续性，改变了传统的基于像元的影像分割方法，为今后高分辨率影像信息提取提供参考。

[1] 彭望琭.遥感概论[M].北京:高等教育出版社，2002

[2] QIN Qiming.Science of Surveying and Mapping[J].2000，25(2): 21

[3] P Gong，P J Howarth.A Comparison of Spatial Feature Extraction A lgorithm for L and -use Classification w ith SPOT HRV data [J].Remote Sensing of Environment，1992，40(2):137-152

[4] J R Baber，S A Briggs，V Cordon.Advances in Classification for L and Cover Mapping using SPOT HRV Imagery[J].INT.J.of Remote Sensing，1991，12(5):1071-1085

[5] PENG Gong.Performance Analyses of Probabilistic Relaxation Method for L and -cover Classification[J].Remote Sensing of Environment，1989，30(1):33-42

[6] 陈丹峰，林培，汲长远.自组织网络与模糊规则结合在遥感土地覆盖分类中的应用研究[J].中国土地科学，1999，12(5): 42-44

[7] 李景文，张紫萍.基于分水岭与多尺度相结合的影像分割方法[J].广西师范大学学报:自然科学版，2012，30（1）：40-44

[8] 李敏，崔世勇.面向对象的高分辨率遥感影像信息提取-以耕地提取为例[J].遥感应用，2008(06):63-66

Extraction Method of Farmland Information Based on the Watershed and Multi-scale Segmentation

by ZHANG Ziping

Having discussed the image segmentation method which based on the combination of watershed and multi-scale,this paper researched the classification of high resolution image of farmland information as well as the analysis and evaluate of classify precision.It analyzed the precision of image classify.During the image classification,it used the sorting technique which based on both the pixel and the object.The experimental results show that the farmland sorting technique which based on the object has a much higher precision than the traditional technique.

high resolution image，farmland，information extraction

2011-11-15

项目来源：广西自然科学基金重点资助项目 (桂科自2011GXNSFD018003)；国家自然科学基金资助项目 (11101101)。

P208

B

1672-4623(2012)03-0051-03

张紫萍，硕士，研究方向为GIS应用与研究。