面向对象的遥感分类技术在地理国情监测中的应用

仉明，汪伟，李承鑫，刘子潇

(天津市测绘院，天津 300381)

1 背景

2010年12月，李克强副总理对测绘工作做出重要批示，首次从国家战略高度提出了“地理国情监测”的概念，要求测绘部门开展地理国情监测工作;国家测绘地理信息局局长徐德明在全国测绘局长会议上重申了开展地理国情监测的意义，指出了地理国情监测是测绘发展的新机遇和新挑战［1］;2011年3月，全国人大代表、国家测绘地理信息局副局长李朋德提出了《关于加强地理国情监测的建议》议案;国家测绘地理信息局《测绘地理信息发展“十二五”总体规划纲要》明确指出测绘发展的总体战略为:“构建数字中国，监测地理国情，发展壮大产业，建设测绘强国”［2，3］。

鉴于开展地理国情监测对社会发展和经济建设的意义及“十二五”期间开展地理国情监测的重要性，国家测绘地理信息局成立了地理国情监测部，并在全国范围内先后选择了6个地理国情监测试点。2011年3月，天津市规划局主持并启动2011年天津市地理市情监测项目，于2012年1月完成阶段性任务。

在天津市开展地理市情监测项目过程中，在遥感影像上对感兴趣的目标地物要素进行分类提取是一种十分快捷的数据获取方式。但是，如何依据地理国情监测的监测对象，尽可能地减少多种干扰因素对其分类产生负面影响，不断提高分类的精度和智能化水平［4，5］，是地理国情监测遇到的技术难题和挑战。

目前主要的遥感影像分类方法有非监督分类、最大似然分类、人工神经网络分类、支持向量机分类、决策树分类和面向对象分类方法等。与传统基于像元的分类方法不同，面向对象方法是以由若干同质性像元组成的“对象”为处理单元，综合分析、提取对象的光谱、纹理、形状、空间关系等多种属性信息用于分类，因而能在较大程度上解决基于像元方法难以克服的光谱混淆、混合像元等问题，从而有效提高分类精度［6］。

本文以天津市地理国情监测中的天津市市内六区和新四区的水域变化监测为例，利用面向对象的分类方法，对该三期航空遥感影像进行处理，从而得到在一个较长时间段内天津市市内六区和新四区的水域变化情况，以此作为地理市情监测的一项重要监测内容。

2 数据和技术方法

2.1 使用数据情况

本文所使用的数据为天津市1995年二季度1.0 m分辨率的航空摄影影像、2007年二季度SPORT卫星遥感影像和2011年二季度World View20.46 m卫星遥感影像，研究区域的Google Earth影像及天津市市内六区和新四区的基础地形图资料等。

2.2 技术方法

(1)遥感影像预处理

采用Erdas 2011数据处理软件，对获取的原始遥感影像进行投影变换、几何校正、边界裁定、影像增强等数据预处理工作。

(2)面向对象遥感影像分类流程

采用Erdas 2011数据处理软件的面向对象遥感影像分类流程主要包括:影像分割、属性计算、特征提取和对象分类等步骤。主要流程如图1所示。

图1 面向对象遥感影像分类流程

(3)影像分割

影像分割是基于同质性或异质性准则将一幅图像划分为若干有意义的子区域的过程［7，8］。分割所得的图像区域应同时满足以下条件:①图像区域中的所有像元要都满足某种相似性准则且任意两点之间连通。②相邻图像区域之间针对某选定特性具有显著差异性。③区域边界应该规整且能够保证边缘的空间定位精度。遥感影像分割目的是将影像中具有某种地物特征的区域分开并使得每个区域都满足一定的同质性条件，如灰度、光谱、纹理等。

分割分两步骤:首先确定分割范围，对影像进行初始化分割，后确定归并尺度。在保证定分割精细程度及具有较小破碎性的情况下，选择合适的归并尺寸对图像进行归并。分割尺度范围为0%～100%，值越大分割越细，分割后影像破碎化程度越高;归并尺度范围为0% ～100%，值越大，归并后得到的对象数量越少，内部同质性越低。归并尺度一般依据归并的目视效果反复实验，以确定最佳组合。本项目中，通过多次试验，最终选定天津市市内六区及新四区的影像分割尺度和归并尺度分别为60%和70%的参数水平，如此分割后，分割影像的内部同质性较高，边界轮廓清晰，具备较好的可分离性。该操作是通过Raster Object Creators(ROC)来实现的。分割之后，产生的结果既包含空间的基于区域增长的种子点，又包含光谱的每个栅格对象像素概率属性，这个过程将改善处理结果的可靠性。

(4)属性计算

完成影像分割后，采用合适的参数定义和计算对象的特征空间，是面向对象分类的关键技术问题。Erdas 2011能够计算对象的光谱、空间、纹理、色彩空间与波段比等四类空间属性，光谱属性可计算对象各波段上的相元灰度值的均值和标准差;空间属性可计算对象的几何特征(如长度、面积等);纹理计算相元灰度值变化范围;色彩空间与波段比可计算对象的色调、亮度和饱和度等特征。对光谱、空间和纹理三种属性，选择全部指标参数参与属性运算，色彩空间选择3个RGB波段转换为HIS色彩空间来构筑对象的特征空间。

(5)样本选取与对象分类

采用对象训练样本选取方法提取经过定义和计算的属性特征，并以此来建立判别规则［9］。与监督分类方法不同，面向对象提取的样本是一个个经过分割和重新定义的“对象”，对象与对象之间的形状、大小、数量相互差异很大［10］。结合相关资料并结合目视解译，选取天津市中心城区和新四区水域特征明显，内部同质性强的样本数量20个进行训练学习。

通过Raster Pixel Processor(RPP)操作从原始影像上通过取样和训练水域像素区分水域和非水域像素，通过该步骤操作将产生含有水域像素值概率的影像。

利用Erdas 2011附带的Raster Object Operator(ROO)栅格对象算子操作所有可能水域的栅格对象，利用概率过滤器(Probability Filter)滤掉所有水域对象低概率的栅格对象，同时用一个ROO中心线转换器(ROO Centerline Convert)将所有可能的道路栅格对象转换为只含有单一的像素宽度的线性栅格对象。最后用Raster to Vector Conversion(RVC)模块完成栅格到矢量的转换，并用Vector Object Operators(VOO)矢量对象操作器中的Generalize operator、Line Link operator、Line Snap、Line Remove等算子完成矢量数据的最终编辑。

3 监测实例

采用2.1所叙的数据，利用上述方法和过程对天津市中心城区和新四区1995年，2007年和2011年的水域进行监测，得到的分类统计精度为92.38%，Kappa系数为 0.9167，得到的面向对象的分类结果如图2所示。

通过统计和实地调查发现:2007年的水域面积比1995年减少约 84.5 km2，主要是由于城镇化建设和工业化发展占用大量土地，小型湖泊和池塘面积不断减少;2011年的水域面积比2007年增加了约4.1 km2，增加幅度较小，这说明了从2007年到2011年该时间段内天津市中心城区和新四区的水域保持较好，三个年份的水域面积详细统计情况如表1所示。

图2 中心城区和新四区水域监测分类结果

三个年代的水域监测面积统计 表1

4 结论

文章利用面向对象的遥感影像分类技术，对天津市地理市情监测中的中心城区和新四区水域面积变化情况进行了监测，得到了被监测区域的水域面积的量化指标，探讨了面向对象的遥感影像分类技术在地理国情监测中的应用，为地理国情监测地表覆盖专题的监测累积了经验。

［1］桂德竹.贯彻中央一号文件推进地理国情监测［N］.中国测绘报，2011－05－06.

［2］王倩，姜晓虹.从美国测绘部门的转型发展看地理国情监测［N］.中国测绘报，2011－05－10.

［3］李德仁.地球空间信息学的机遇［J］.武汉大学学报·信息科学版，2004，29(9):753 ～756.

［4］苏伟，李京，陈云浩等.基于多尺度影像分割的面向对象城市土地覆被分类研究——以马来西亚吉隆坡市城市中心区为例［J］.遥感学报，2007，11(4):521～530.

［5］陈杰，邓敏，肖鹏峰等.基于分水岭变换与空间聚类的高分辨率遥感影像面向对象分类［J］.遥感技术与应用，2010，25(5):597 ～603.

［6］莫利江，曹宇，胡远满等.面向对象的湿地景观遥感分类——以杭州湾南岸地区为例［J］.湿地科学，2012，10(2):206～213.

［7］HayGJ，BlasehkeT，MareeauDJ，etal.A comparison of three image－object methods for the multi－scale analysis of landscape structure［J］.ISPRS Jounal of Photogrammetry Remote Sensing，2003，57(5，－6):327 ～345.

［8］Ewel K C.Appreciating tropical coastal wetlands from a land－scape perspective［J］.Frontiers in Ecology and the Environment，2010，8(1):20 ～26.

［9］Yildiz S，Ozbek M，Tasdemir A，et al.Identification of predominant environmental factors structuring benthic macro invertebrate com－munities:a case study in the Kucuk Menderes coastal wetland(Tur－key)［J］.Fresenius Environmental Bulletin，2010，19(1):30 ～36.

［10］彭海涛，柯长青.基于多层分割的面向对象遥感影像分类方法研究［J］.遥感技术与应用，2010，25(1):149～154.