基于eCognition的混合对象分类方法研究

2014-08-16王铁军任思思

测绘通报 2014年3期

王铁军，任思思，徐明

(黑龙江地理信息工程院，黑龙江哈尔滨 150081)

一、引言

遥感影像的自动解译一直是研究的热点，也是难点。目前，主流的遥感影像处理软件如eCognition(易康)、ERDAS、ENVI都能够提供遥感影像自动解译功能。其中eCognition是由德国Definiens Imaging公司开发的智能化影像分析软件，提供面向对象的遥感信息提取功能，具有独特的多尺度分割技术。

遥感影像的自动解译包括分割和分类两个步骤，其中分割是分类的基础，分割的好坏决定着分类的精度及后续手工编辑的工作量。将eCognition软件的多尺度分割结果与影像进行对比，可以发现虽然分割线大部分与影像纹理对象套合，但仍然存在分割对象包含多种地物，即“混合对象”的现象。这种混合对象的存在，一方面导致分类容易出错，另一方面手工编辑时还需要分裂对象，导致工作量大大增加。本文以这种混合对象为研究内容，探索应用多种手段使结果更加准确，即分割线更加符合地物的边界。

二、eCognition多尺度分割原理

eCognition的多尺度分割考虑地表信息在影像上不同的尺度有不同的表现，根据地物的不同尺度大小按多种尺度进行分割。多尺度分割算法是基于区域合并技术的，从任一个像素开始合并直至形成一个对象(影像区域)。相邻对象的合并是基于两个可量测的异质性变化因子：光谱异质性变化因子和形状异质性变化因子，它们决定了影像分割生成的对象内部同质性和相邻对象异质性的适宜程度。

光谱异质性变化因子h光谱的计算公式为

(1)

式中，i表示第i个影像波段；wi表示第i个影像波段所占的权重，是由用户自己设定的；n是指对象所包含的像素数；σi是指在第i个影像波段中的像素值的标准差；a1和a2分别表示两个相邻的对象。

形状异质性变化因子h形状是由紧致因子h紧致和平滑因子h平滑决定的，它们的关系为

h形状=W紧致·h紧致+(1-W紧致)h平滑

(2)

式中,W紧致是指紧致因子的权重。紧致因子h紧致和平滑因子h平滑的定义如下

(3)

(4)

式中,n是构成对象的像素数；l是对象的边界长；b是对象外接矩形的周长。

两个相邻对象是否合并由光谱异质性变化因子h光谱和形状异质性变化因子h形状的权重和进行判断，权重和f定义为

f=w·h形状+(1-w)·h光谱

(5)

式中，w表示用户给光谱异质性变化因子设定的权重值。如果两个相邻对象要合并，就需要满足f

由多尺度算法的原理可以发现，在eCognition的多尺度分割中，需要设置的参数主要是尺度参数、形状因子的权重和紧致因子的权重。尺度参数是个相对概念，尺度参数设置越大，分割得到的对象越大。

三、分类试验

1. 试验区介绍

本文以内蒙古地区的黑戈壁为研究区域，地物主要由岩石地表、砾石地表和稀疏灌木构成，3种地表交错分布。黑戈壁地物构成相对简单，需要考虑的变量较少，避免了种类过多干扰主要的分类过程。影像是QuickBird影像，其中全色影像分辨率为是0.6 m，多光谱影像分辨率为是2.4 m，有红、绿、蓝、近红外4个波段。

2. 遇到的问题

对影像进行多尺度分割，将其可选参数进行多种组合的分割结果与影像进行对比，可以发现虽然分割线大部分与影像对象套合，但仍然存在分割对象包含多种地物，即“混合对象”的现象。

3. 混合对象的分类方法

针对上述遇到的实际问题，本文采用分级分割分类的思想，先将影像以一个比较大的尺度进行分割分类，地物分为4类：岩石地表、砾石地表、稀疏灌木和混合对象。然后根据地物特征再次进行分割分类，如针对已经分类为岩石地表的对象(其实际为岩石地表的置信度高，有部分砾石地表等混杂其中)再次进行分割分类试验，挑选出最合适的分割参数，将确信为砾石地表的分为砾石地表，确信为稀疏灌木的分为稀疏灌木，不能确定的对象分为混合对象。砾石地表、稀疏灌木和混合对象的处理方法同岩石地表，最后需要处理的是混合对象。对混合对象多次进行分割分类，一直到混合对象的面积小于指标要求才结束分割分类，将混合对象就近归并。

4. eCognition分类试验

在eCognition中按照设计的流程建立规则集，针对地物特点进行三级分割分类(如图1所示)。

图1 影像分类结果

5. 分析比较

比较多尺度分割效果的同一地区，如图2所示，可以看出分割的边界与人工判读的边界比较套合。试验证明，在本文的尝试处理过程中可以减少“混合对象”的产生，使分类边界更加符合实际地物边界。

图2 最终分类边界

四、结束语

对试验中的影像，如简单采用eCognition自动解译，会使后续人工处理混合对象、改进分类成果工作量巨大，处理速度甚至不及手工解译。针对这一现象，本文尝试从以下两个方面进行优化处理，从而减少混合对象的产生，并对混合对象进行专门处理。这样，一方面可以提高地物分类的准确度，减少错分的发生；另一方面，减少了后续手工编辑的工作量，大大地提高了影像解译效率。

1. 应用多级分割手段

eCognition的多尺度分割算法，就是根据分割参数计算出对象是否合并。一套分割参数不能适宜所有地物，不能保证每种地物的分割效果都好。本文在对混合对象分类方法研究的过程中，采用多级分割的方式，就是在多尺度分割基础之上，试验出每一种地物最适合的分割参数，在第一级分割之后不同地物适用不同分割参数，从而得到更好的分割效果。