基于面向对象的高分影像地表覆盖典型要素快速提取对比研究

陈济才，文学虎，李国明

（四川省第三测绘工程院，成都 610500）

1 引 言

高分辨率遥感影像包含了丰富的地球表面信息，但地物颜色多样，纹理结构复杂，面临着如何最大限度地挖掘影像潜力的问题［1］。传统的信息提取主要是根据地表覆盖的光谱特征，基于像元来进行提取地物，由于房屋、道路、林地和耕地等的像元的形状、纹理等波谱信息较为类似，很难使用此方法进行区别，错分漏分现象较为严重［2］。基于像元光谱信息的影像分割、分类以及所得到的自动提取结果远远不能满足地理国情普查地表覆盖要素提取结果的精度要求。而面向对象的影像分析技术是集合临近像元为对象用来识别感兴趣的光谱要素，充分利用高分辨率的全色和多光谱数据，利用空间、质地、光谱信息来分割和分类，生成高精度的分类结果或者以矢量方式进行输出［3］。

目前全国第一次地理国情普查正在实施，但目前并没有可直接利用的高分影像要素提取相关技术。因此，本文采用面向对象的解译方法对地表覆盖典型要素进行快速提取研究，为地理国情普查提供技术支持。

2 软件选取

从要素提取处理过程的流程化程度和规则集的开发两方面考虑，本次试验主要选取了ENVI EX、Titan Image和eCognition（易康）3款软件进行快速提取技术对比试验研究。

ENVI EX的核心功能是面向对象特征提取工具，可面向对象提取遥感影像地表要素，并使其过程操作流程化［4］。

Titan Image的面向对象提取技术结合了ENVI EX的样本训练区选择和eCognition（易康）的隶属度函数方法，依据样本训练区的特征值计算得到高斯分布的样本特征值隶属度函数曲线，实现要素的自动提取［5］。

eCognition（易康）是基于目标信息的遥感信息提取软件，其采用决策专家系统支持的模糊分类算法，采用面向对象的分类技术，通过规则集的开发实现针对性的类别要素自动提取［6］。

3 影像自动分割分类与评价

3.1 数据选取

本次试验采用的数据是四川省成都市某区域2012年5月 WorldView－2影像，0.5m分辨率全色影像，2m分辨率多光谱影像。经过辐射校正和几何精校正，已改正影像的灰度失真和几何误差。其原始图像如图1所示。

图1 原始影像（左：多光谱影像，右：全色影像）

3.2 影像分割、分类

全国第一次地理国情普查中，地理国情地表覆盖分为12个1级类，49个2级类，86个3级类。在仅有的遥感影像以及专题数据的基础上，并不能通过软件实现全部地理国情地表覆盖要素的自动提取，并使结果达到项目精度要求。因此，一些2级、3级类仍需人工判别，自动提取的结果也需后续的人工处理。因此本次根据现有的资料以及实验区地表覆盖要素情况，主要针对房屋、道路、耕地、林地和水体五大典型要素进行了自动提取试验，五大典型要素均为地理国情普查内容1级分类。

①ENVI EX

在ENVI EX流程化处理过程中，先是对影像参照一定尺度分割、融合，然后采用选择样本的方式进行分类。除了通过选样本的方式分类外，也可使用规则的方式分类，由于ENVI EX中的规则不够强大，故本次在ENVI EX里不使用规则分类的方法进行分类，着重利用软件eCognition开发规则集进行要素的提取研究。其分类结果如图2所示。

②Titan Image

利用Titan Image软件对影像进行多尺度分割时，需要首先将影像转换成8bit的unsigned integer栅格影像。Titan Image软件中面向对象分类包括规则分类和决策树分类，由于软件中隶属度函数较为丰富，故本次试验采取规则分类方法进行要素提取。该软件面向对象规则分类的主要步骤包括图像分割、训练样区的选择、添加隶属度函数和执行分类，其分类结果如图2所示。

图2 分类结果（左：ENVI EX分类结果，右：Titan Image分类结果）

③eCognition（易康）

为得到最佳的分割效果的对象，分类前先验证不同地物的最优分割参数，其过程是固定尺度、形状、紧致度这3个参数中的52个参数，而改变另外1个参数的不同数值，进行不同参数的分割结果的比较。本次试验分割影像时，首先在易康软件里使用canny的边缘检测算法对影像进行了一次边缘检测计算，检测出影像线性地物的边缘，然后把得到的边缘检测结果参与到分割中去，且权重设置的相对高一些，这样有助于多尺度分割算法创建出线性地物边界的对象［2］，并根据道路、房屋矢量专题图层不参与分割、分类，道路、房屋矢量专题图层参与分割、分类这2种情况，开发出了2套规则集进行要素提取试验。第1套规则集的建立采取由易到难的策略进行地物要素提取，分类顺序为水体、林地、耕地、道路、房屋。水体提取采用了水体指数、红色比、亮度值等特征；林地与耕地的提取利用了植被指数、近红外标准差、全色中值等特征；道路提取采用了红色比、长宽比、植被指数、近红外标准差、密度值、距离等特征；房屋最难提取，本次试验是在最后的未分类类别里，采用了密度值等特征进行分类，分类效果一般。第2套规则集，房屋和道路的提取采用基于专题图矢量数据参与分类的方式，达到减少所需规则集分类特征数量、降低要素提取难度的目的；水体、林地、耕地的要素提取与第1套规则集建立所使用的分类特征相同。按照前面开发的规则集执行，自动提取出的分类结果如图3所示。

图3 分类结果图（左：eCognition（未参与专题图），右：eCognition（参与专题图））

3.3 分析评价

3.3.1 定性分析

（1）数据处理能力方面

对于这3款软件，分类之前，均要对影像进行分割，影像越大，分割越慢。ENVI EX与Titan Image分割、分类时受软硬件配置影响较大，针对大数据处理不具有批处理功能。eCognition（易康）的eCognition Server模块提供了影像批处理与平行分工的机制，可有效增进大量影像处理效率。在eCognition（易康）软件里，开发好规则集后，分割影像这一阶段占用的时间最多，经实际试验验证，若配置N个Server，可将分割影像的时间减少到1／N，并可实现多工程批处理，十分有利于大数据分割、分类，能够提高数据处理的效率，具有可行性。

（2）分类整体结果方面

分类结果破碎程度从高到低顺序为：ENVI EX、eCognition（专题图不参与分割分类）、Titan Image、eCognition（专题图参与分割分类）；分类结果误分、漏分程度从高到低顺序为：ENVI EX、eCognition（专题图不参与分割分类）、Titan Image、eCognition（专题图参与分割分类）。由上面的比较结果来看，参与其他可利用栅格或者专题图资料，利用eCognition（易康）进行地表覆盖要素自动提取，给后续的人工处理造成的工作量较少，具有可行性。

3.3.2 定量分析

（1）定量评价方法

简单随机抽样方法是遥感试验结果精度检验经常用到的抽样方法之一，该方法能在保证检验精度的前提下，操作简单，易于实现。因此，本次试验，在得到分类结果后，根据分类得到的结果进行分类精度定量评价。评价采用如下方法进行：在ArcGIS中，基于此试验区域自动生成100个随机点，指派经验丰富的解译人员对上述样本点结合影像进行判读并填写判读地类，将样本点文件导入eCognition Developer中并转化为样本，结合4种情况的自动分类结果，进行精度评价。其流程图如图4所示。

图4 精度评价流程图

（2）定量评价结果

按照上述方法，得到3种软件、4种情况的分类结果精度评价，精度评价如表1至表5所示。通过表1至表5可以发现，ENVI EX、Titan Image以及eCognition（专题图不参与分割分类）的3种情况的自动分类结果，只有水系精度较高，其他地表覆盖典型要素分类容易互相混淆，各项精度均较低。只有参与房屋和道路专题图层自动提取的最后分类总体精度（Overall Accuracy）超过了80%，这对于实验区来讲，分类结果还是比较令人满意的。同时，根据统计结果可以得到如下结论：房屋、道路、水系信息提取的效果较好，相对而言，由于本次试验数据为成都市某城乡结合部5月份遥感影像数据，林地与种植有作物的耕地光谱特征差异较小，完全区分开来有一定的难度，今后有待于进一步研究。

表1 ENVI EX分类结果精度评价

表2 Titan Image分类结果精度评价

表3 eCognition（未参与专题图）分类结果精度评价

表4 eCognition（参与专题图）分类结果精度评价

表5 分类结果总体精度评价

4 结束语

通过试验研究发现ENVI EX不用建立规则集，对技术员的要求不高，但分割影像时，不能使用其他可利用的栅格或专题图文件参与分割，分割斑块属性少，分类时容易误分、漏分，碎斑较多，后续人工处理的难度较大；Titan Image软件不用开发规则集，只需要添加合适的隶属度函数，调整函数的参数即可，提高了效率，降低了对技术员的要求，但容易受人的主观影响，无法人为开发一套针对性较强的分类规则，结果受样本的影响较大；eCognition（易康）不需要选择样本，直接通过开发规则集的方式进行分类，也可利用已有的一些栅格或者专题图数据对影像进行分割、分类，并利用规则集对每一分类结果进行逐步优化，分类结果精度较高，对于地理国情监测地表覆盖典型要素自动提取具有可行性。

［1］王建芳，包世泰.面向对象解译方法在遥感影像地物分类中的应用［J］.热带地理，2006，26（3）：234－238，242.

［2］许高程，毕建涛，王星星，等.面向对象的高分辨率遥感影像道路自动提取试验［J］.遥感信息，2012（2）：108－111.

［3］常春艳，赵庚星，王凌，等.滨海光谱混淆区面向对象的土地利用遥感分类［J］.农业工程学报，2012，28（5）：226－231.

［4］王春泉.面向对象的遥感影像信息提取技术研究与实现［D］.青岛：山东科技大学，2005.

［5］刘伟东，徐建，张海霞.面向对象分类方法在全国第二次土地调查中的研究［J］.遥感信息，2009（6）：73－76.

［6］刘彦随.中国土地资源战略与区域协调发展研究［M］.北京：气象出版社，2006：602－608.