遥感影像有效基元分析系统设计

刘兴权，李全文

（中南大学地球科学与信息物理学院，长沙410083）

遥感影像有效基元分析系统设计

刘兴权，李全文

（中南大学地球科学与信息物理学院，长沙410083）

针对现有软件对遥感影像分割过程得到的斑块不提供动态的有效性评价机制，该文使用ArcGIS Engine的功能接口开发模拟遥感影像的多层次分割过程，并实现分割斑块有效性的动态判断。在此基础上完成自适应多层次分割策略的模拟分析验证，为验证影像分割策略是否合理提供有效的评价工具。

ArcGIS Engine；面向对象；有效基元；影像层次分割

0 引 言

在遥感影像进行覆被分类解译得到各种地物分类斑块后，由于所得的类别斑块可能是唯一属于一个语义类，也有可能包含多个语义类。因此分类后的一个重要步骤是对覆被分类的结果进行精度分析和评估以判断分类结果是否满足应用需求［1］。目前ENVI、Erdas等主流软件的评价方法是基于手动选中或者输入被认为是正确的专题样本代表整幅影像数据作为精度比较的依据［2］。执行评价的过程只能是在这些软件完成影像覆被类别输出后才能使用相关的精度分析方法进行精度评价。通常使用基于误差矩阵（error matrix）以及相关的Kappa分析方法、模糊评价方法、像元尺度上的不确定性评价方法等方法对分类结果进行静态的不确定分析［3］。由于受解译人员的经验认知和检验数据精度等多种因素的影响，初次的分类结果往往出现误分率较高的现象［4］，通常需要经过多次的样本修正、重新分类才能达到较好的分类效果。这种在得到分类结果后对分类斑块特征，包括地物类别斑块大小、平滑度、破碎程度等进行合理性评价的方法属于后验性方法，限制了类别生成过程综合信息的充分利用。使用面向对象的多层次分割方法进行分类的重要步骤是分割，分割结果是否合理同样需要通过调整分割的参数经过多次的尝试才能得到较好的分类结果［5－6］，分割结果的优劣的评价同样和传统分类方法类似，是属于后验性评价。无论是使用传统的Erdas、ENVI软件进行分类还是使用面向对象的eCognition软件进行分类，分类所得到斑块类别是否合理都是在得到类别结果后再进行静态样本对比分析，然而在影像多次的分割尝试或者分类尝试过程中所产生的额外信息没有被充分利用。例如，在eCognition面向对象分类软件中，在多次进行分割的时候，会得到不同尺度下分割“Layer”集合和斑块集合，这些集合包含着斑块范围、层次包含关系和母斑块与子斑块存在上下的继承关系［7］，在每一次采用不同尺度分割的时候原来的同一个区域得到的斑块数量和形状都可能发生变化。在分割过程，随着分割尺度变化而变化的斑块、斑块和子斑块之间、斑块和分割尺度增量［8］等信息没有用于评价最后得到的斑块的有效性。现在的软件没有提供对分割过程得到的斑块进行有效性测度的工具，一定程度上限制了更为优秀的自适应的分割策略的设计。针对目前软件在对影像分类过程中由于缺乏有效评价工具而使得层次分割信息被忽略的问题，本文在参考借鉴遥感分割最优样本判别基础上［9］，设计一个基于ArcGIS Engine和eCognition层次数据的遥感影像分割单元有效性的分析模拟系统，实现面向对象分割过程的模拟和自适应分割，并对获取的基元进行有效性判别。

本文在参考相关遥感影像分割处理系统［10］基础上完成系统设计开发。主要实现对遥感影像层次分割过程的动态模拟和分割层次的记录、遥感影像分割过程产生的斑块集合的几何信息的统计；并将遥感斑块对于分类有效性的判别公式加入到分析系统中，对分割过程得到斑块进行动态的有效性分析以获取最优影像基元，实现影像的自适应分割的模拟。系统以动态直观的方式展现遥感影像的分割过程和分割趋势，以静态的方式获取分割过程的几何统计信息。本文以ZY－3号遥感影像作为分割效果的说明。系统的实现为制定相应的遥感影像分割策略提供有效的分析工具。

1 有效基元特征表达

目前对于“基元”的获取和测度多是采用面向对象的多层次分割方法实现。使用面向对象的分割方法对遥感影像进行分割得到“分裂”的影像小单元称为图元“Image Object”或者基元，每个基元包含一组光谱异质性相同或者接近的像素集［7］。在某个分割层次中每个基元提供该区域的相关信息，如mean DN、Standard Deviation DN、形状指数等信息。

目前关于有效基元的表达有多种描述，如最小面积类别的最大分辨率，不同类别的地物提取的最优分割尺度条件的基元［11］，改进局部方差的最优多级分割尺度［12］等。遥感解译的目的就是要从影像中获取特定的目标地物信息，在覆被分类中就是要使得影像分割得到的基元尽可能地接近地物的覆被范围。因此在参考现有影像分割和对图元斑块研究基础上，本文对有效基元的定义是：在给定的制图比例尺下使用面向对象分割方法分割得到的基元只能唯一地归属于一个语义类。基元内部不包含其他的语义类。如图1（a），在a分割尺度下得到的B基元内部还包含没有被分割出来的E林地，那么B基元就不属于有效基元，A坑塘和D林地以及C1、C2居民斑块都满足有效基元定义，但是C1、C2不是最优基元；图1（b）中，分割尺度b下得到的居民点C斑块属于最优基元。

图1 有效基元示意图

如图1所示，每个斑块的上下文背景和左右斑块的关系从层次关系网中计算得到。根据以上斑块的概念定义设计系统的评价指标和判别模型。

2 系统设计

2.1 系统目标

本文设计的分析系统主要实现对遥感影像层次分割过程的动态模拟，动态分析判断，层次分割过程获得的斑块的有效性检验，将层次分割结果输出，生成层次分割影像斑块关系图；为采取面向对象分割方法进行层次分割探寻遥感影像最优分割尺度和地物类别斑块的关系提供方法支持，即辅助制定合适的面向对象分割策略。

2.2 总体框架设计

遥感有效基元分析系统的总体结构可以分为数据层、功能模块层和用户操作层。其中数据层包括栅格数据和从eCognition导出的层次分割数据。功能模块层将用户操作层重复使用到的功能进行了模块化处理，使得操作层能以更高的效率执行运算。用户操作层主要是提供可视化界面、数据的输入窗口和输出的相关操作按钮等。系统的总体框架如图2所示。

图2 遥感有效基元分析系统框架

2.3 功能设计

根据系统的设计目的，遥感有效基元分析系统要能做到模拟eCognition自顶向下分割的过程，说明斑块什么时候是有效，有效特征是什么。因此，系统功能要包括eCogniton层次数据输入输出、分割尺度选择、动态显示分割过程、动态标识斑块有效性、根据有效度量模型计算斑块有效度和变化趋势等功能。在分割尺度往下降的时候，系统要能说明在哪个尺度，哪一个斑块应该停止分割（不再参与运算），哪个斑块应该继续往下分割。分割模块为模仿eCognition软件的自动分割判别过程，在该过程，能体现分割判断得到的有效基元相对于实际遥感影像单元是否一致，给出一致性的响应值；在不同尺度的裂变过程计算不同分割尺度对应的斑块特征。在从顶层尺度往下降的过程，给出整幅遥感影像或者遥感影像的子区域的分割过程的斑块信息统计变化图。

具体操作时，可以根据实验数据的不同选择不同的分割尺度，在执行运算的时候，提供遥感影像实时分割中斑块的裂变过程，以原始遥感影像作为底图可以进行目视匹配对比，从而直观判断所得到的分割斑块是否真实满足有效性要求。总体功能如图3所示。

为评价遥感影像分割过程的有效性水平，系统将斑块状态定义为3类，分为待定斑块、有效斑块、无效斑块。而有效斑块又可以分为“变化斑块”和“非变化斑块”。所有没有经过有效性判断的都是待定“待判斑块”，分割裂变得到的待定斑块通过了有效性判断则得到“有效斑块”，未通过有效性判断的斑块为“无效斑块”，无效斑块需要继续进行分割直到满足限制条件为止。每个类型的斑块以不同标识区分显示，图4表示各种斑块的层次分割关系。

图3 遥感有效基元分析系统总体功能

图4 斑块的层次分割关系

2.4 系统运行流程

遥感有效基元分析系统的总体系统算法执行流程如图5所示。首先需要读取eCognition的层次数据和原始的tif遥感影像，其中eCognition数据和tif数据具有相同的坐标投影信息，tif数据作为eCognition层次分割结果的底图。在读取数据后需要设置影像分割的阈值，该阈值表示遥感影像在分割过程得到的斑块的有效性程度，不同遥感影像可以设置不同的阈值。由于eCognition得到的是层次数据，对遥感影像进行分割模拟过程，同样需要设置分割的最小尺度参数，一般而言，可以根据影像的分辨率自动计算遥感影像分割的最小尺度。由于本系统设计主要是针对空间分辨率在10m到1m之间的遥感影像，因此本系统对应于该分辨率的最小截止尺度可以是45。

对遥感影像分割的模拟过程和使用eCognition进行的分割过程完全一样，为了能更好评价eCognition在多层次分割过程中斑块的层次信息用于评价分割斑块的有效性，这里引入了斑块的有效性测度模型Sv（L），利用该模型可以将影像在层次分割过程中实时计算斑块的有效值的大小。计算得到有效值Sv后，需要同输入的截止阈值IS进行比对，判断斑块是否属于有效斑块。如果满足有效斑块条件，那么就可以将所得到的底层分割数据导出进行进一步的分类处理。

3 系统实现

面向对象的影像分析技术在遥感领域得到了广泛的应用。其核心思想是地理学中的最邻近相关定律，根据影像临近象元的相关性采取区域异质性合并算法在给定的合并截止阈值下（分割尺度）可以合并得到一定尺度的斑块（Object－oriented），即影像处理的最小单元［11］。将得到的斑块取代传统的以像元为单位的影像分析方式，可以获取多维的斑块对象特征，如形状、空间、纹理、均值等特征［13］。实现该分割过程的即为层次分割技术，如HSEG、HSWO、分层聚会等多尺度分割算法［14］。目前应用比较成功的eCognition面向对象分割软件采用的是分形网络演化算法实现多层次分割。使用eCognition按照自顶向下的分割方法，从顶层的大尺度开始采用多层次分割技术逐次分割，写入层次属性，那么导出的斑块就具有了层次关系［7］，如图6所示。本文的关键分割过程是在参考层次分割基本原理基础上进行模拟。

根据eCognition的层次分割策略可知，在进行遥感影像多层次分割时，是基于像素的异质性阈值逐一进行合并，记录合并的过程，最后得到某一个分割尺度下的斑块对象的集合，本质是层次合并的过程。可以说eCognition的分割过程实际就是从像素级开始的自底向上的合并过程。eCognition对遥感影像的多层次分割如果按照自底向上进行，需要通过合并同质性阈值（或者引入其他改善的松弛因子）的调整合并得到满足预期要求的影像斑块，该过程和自顶向下过程具有明显的信息变化差异。

在影像解译的时候总是希望分割得到的斑块尽可能接近某个单一的地物覆被类别，采取自顶向下的分割过程就能通过多层次分割过程斑块的“稳定性”判断斑块的有效性以决定是否对当前斑块继续分割。因此本文设计的分析系统采取的是自顶向下的判别结构。使用该结构对高分辨率遥感影像用eCognition采取自顶向下的分割策略导出eCognition数据作为模拟研究的实验数据。

现有的遥感软件虽然也提供二次开发接口，但是鉴于对eCognition进行底层开发的复杂性和耗时同时也考虑到对分割策略的评价方面侧重于方法和结果是否有效的考虑，本文选择以ArcGIS Engine作为二次开发平台、C＃作为开发语言对eCognition的核心分割过程进行模拟，并在此基础上加入本文设计的评价模型完成系统开发。开发中使用ArcGIS提供的ArcObjects功能接口并参考eCognition提供的层次数据结构可以比较高效地设计开发出系统需要的验证功能。如果某一个分割策略经过本系统的实证测试表明所设计策略的结果能满足预期，那么下一步则可将该分割策略的实现改为由eCognition提供的底层接口开发。

3.1 开发关键步骤

系统实现过程最为关键的步骤是分割模块的实现过程，ArcObjects本身没有遥感影像的实际分割算法。但是在面向对象的遥感影像的分割中“分割”的含义不单是将大的斑块割裂成小的几个斑块，还包括将小的斑块合并成大的斑块的过程［15］，只要控制每次合并的尺度那么就能得到不同尺度下的分割斑块，eCognition的多层次分割过程可以看做是对以像元级别的斑块逐一按照不同的尺度进行合并实现分割的。正是根据遥感影像面向对象的这个“分割”原理，系统实现的关键则转变为如何实现遥感影像最底层斑块的分层合并问题，该过程类似于改进的分水岭分割算法。

根据以上原理，本文设计的系统是从遥感影像进行过分割的数据开始执行。在模拟eCognition的分割过程需要用到ArcObjects的ESRI.ArcGIS.Geometry接口和ESRI.ArcGIS.Geometry命名空间。首先需要用IGeoDataset定义一个地理数据集，使用IGeometry定义一个几何数据包用以接收地理数据集的空间参考信息，使用IGeometryCollection存储数据集。然后根据用户输入的阈值作为判别条件，使用IFeatureCursor遍历输入的FeatureClass层次数据，将满足条件的要素存放到IGeometryCollection定义的数据集中，之后调用IGeometryCollection的AddGeometry方法实现要素的合并，从而实现对eCognition多层次分割的模拟。

3.2 运行结果

系统运行的主界面如图7所示。在图7上部左侧的是包含eCognition输出的具有层次信息的数据，右侧是本文设计模拟的分割方法对原始栅格遥感影像的分割图。图中红色的线表示分割得到的斑块，斑块内部含有有效性标识“①”、“O”和“1”，不同组合表示不同含义。在执行分割时，分割尺度按照某个负增量递减的时候，如果斑块内部只包含1或者①，那么该斑块表示“有效斑块”，在分割尺度递减到下一层分割的时候，该斑块将不再参与分割。如果斑块内部包含O标记，那么该斑块就继续参与下一层次更小尺度的分割，直到影像内部所有的斑块都被标识为1或者①为止。

图7 遥感有效基元分析系统界面示意图

图7 的下部分是在执行影像分割过程得到的斑块有效性的动态计算值，红线表示输入的有效值的截止阈值IS。从有效值的变化情况就可以判断某个斑块有效性变化趋势及其最优分割对应的分割尺度，同时可以显示完成整幅影像的有效性判断所对应的分割尺度。根据动态生成的斑块有效性表可以分析eCognition得到的层次数据的规律，同时结合图7中右上部分生成的有效标识“O”“①”可以很容易地判断所设计的影像分割策略是否合理。从而对分割策略的有效性判断则转为了对分割斑块结果的统计规律的判断上，该过程形象直观表明遥感影像分割策略的优劣。

在完成层次分割时，结合现有软件对选择的某个顶层斑块（或者某个遥感影像的子区域）生成分割的树状图，如图8所示。该图的横坐标表示在eCognition中分割的真实尺度，纵坐标网表示斑块的标准差（Standard Deviation）。图8反映的是在遥感影像分割结束后某个影像区域分割得到的子斑块情况，以及所得到的子斑块的裂变和值的变化规律。结合图7可以从定量分析遥感影像分割过程的规律性。

图8 遥感影像分割斑块树状图

3.3 系统运行验证

完成系统开发后，本文以ZY－3号遥感影像数据作为系统运行效果的验证。所采用的ZY－3号遥感影像为4个波段，6m空间分辨率的多光谱数据，验证影像如图9所示。

使用本文方法对ZY－3号遥感影像进行分割得到的结果如图10所示，红色线条为分割斑块边界。对影像进行多尺度分割时，逐次缩小分割尺度进行优化运算，并记录分割得到属性信息。本系统所测得的多尺度有效阈值范围是200，即在尺度约为200时使用本文方法能获取良好的分割结果。图10所显示的分割状态标识为“①”“1”，说明影像分割结果已经满足有效基元约束条件。观察图10中ZY－3号遥感影像分割得到的斑块，影像分割结果良好，可以发现斑块具有良好的连通性，没有出现严重的破碎斑块现象和未分割现象。

图9 ZY－3号遥感影像

4 结束语

本文针对遥感软件缺乏动态评价影像分割过程得到的斑块有效性问题，提出基于ArcGIS Engine构建遥感有效基元分析系统；将ArcGIS中ArcObjects技术用于遥感影像分割单元的动态模拟和分析中，在模拟遥感影像多层次分割基础上，实现对遥感影像分割斑块的动态有效性判断。系统从矢量数据、表格数据和图形数据形式反映所设计的遥感影像分割策略的优劣。从影像分割的模拟结果可以很容易判断出影像在层次分割过程斑块具有的规律，这对指导遥感影像分割策略的制定具有很好的参考和借鉴意义。系统的设计实现也拓展了GIS技术用于遥感数据分析的方式。

图10 ZY－3号遥感影像分割结果

［1］ 刘旭拢，何春阳，潘耀忠，等.遥感图像分类精度的点、群样本检验与评估［J］.遥感学报，2006，10（3）：366－372.

［2］ ERDAS INC.ERDAS field guide［M］.Norcross GA（USA）：ERDAS，Inc.，2010.

［3］ 柏延臣，王劲峰.遥感数据专题分类不确定性评价研究：进展、问题与展望［J］.地球科学进展，2005，20（11）：1218－1225.

［4］ 陈忠，刘建国，汪国有.基于改进遗传算法遥感图像非监督分类研究［J］.计算机工程与应用，2008，44（19）：178－179，202.

［5］ 王爱萍，王树根，吴会征.利用分层聚合进行高分辨率遥感影像多尺度分割［J］.武汉大学学报（信息科学版），2009，34（9）：1055－1058.

［6］ 于欢，张树清，孔博，等.面向对象遥感影像分类的最优分割尺度选择研究［J］.中国图象图形学报A，2010，15（2）：352－360.

［7］ AG D.Definiens Developer 7User Guide［M］.Germany：2007.

［8］ 周亚男，骆剑承，程熙，等.多特征融入的自适应遥感影像多尺度分割［J］.武汉大学学报（信息科学版），2013，38（1）：19－22，封3.

［9］ TUIA D J，MUÑOZ M.Camps－Valls Remote sensing image segmentation by active queries［J］.Pattern Recognition，2012，45（6）：2180－2192.

［10］ 邴磊，孙芳芳，舒迟，等.基于遥感与GIS一体化的面向海事应用卫星遥感业务化系统研究［J］.遥感信息，2012，27（5）：96－101.

［11］ 罗开盛，李仁东，常变蓉，等.面向对象的最优分割尺度选择研究进展［J］.世界科技研究与发展，2013，35（1）：75－79.

［12］ 李秦，高锡章，张涛，等.最优分割尺度下的多层次遥感地物分类实验分析［J］.地球信息科学学报，2011，13（3）：409－417.

［13］ MATIKAINEN L.Object－based interpretation methods for mapping built－up areas［D］.Aalto University School of Science（Espoo，Finland），2012.

［14］ 邓富亮.高分辨率遥感影像多层次分割方法及应用研究［D］.北京：中国科学院遥感与数字地球研究所，2012.

［15］ MUÑOZ X J，FREIXENET X，CUFÍ，et al.Strategies for image segmentation combining region and boundary information［J］.Pattern Recognition Letters，2003，24（1－3）：375－392.

Analysis System Design of Validity of Remote Sensing Image Segmentation Unit

LIU Xing－quan，LI Quan－wen

（School of Geosciences and Info－Physics，Central South University，Changsha410083）

It is belongs to posteriori that the remote sensing segments’validity judgment and analysis with the existing software，which gets appropriate result through comparing different remote sensing image segment scale.It is a static split judgment.Such approach limits the full use of additional information during the dynamic segmentation process in remote sensing image，such as the number of multi－scale segment images’layers，segments and the relationship between them and so on.However，the design of many remote image segmentation tactics often involves the dynamic segmentation process information，and the existing software does not provide effective tools to evaluate the effectiveness of segments created in the dynamic segmentation process.So，we design a soft system to simulate the remote sensing images’multi－scale segmentation process with ArcGIS Engine function interface，and achieving the dynamic judgment of the validity of egmentation units；lastly，completing the multi－scale adaptive segmentation simulation and the verification of segmentation tactics.This presented approach provides a useful evaluating tool to check the reasonableness of a new segmentation.

ArcGIS Engine；object oriented；remote sensing validity unit；hierarchical image segment

10.3969／j.issn.1000－3177.2015.04.009

P407.8

A

1000－3177（2015）140－0049－06

2013－11－26

2014－08－06

国家自然科学基金（41102204）。

刘兴权（1962—），男，教授，主要从事GIS教学及GIS工程与应用研究。

E－mail：xqliu＠mail.csu.edu.cn