基于面向?qū)ο蟮亩喑叨壬降爻鞘型恋馗采w信息的獲取方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及圖像處理領(lǐng)域，特別涉及一種從遙感圖像中基于面向?qū)ο蟮亩喑叨壬?地城市土地覆蓋彳目息的獲取方法。
[0002]
【背景技術(shù)】
[0003] 隨著遙感衛(wèi)星技術(shù)的發(fā)展，高空間分辨率的遙感影像以細(xì)節(jié)更加清晰、信息更加 豐富等特點(diǎn)，被廣泛地應(yīng)用于城市土地變化/土地覆蓋信息提取。山地城市覆蓋地物同譜 異物和同物異譜現(xiàn)象嚴(yán)重，用地類型多樣，紋理豐富，地類之間空間關(guān)系錯(cuò)綜復(fù)雜，土地覆 蓋信息提取難度大。傳統(tǒng)遙感影像分類方法主要利用像元的光譜特征，很少利用地物的紋 理、幾何特征，對(duì)中低分辨率遙感影像分類效果較好，而高空間分辨率影像像元的光譜特征 比較單一，同類地物呈現(xiàn)出很大的光譜異質(zhì)性，不同地物的光譜特征相互的重疊，出現(xiàn)同譜 異物和同物異譜，傳統(tǒng)基于像元的遙感影像分類方法已經(jīng)很難得到滿意的結(jié)果。
[0004]

【發(fā)明內(nèi)容】

[0005] 針對(duì)上述現(xiàn)有技術(shù)的不足，本發(fā)明所要解決的技術(shù)問(wèn)題是：提供了一種分類精確 度高、減少同譜異物和同物異譜現(xiàn)象的基于面向?qū)ο蟮亩喑叨壬降爻鞘型恋馗采w信息的獲 取方法。
[0006] 為了解決上述技術(shù)問(wèn)題，本發(fā)明采用的一個(gè)技術(shù)方案是：提供一種基于面向?qū)ο?的多尺度山地城市土地覆蓋信息的獲取方法，包括以下步驟： 5101、 預(yù)先建立分類體系，其中，所述分類體系至少包括水體類、林地類、草地類、耕地 類、建筑用地類、道路類其中的一種或幾種； 5102、 對(duì)拍攝到的遙感圖像進(jìn)行多尺度影像分割； 5103、 將每一次分割后的圖像進(jìn)行對(duì)比，以確定最佳分割尺度圖像，其中，每一次分割 后的圖像均由若干不同形狀大小的圖斑組成； 5104、 建立每一地類的模糊分類標(biāo)準(zhǔn)，將最佳分割尺度圖像中符合該模糊分類標(biāo)準(zhǔn)的 圖斑對(duì)應(yīng)歸分類至相應(yīng)的地類中； 5105、 建立最臨近分類標(biāo)準(zhǔn)，將最佳分割尺度圖像中未被分類的圖斑進(jìn)行最臨近分類， 以將未被歸類的圖斑分類到特征最接近的一地類中，從而實(shí)現(xiàn)影像對(duì)象的完全分類； 5106、 生成分類后的圖像，合并所分類別，生成分類后圖像。
[0007] 進(jìn)一步的，在S106步驟之后，還包括： 5107、 基于實(shí)際采集的樣本點(diǎn)數(shù)據(jù)對(duì)分類后生成的圖像進(jìn)行驗(yàn)證分析。
[0008] 進(jìn)一步的，在S105步驟之后，還包括： 判斷遙感圖像中所有的圖斑分類效果，若判斷得到分類效果較差，則返回S104步驟以 重新建立每一地類的模糊分類標(biāo)準(zhǔn)。
[0009] 其中，在S104步驟中，包括以下子步驟： 51041、 確定每一地類的樣本，提取該樣本的主要特征以及特征分布范圍值，其中，所述 主要特征包括該樣本的光譜特征、紋理特征、幾何特征； 51042、 確定最佳分割尺度圖像中每一未歸類圖斑的每一個(gè)主要特征分布范圍值，根據(jù) 每一未歸類圖斑的每一個(gè)主要特征分布范圍值進(jìn)行歸一化計(jì)算，以得到每一未歸類圖斑歸 屬至上述地類的綜合概率值； 51043、 統(tǒng)計(jì)每一未歸類圖斑的綜合概率值歸屬上述地類的綜合概率值，若圖斑歸屬上 述地類中某一地類概率值最大，則將該圖斑歸至該地類，直至最佳分割尺度圖像中滿足模 糊分類標(biāo)準(zhǔn)的圖斑均被歸類到相應(yīng)的地類。
[0010] 其中，在S105步驟中，包括以下子步驟： 51051、 定義特征空間，所述特征空間包括分類體系中所有地類的主要特征和輔助特 征； 51052、 每一地類分別選擇至少一個(gè)的典型樣本，并把定義的特征空間預(yù)先設(shè)置到已建 立的分類體系中； 51053、 利用最鄰近分類算法，基于定義的特征空間和選擇的地類典型樣本，把未歸類 圖斑歸類到相應(yīng)的樣本對(duì)象中。
[0011] 本發(fā)明的一種基于面向?qū)ο蟮亩喑叨壬降爻鞘型恋馗采w信息的獲取方法，提出了 面向?qū)ο蟮纳降爻鞘型恋馗采w信息提取技術(shù)流程，通過(guò)試驗(yàn)實(shí)現(xiàn)了面向?qū)ο蟮纳降爻鞘型?地覆蓋信息的自動(dòng)化提取，并與傳統(tǒng)監(jiān)督分類結(jié)果進(jìn)行了對(duì)比分析。結(jié)論如下： (1)綜合利用對(duì)象光譜、紋理、幾何等特征的隸屬度函數(shù)分類法，先進(jìn)行模糊分類后，再 對(duì)未被模糊分類的圖斑進(jìn)行最臨近分類，結(jié)果能夠有效地克服同物異譜和同譜異物現(xiàn)象， 分類結(jié)果穩(wěn)定性好，分類效率高。
[0012] (2)面向?qū)ο蠓诸惸軌蛴行П苊?椒鹽"噪聲，分類結(jié)果具有很好的區(qū)域性和連貫 性。
[0013] (3)面向?qū)ο蠓诸惤Y(jié)果精度高，特別是對(duì)于山地城市中光譜特征特別相近的耕地 和草地、建筑用地和道路，分類精度分別提高了 28. 67%、9. 24%、10. 38%和8. 79%，有效地改 善了分類效果。
[0014] (4)面向?qū)ο蠓诸惙軌蚍謩e實(shí)現(xiàn)精細(xì)地物和大面積分布地類的快速高精度提 取，獲取到的土地覆蓋信息圖能夠?yàn)樯降爻鞘泄芾砗统鞘幸?guī)劃決策服務(wù)，具有一定的應(yīng)用 價(jià)值，同時(shí)由于研究區(qū)域的復(fù)雜性和研究對(duì)象的普適性，算法研究成果可以推廣應(yīng)用到其 它山地城市區(qū)域。
[0015]
【附圖說(shuō)明】 為了更清楚地說(shuō)明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技 術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見(jiàn)地，下面描述中的附圖僅僅是本發(fā)明 的一些實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來(lái)講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù) 這些附圖獲得其他的附圖。
[0016]圖1是本發(fā)明基于面向?qū)ο蟮亩喑叨壬降爻鞘型恋馗采w信息的獲取方法第一實(shí) 施例的流程圖。
[0017] 圖2是第一實(shí)施例中以20為分割尺度的分割尺度圖像。
[0018] 圖3是第一實(shí)施例中以30為分割尺度的分割尺度圖像。
[0019] 圖4是第一實(shí)施例中以40為分割尺度的分割尺度圖像。
[0020] 圖5是第一實(shí)施例中以50為分割尺度的分割尺度圖像。
[0021] 圖6是本發(fā)明基于面向?qū)ο蟮亩喑叨壬降爻鞘型恋馗采w信息的獲取方法第二實(shí) 施例的流程圖。
[0022] 圖7是利用現(xiàn)有技術(shù)中監(jiān)督分類法所獲得的圖像。
[0023] 圖8是利用本發(fā)明的分類方法所獲得的圖像。
[0024]
【具體實(shí)施方式】
[0025] 下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完 整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；?本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒(méi)有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他 實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。
[0026] 請(qǐng)參見(jiàn)圖1，圖1是本發(fā)明基于面向?qū)ο蟮亩喑叨壬降爻鞘型恋馗采w信息的獲取 方法第一實(shí)施例的流程圖。本實(shí)施例的基于面向?qū)ο蟮亩喑叨壬降爻鞘型恋馗采w信息的獲 取方法，包括以下步驟： SlOl、預(yù)先建立分類體系，其中，所述分類體系至少包括水體類、林地類、草地類、耕地 類、建筑用地類、道路類其中的一種或幾種； 本發(fā)明從土地覆蓋分類的基本原則出發(fā)，以第二次全國(guó)土地調(diào)查的土地利用分類體系 和第一次全國(guó)地理國(guó)情普查的分類體系為基礎(chǔ)，結(jié)合山地城市土地覆蓋的特點(diǎn)以及研究區(qū) 的具體地物覆蓋情況，構(gòu)建研究區(qū)土地覆蓋信息提取的一級(jí)分類體系。主要包括水體、林 地、草地、耕地、建筑用地和道路六大類。可以理解的，在不同的實(shí)施例中，所述分類體系所 包括的地類并不局限于上述描述。
[0027]S102、對(duì)拍攝到的遙感圖像進(jìn)行多尺度影像分割； 多尺度影像分割是基于像元的從下至上的逐級(jí)區(qū)域合并，實(shí)現(xiàn)遙感影像不同程度的抽 象描述，主要分割參數(shù)包括：分割尺度、光譜因子和形狀因子。分割尺度決定影像允許合并 的最大程度，分割尺度越大，生成的對(duì)象越少，內(nèi)部特征差異越大；光譜因子和形狀因子構(gòu) 成分割中的異質(zhì)性標(biāo)準(zhǔn)，其中光譜因子描述分割候?qū)ο笾泄庾V信息所占去權(quán)重大小，形狀 因子區(qū)分緊湊和不緊湊地類，分割后對(duì)象保持一定的幾何特征，體現(xiàn)分割結(jié)果的完整性和 整體性，用緊湊度因子和光滑度因子對(duì)其進(jìn)行描述。
[0028] 本實(shí)施例中，見(jiàn)圖2至圖5,通過(guò)多次試驗(yàn)，最終建立了一個(gè)分割尺度參數(shù)包括 20, 30, 40, 50的多尺度分割體系。QuickBird影像波段較少，全部參與分割；同時(shí)光譜特征 作為遙感影像最主要特征，光譜因子設(shè)置較高的權(quán)重0. 9,相應(yīng)的形狀因子權(quán)重為0. 1 ;其 中描述形狀因子的光滑度和緊湊度各自設(shè)置為〇. 2和0. 8。
[0029]S103、將每一次分割后的圖像進(jìn)行對(duì)比，以確定最佳分割尺度圖像，其中，每一次 分割后的圖像均由若干不同形狀大小的圖斑組成； 從圖2至圖5可看出影像分割尺度與影像對(duì)象數(shù)量的變化趨勢(shì)。其中：分割尺度為 20時(shí)影像存在過(guò)度分割，跟個(gè)后對(duì)象過(guò)于細(xì)小和破碎，幾何、紋理特征基本看不出來(lái)；分割 尺度為30時(shí)，部分地物輪廓基本被分出，但大多數(shù)地物仍然過(guò)于破碎，紋理、幾何特征不明 顯；分割尺度為40時(shí)，對(duì)象間邊界清晰，整體向較好，幾何、紋理等特征明顯，易于區(qū)分不同 地類；分割尺度為50時(shí)，對(duì)象邊界清晰但存在明顯的錯(cuò)分現(xiàn)象，隨著尺度的增大，錯(cuò)分現(xiàn)象 越來(lái)越嚴(yán)重，不利于地物的提取。綜合分割結(jié)果，選