基于规则替换法的多源遥感数据地表覆盖信息提取

于 欢，孔 博，杨德生

(1.成都理工大学地球科学学院，成都 610059;2.中国科学院成都山地灾害与环境研究所，成都 610041;3.重庆市国土房管局信息中心，重庆 400015)

基于规则替换法的多源遥感数据地表覆盖信息提取

于 欢1，孔 博2，杨德生3

(1.成都理工大学地球科学学院，成都 610059;2.中国科学院成都山地灾害与环境研究所，成都 610041;3.重庆市国土房管局信息中心，重庆 400015)

为了更加有效地利用海量多源遥感数据提取地表覆盖信息，根据多源遥感图像决策级融合技术原理，提出了基于规则替换法的信息复合方法。通过对三江平原典型内陆淡水湿地的分类实验，验证了该方法的可行性与适用性，从而为地表覆盖状况调查及监测提供了一种新的技术方法。

规则替换法;多源遥感;信息提取;湿地;三江平原

0 引言

卫星遥感已成为国土资源调查、管理与保护的重要技术手段［1－3］。随着遥感技术的发展和不同卫星传感器对地观测技术的应用，同一地区的遥感数据呈现出多平台、多传感器，以及多光谱、多空间、多时间分辨率等特征。与单一源遥感数据相比，多源遥感数据的优越性主要体现在不同数据源之间的优势互补性上。将多源遥感数据进行复合，可以获得比任何单一源遥感数据更丰富且精确度更高的信息［4］。图像融合技术作为多源遥感数据复合的重要方法之一，近年来得到了广泛关注和深入研究［5－7］。该方法从信息表征层次上可分为像元级融合、特征级融合和决策级融合［8］3个层次，其中，决策级融合是最高层次的融合，是基于对影像的理解和识别基础上的融合:它首先对原始图像进行特征提取或加入辅助信息，再对有价值的数据运用判别准则和决策规则加以判断、识别和分类，最后将有用信息进行融合［9－12］。

本文提出的规则替换法属于决策级融合范畴，研究在替换法信息融合的基础上加入替换规则条件，形成基于规则的替换方法。将该方法用于地表覆盖信息提取，并以三江平原典型淡水湿地为实验对象，验证该方法的可行性与适用性，为多源遥感地表覆盖信息的提取提供新方法支持。

1 方法原理

替换法是以多源数据优势互补为目的，在多源遥感图像分类结果的基础上进行的。具体方法为:比较同组两幅图像总体分类精度和对应类别生产者精度与用户精度，将总体分类精度高的分类图像作为替换图像，另一幅作为被替换图像;如果替换图像中某一类别生产者精度与用户精度均比被替换图像的高，则搜索替换图像中该类别的所有像元，并用该类别标签取代被替换图像中相应像元的类别标签;对所有土地覆盖类别的精度逐一比较、替换后，最终生成新的分类图像［13］。

但是，在替换法应用过程中，如果简单地用替换类别完全取代被替换类别，在很多情况下其结果并不十分理想。原因是当被替换图像与替换图像中的各类别空间分布差异较大时，采用简单的单一类别完全替换方式会影响被替换图像中其他类别正确的空间分布情况，进而影响分类精度，因此有必要建立客观的替换规则，以便降低类别替换中存在不合理状况的机率。本研究提出的基于影像分类错分及漏分误差而产生的置信度替换规则，能有效防止由替换过程导致的类别二次错分，进而改善替换法的分类效果。

以RS1与RS2两幅图像上的水体信息替换为例，规则替换法的替换规则为:如果RS1图像总体分类精度比RS2图像的高，则选取RS1分类结果为替换图像，而RS2图像为被替换图像，即

If RS1=水体，RS2=水体;

Then RS2=RS1(直接将RS2值替换成RS1值，亦即置信度T设为100%);

If RS1=水体，RS2≠水体;

Then RS2=RS1(比较RS2水体的生产者与用户精度大小，设RS2被替换的置信度为T，T=(用户精度/制图精度)×50%)。

确定置信度的基本依据是:如果生产者精度与漏分误差互补，那么漏分误差大则表明被替换图像中相应地类提取不够完全，应该加大其替换力度;如果用户精度与错分误差互补，那么错分误差大，则表明被替换图像中相应地类已经冗余，应减少其再被替换为相应地类的机率。

当有两种以上图像时，则以每两种图像为一组，在每组中分别开展基于规则的替换，并进一步基于各替换结果再次分组和规则替换，以此类推，最终完成整个区域地表覆盖状况的信息提取(图1)。

图1 多源遥感图像的规则替换流程Fig.1 The diagram of rule－based substitution method for multi－source images

2 实例应用与分析

2.1 实验区与数据

实验区位于黑龙江省三江平原东北部(图2)。

图2 实验区位置示意图Fig.2 The location of experiment region

三江平原是全国最大的沼泽湿地分布区，在全球温带湿地生态系统中具有典型性和代表性;实验区覆盖了洪河和三江两个国家级湿地自然保护区，有3条主要水系(鸭绿河、浓江及别拉洪河)。研究中收集到的遥感数据如表1所示。

表1 遥感数据详细信息Tab.1 Detail information of remote sensing data

除上述遥感数据外，作者还分别于2007年5月、8月以及2008年5月对实验区及其周边地区进行了野外调查，在实验区内采集了314个GPS样点数据，同时又收集了其他科研人员在2005、2006年采集的GPS样点数据210个。这些样点经过地形图验证后，用于地表覆盖类型的识别及影像分类结果的精度评价。

2.2 多源遥感信息复合提取

为了获取更加客观、丰富的分类结果，以便将其用于替换法，研究中分别应用了非监督分类中的迭代自组织数据分析方法((ISODATA)［14－15］、监督分类中的最大似然法(MLC)［16－17］以及面向对象方法［18－19］对遥感影像进行分类，并基于误差矩阵对各地类分类结果进行用户精度与生产者精度评价，其结果如表2所示。

表2 不同分类方法的分类精度对比Tab.2 Classification accuracy comparison of different methods (%)

从表2可以看出，针对水体信息，Radarsat－2图像面向对象分类结果的用户精度及生产者精度总体要高于其他图像的水体分类精度，因此选择Radarsat－2图像进行水体信息提取，但Radarsat－2图像像幅的实际覆盖范围相对较小，不能完成整个实验区域的水体信息提取;QuickBird图像监督分类的提取效果也较好，但其像幅也未能完全覆盖整个研究区域，因此也只是利用其完成局部水体信息的提取;TM与ALOS图像监督分类的水体分类效果相当(均较好)，考虑到数据源的空间分辨率，最后选取ALOS图像进行监督分类，完成剩余区域的水体信息提取。针对旱地信息，QuickBird图像非监督分类结果的用户及生产者精度均为100%，因此用QuickBird图像完成局部旱地信息的提取;ALOS图像面向对象的旱地分类结果的用户、生产者精度均超过了93%，因此选择它完成剩余区域旱地信息的提取。以此类推，针对林地、草甸、水田、沼泽及建设用地信息，依次开展数据源的对比分析，并完成规则替换的地类选择，具体流程及相应的选择结果如图3所示。

图3 不同覆盖类型提取的数据源选择Fig.3 The choice of data source for different land cover types

结合以上分析结果，基于生产者精度与用户精度建立替换规则，在Matlab R2006a软件下编程，实现各分类结果的空间分布替换，最终获得实验区地表覆盖信息(图4)。

图4 规则替换法提取效果Fig.4 The extraction result of rule－based substitution method

基于误差矩阵对规则替换法复合分类结果进行精度评价，总体精度达到93.65%以上，较该方法应用前各影像的提取结果精度均有所提高，同时也验证了基于规则替换法进行多源遥感地表信息复合提取的可行性与有效性。

3 结论

本文研究了基于替换法信息融合的基本原理，引入规则替换条件，形成了基于规则替换方法的多源遥感地表信息提取新技术。以三江平原典型内陆淡水湿地区开展地表覆盖信息提取实验的结果表明:

(1)应用规则替换法提取结果的总体精度可以达到93.65%，较其他图像分类方法的提取精度有所提高，据此验证了该方法的可行性与适用性，为多源遥感地表覆被信息的提取提供了一种新的技术方法。

(2)规则替换法的应用前提是要有应用于替换过程的高精度分类结果，多种数据源的总体或个别地类分类效果会直接影响规则替换法应用的效果与精度。由于篇幅和时间上的限制，本文仅列举了TM、CBERS、ALOS、QuickBird及 Radarsat－2 等5种具有代表性的数据源和有限的实验来进行比较、验证与分析，将更多已有的遥感数据和分类算法纳入实验，还需投入大量的工作。

(3)规则替换法属于多源遥感决策级融合的地表覆盖信息提取，与现有的普通替换法相比，该方法基于影像分类错分及漏分误差而产生的置信度替换规则，这就有效减少了类别替换中存在的不合理状况，改善了替换法的效果。而与具有复杂理论基础的多数投票、证据理论等决策级融合方法相比，该方法原理简单、易于实现，具有很好的普及性和应用前景。

［1］牛志春，倪绍祥.土地利用动态遥感监测中数据融合方法的研究进展［J］.南京师大学报:自然科学版，2002，25(3):12 －17.

［2］白 穆，刘慧平，乔 瑜，等.高分辨率遥感图像分类方法在LUCC中的研究进展［J］.国土资源遥感，2010(1):19－23.

［3］于 欢，张树清，崔 利，等.基于CBERS－02遥感影像的湿地地表覆被分类研究［J］.国土资源遥感，2008(4):69－74.

［4］鲍志良，耿 俊，潘厚成.土地利用动态监测与多源遥感数据处理［J］.江苏测绘，2002，25(4):27 －29.

［5］贾永红.多源遥感影像数据融合技术［M］.北京:测绘出版社，2005:10－14.

［6］Nencini F，Garzelli A，Baronti S，et al.Remote Sensing Image Fusion Using the Curvelet Transform［J］.Information Fusion，2007，8(2):143 －156.

［7］Aiazzi B，Alparone L，Baronti S，et al.Context Driven Fusion of High Spatial and Spectral Resolution Images Based on Over Sampled Multi－ resolution Analysis［J］.IEEE Transactions on Geoscience and Remote Sensing，2002，40(10):2300 －2312.

［8］Pohl C，Genderen J L V.Multi－ sensor Image Fusion in Remote Sensing:Concepts，Methods and Applications［J］.International Journal of Remote Sensing，1998，19(5):823 －854.

［9］Solberg A H S，Taxt T，Jain A K.A Markov Random Field Model for Classification of Multi－ source Satellite Imagery［J］.IEEE Transaction on Geoscience and Remote Sensing，1996，34(1):100－113.

［10］Zhang Y.Understanding Image Fusion［J］.Photogrammetric Engineering and Remote Sensing，2004，70(3):657 －661.

［11］焦子锑，李小文，王锦地，等.一种基于分类的融合算法［J］.中国图象图形学报，2002，7(8):771 －776.

［12］貟培东，曾永年，历 华.多尺度遥感影像融合技术及其算法研究进展［J］.遥感信息，2006(6):67－71.

［13］李光丽，杜培军，王小美，等.多源遥感影像土地覆盖分类结果一致性评价与集成应用［J］.地理与地理信息科学，2009，25(4):68－71.

［14］刘湘南，佟志军，刘志明，等.遥感数字图像处理与分析［M］.长春:吉林大学出版社，2005.

［15］Ball G H，Hall D J.ISODATA，a Novel Method of Data Analysis and Classification［R］.Stanford:Stanford University，1965.

［16］赵英时.遥感应用分析原理与方法［M］.北京:科学出版社，2003.

［17］Huguenin R L，Karaska M A，Blaricom D V，et al.Subpixel Classification of Bald Cypress and Tupelo Gum Trees in Thematic Mapper Imagery［J］.Photogrammetric Engineering and Remote Sensing，1997，63(6):717 －725.

［18］Tso B，Mather P M.Classification Methods for Remotely Sensed Data［M］.New York:Taylor and Francis Inc，2001.

［19］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，2010，15(2):352－360.

Land－cover Information Extraction Using Multi－source Remote Sensing Images Based on Rule－based Substitution Methods

YU Huan1，KONG Bo2，YANG De－sheng3
(1.College of Earth Sciences，Chengdu University of Technology，Chengdu 610059，China;2.Institute of Mountain Hazards and Environment，Chinese Academy of Science，Chengdu 610041，China;3.Information Center of Chongqing Land Resources and Housing Administration Bureau，Chongqing 400015，China)

With the purpose of effectively using multi－source remote sensing data to extract surface coverage information，this paper puts forward a rule－based substitution method to achieve land－cover information extraction accurately，which is based on principles of decision－making level multi－source remote sensing images fusion.Based on the classification experiments of freshwater wetlands in the Sanjiang plain regions，the authors verified the feasibility and applicability of this method，thus providing a new means for investigation and monitoring of land cover.

Rule－based substitution methods;Multi－source remote sensing;Information extraction;Wetlands;Sanjiang Plain

TP 79

A

1001－070X(2011)04－0087－05

2011－03－14;

2011－04－28

国家自然科学基金项目(编号:41101174)和成都理工大学青年科学基金项目(编号:2010QJ08)共同资助。

于 欢(1981－)，男，讲师，主要研究方向为基于“3S”技术的生态环境评价与保护。

(责任编辑:刁淑娟)