地理国情普查中高分辨率遥感影像自动分类技术研究

曾　波，赵　展2

(1. 山西省测绘工程院，山西 太原030002； 2. 武汉大学测绘学院，湖北 武汉430079)

Research on High Spatial Resolution Remote Sensing Image Classification for

Geographic National Conditions Investigation

ZENG Bo，ZHAO Zhan



地理国情普查中高分辨率遥感影像自动分类技术研究

曾波1,2，赵展2

(1. 山西省测绘工程院，山西 太原030002； 2. 武汉大学测绘学院，湖北 武汉430079)

ResearchonHighSpatialResolutionRemoteSensingImageClassificationfor

GeographicNationalConditionsInvestigation

ZENGBo，ZHAOZhan

摘要：地表覆盖分类是我国地理国情普查的重要内容。地理国情普查要求的地物类别非常细致，对影像分类技术提出了很大的挑战。本文总结了山西省地理国情普查试点中的实践经验，结合面向对象分类技术、人工实地采集分类样本及分层次分类的思想，并加入适当的人工干预过程，提出了一个利用高分辨率遥感影像进行国情监测影像分类的方案。试验表明本文方案能够兼顾作业效率和分类精度，为我国国情普查的工程化作业提供了一条可行的备选技术路径。

关键词：地理国情普查；监测；高分辨率影像；面向对象分类；分类样本

一、引言

目前我国地理国情普查工作正如火如荼地展开。在地理国情普查工作中，地表覆盖信息获取是一项重要工作内容，为地理国情统计与发布提供重要数据依据，也是开展地理国情监测的基础[1]。我国地理国情普查要求的地表覆盖类别非常细致，分为12 个一级类，58 个二级类，133个三级类。如此细致的分类，如果全部使用人工解译方法，会导致巨大的工作量。这是当前制约国情普查试点进展速度的最重要影响因素。随着我国国情普查工作的进一步展开，这一矛盾将会愈发突出。采用遥感影像自动分类技术，尽可能地利用计算机自动处理技术提高影像解译的工作效率，是当前国情普查工作的迫切需求,也是地理国情监测任务开展的必要技术储备。然而，国情普查要求的非常细致的地表覆盖类别同样对影像自动分类技术提出了很大挑战。特别是对于一些二级类和三级类，类别之间易于混淆，同物异谱、异物同谱现象更加严重。尽管目前国内有很多关于国情普查中的影像计算机自动分类方法研究[1]，但仍然没有一个切实可行的工程化方案。本文总结了山西省地理国情普查试点中的实践经验，结合面向对象分类技术、人工实地采集分类样本及分层次分类的思想，研究并提出了一个兼顾作业效率和分类精度要求的国情普查影像分类方案。

二、国情普查影像分类方案

本文提出的国情普查影像分类方案以面向对象分类技术为基础，利用面向对象分析技术提取多种特征解决复杂类别分类问题。为了保证细致类别体系下训练样本的准确性，本文分类方案的最大特点是采用人工实地采集的样本作为训练样本。同时，为了减少分类的难度，方案提出分级分类的思想，先进行易于区分的地物的分类，再进行易混淆类别的分类，通过层层分解，降低分类问题的复杂性。

国情普查采用的影像是分辨率为0.5m的高分辨率影像卫星影像。对于高分辨率影像的分类问题，面向对象方法是目前主流的分类方法。面向对象分类方法以影像分割得到的区域(称为影像对象)为分类基本单元，从影像对象中可以获得形状、纹理、上下文等多种特征，不仅能有效提高分类精度，而且可以避免基于像素分类方法中的“椒盐现象”。因此，本文中的影像分类方案以面向对象的分类方法为基础。

图1　分类方案整体流程

本文的分类方案中采用分级分类的思想，首先进行大的类别划分，然后进行层层细分。如先将整个影像划分为植被和非植被两个类别，然后将植被类别分为耕地、林地、园地、草地4个一级类别，再进一步进行二、三级类别的分类。在分类过程中，每一级的分类采用的分类特征都是不同的，根据类别特点选择最有效的分类特征。在分类过程中无论分类精度多高，误分总是存在。在分级分类中，上一级的分类错误会传递到下一级的分类过程中。因此在本文方案的分类过程中加入必要的手工操作，即每进行一级分类后，都进行适当的人工调整。另外，对于某些特殊的地类，很难通过自动分类方法区分，只能通过人工分类。在本文方案设计中，耕地、园地、林地、草地、房屋建筑物、道路、水域等采用自动分类；构筑物、人工堆掘地、荒漠与裸露地表主要通过手工分类。整个分类方案的总体流程如图1所示。面向对象分类方法中，影像分割是基础。地物只有被准确地分割，才能被准确地分类。准确的分割对保证分类精度是十分重要的。本文方案采用易康软件，其采用的分割方法是分形网络演化算法FENA[2]。FENA算法中影响分割结果的参数是光谱权值、形状权值、紧致性权值、光滑性权值及控制分割尺度的尺度参数。在本研究中，总体采用阶段分割的方法，首先进行小尺度分割，然后在小尺度分割结果的基础上进行大尺度分割。在小尺度分割过程中，分割对象较小，形状特征并不明显，参数设置原则是光谱权值较大而形状权值较小，保证分割边缘的准确性；在大尺度分割过程中，则设置较大的形状权值，保证分割对象具有较好的形状特征。

本文分类方案采用的分类样本通过人工实地采集，使用带有GPS定位功能的设备采集照片。根据照片可以确定地物类别，根据地理坐标确定照片地物在影像上的位置并进行裁切。采集作业要求是各种地物类别的样本在影像上均匀分布并覆盖所有分类，样本采集的数量是在5km×5km(0.5m分辨率的影像大小10 000像素×10 000像素)区域内不少于500个样本点。表1给出了部分类别的样本示例。

表1　部分类别的地面采集样本示例

续表1

面向对象方法的一个显著优点是可以提取非常多的特征，这对于国情监测中细致类别的分类是非常有用的。另外，不同的地物类别所适用的最佳分类特征不同。在本文的分级分类方案中，在每一级别的分类中，不同地物类别都各自有一套独立的分类特征。

在分类植被与非植被时，分类特征采用各波段光谱均值、NDVI、红外波段纹理；分类房屋与非房屋时，分类特征采用各波段光谱均值、红和红外波段纹理、长宽比、矩形度；分类道路与非道路时，分类特征采用各波段光谱均值、长宽比；分类水域与非水域时，分类分类特征采用各波段光谱均值、NDWI。植被类分成耕地、林地、园地、草地4类时，分类特征采用各波段光谱均值和方差、NDVI、红波段纹理。

很多二、三级类具有地域特色，如山西不存在水田、橡胶园、竹林等。同时很多二、三级类具有区域集中特点，在一幅作业影像上只存在少数二、三级类别。因此，在本文方案中，二、三级类别在一起分类。林地的二、三级分类时，分类特征采用各波段光谱均值和方差、NDVI、红、绿波段纹理；房屋的二、三级分类时，采用多尺度分类方法区分高密度房屋和低密度房屋，采用LiDAR数据辅助区分不同高度的房屋；水域的二、三级分类采用长宽比区分河渠和库塘；其他二、三级分类采用人工分类。

三、试验

试验区位于山西省北部的朔州市怀仁县，属于温带大陆性季风气候，地形地貌以平原和山地为主。采用的试验影像为0.5 m分辨率的WorldView2卫星融合影像，共4个波段，影像大小约为10 000像素×10 000像素。试验影像上的主要地物类别包括旱地、苗圃、林地(针叶林和阔叶林)、草地、村镇房屋道路等(如图2所示)。

图2　试验影像与实地采集样本分布

本文以植被分类为例说明本文分类方案的效果。首先将影像分为植被类和非植被类；然后将植被类分成耕地、林地、园地、草地4类；对于试验影像，在这4类中耕地主要是旱地，园地主要是苗圃，草地主要是中密度天然草地，而林地还可以细分为针叶林、阔叶林、针阔混交林和乔冠混合林4个二、三级类别。

首先对试验影像先进行分割，第一次分割设置尺度参数为80、光谱权值0.8、形状权值0.2、紧致性权值0.4、光滑性权值0.6。在第一次分割基础上进行第二次分割，割设置尺度参数为160、光谱权值0.4、形状权值0.6、紧致性权值0.6、光滑性权值0.4。在分割的基础上，按照本文第二章所选择的分类特征，进行分级分类，分类的结果如图3—图5所示。

图3　植被与非植被分类结果

图5　林地分类成针叶林、阔叶林、针阔混交林和乔冠混合林分类结果

怀仁县作为山西省国情普查试点区域，已经利用人工解译和外业核查完成了整个区域内的地表覆盖解译工作。通过采用人工解译结果来检查自动分类精度，植被类和非植被类的分类总体精度为99.0%，Kappa系数0.92；耕地、林地、园地、草地的分类总体精度为60.1%，Kappa系数0.48；针叶林、阔叶林、针阔混交林和乔冠混合林的分类总体精度为49.7%，Kappa系数0.33。从精度统计结果可以看出，初次分类的精度比较高；随着分类的细化，分类精度依次下降。试验图像在二、三级分类时分类精度不高，但是观察图5中分类结果细节，错误分类区域一般都是比较小的零碎区域，而正确分类区域则大部分聚集在一起，总体面积较大。因此，即使总体分类精度不高，但分类结果作为人工调整的参考，可以快速实现准确的人工类别调整，得到较准确的分类最终结果。

四、结束语

地表覆盖分类是我国地理国情普查与监测的重要工作内容。国情监测要求的地物类别非常细致，对影像分类技术提出了很大的挑战。本文结合面向对象分类技术和实地采集样本，采用分级分类方法并加入适当的人工干预，提出了一个国情监测影像分类方案。方案试验表明，进行初级分类的精度比较高，但二、三级分类的精度比较低，需要以自动分类结果为参考，加入一定的人工干预。尽管加入了必要的人工干预，本文方案的效率仍明显优于全人工解译，能够兼顾作业效率和分类精度，在国情普查全面展开时为我国国情普查的工程化作业提供了一条可行的备选技术路径，提高了国情普查的作业效率。

参考文献：

[1]陈俊勇．地理国情监测的学习札记[J]．测绘学报，2012,41(5)：633-635.

[2]BAATZ M, SCHAPE A. Multiresolution Segmentation-an Optimization Approach for High Quality Multi-scale Image Segmentation[J].Photogrammetric Engineering & Remote Sensing，2000(34)：12-23.

[3]程滔，刘若梅，周旭． 基于高分辨率遥感影像的地理国情普查水体信息提取方法[J]． 测绘通报，2014(4)：86-89．

[4]程滔，周旭，刘若梅.面向地理国情监测的地表覆盖信息提取方法[J]．测绘通报，2013(8)：84-86.

[5]仉明，汪伟，李承鑫，等. 面向对象的遥感分类技术在地理国情监测中的应用[J]. 城市勘测，2013(3)：81-83.

[6]曹子荣.地理国情监测地表覆盖数据的两种采集方法比较[J].测绘技术装备，2013(2)：22-24.

[7]李英利，闫会杰，苟卫涛，等.地理国情普查地表覆盖林地信息人工解译技术方法探讨[J].测绘标准化， 2014，30(1)：4-6.

[8]汤育红. 地理国情普查地表覆盖与国情要素信息的提取方法探讨[J]. 测绘与空间地理信息，2013(12)：89-91.

[9]王树文，刘俊卫. 遥感与GIS 技术在地理国情监测中的应用与研究——以天津市为例[J].测绘通报，2012(8): 51-54.

[10]洪亮，张凯，车风，等. 浅析湖北省第一次全国地理国情普查实施方案[J].地理空间信息，2013(5)：10-15.

[11]胡艳，袁超. 多方法的地理国情地表覆盖分类研究[J].地理空间信息,2014(2)：6-9.

[12]李德仁，眭海刚，单杰.论地理国情监测的技术支撑[J].武汉大学学报：信息科学版，2012，37(5)：505-512.

引文格式： 曾波，赵展. 地理国情普查中高分辨率遥感影像自动分类技术研究[J].测绘通报，2015(1)：95-98.DOI:10.13474/j.cnki.11-2246.2015.0019

作者简介：曾波(1973—)，男，教授级高工，主要从事测绘工程、地理信息工作。E-mail： zengbo73@263.net

收稿日期：2014-09-10

中图分类号：P237

文献标识码：B

文章编号：0494-0911(2015)01-0095-04