遥感专题信息提取

遥感技术在城市绿地检测中的应用城市绿化是城市中唯一有生命的基础设施，是有效改善城市居住环境、提高广大市民生活质量、促进城市发展的公益事业。而且还可以改善城市环境、涵养水源、保持水土、健全城市的生态平衡。为有效保护和开发利用城市绿化环境，首先必须有效把握真实准确和实时的现状数据和不同时期的城市绿化环境要素。利用遥感技术进行城市绿化信息的提取和监测是目前最先进最迅速的方法之一。把遥感技术作为一种综合性探测技术运用于绿化动态监测中，不仅能迅速获得大量丰富的第一手信息和数据，而且能科学、准确、及时地提供分析成果。不仅能提供细部地区的信息，而且能统观全局。遥感技术以其宏观性、多时相、多波段等特征为监测和了解植被变化提供了一种新型而有效的方法，为绿地检测提供了科学依据和技术支持。为了得到绿地面积可在获得同一城市不同年份的两张遥感影像后应用遥感处理软件ENVI进行分类处理，图像分类的目的是将图像中每个像元根据其不同波段的光谱亮度、空间结构特征或者其他信息，按照某种规则或算法划分为不同的类别。遥感图像（影像）分类就是对地球表面及其环境在遥感图像上的信息进行识别和分类，从而达到识别图像信息所对应的实际地物，提取所需地物信息的目的。遥感影像常用人工目视解译和计算机自动分类两种方法获取信息，而计算机自动分类又可分为监督分类和非监督分类。目视解译是凭借图像特征运用生物地学等相关规律，采用对照分析的方法，由此及彼、由表及里、去伪存真地综合分析和逻辑推理，直接确定地物的属性。图像特征包括形状、大小、颜色和色调、阴影、位置、纹理关系等。如果已有了先验知识，在这种情况下对非样本数据进行分类的方法称为监督分类。非监督分类是指人们事先对分类过程不施加任何的先验知识，而仅凭数据遥感影像地物的光谱特征的分布规律，即自然聚类的特性，进行“盲目”的分类；其分类的结果只是对不同类别达到了区分，但并不能确定类别的属性；其类别的属性是通过分类结束后目视判读或实地调查确定的。监督分类中的训练样区指的是图像上那些已知其类别属性，可以用来统计类别参数的区域。因为监督分类关于类别的数字特性都是从训练样区获得的，所以训练样区的选择一定要保证类别的代表性。训练样区选择不正确便无法得到正确的分类结果。训练样区的选择要注意准确性、代表性和统计性三个问题。准确性就是要确保选择的样区与实际地物的一致性；代表性一方面指所选择区为某一地物的代表，另一方面还要考虑到地物本身的复杂性，所以必须在一定程度上反映同类地物光谱特性的波动情况，统计性是指选择的训练样区内必须有足够多的像元，以保证由此计算出的类别参数符合统计规律。实际应用中，每一类别的样本数都在102数量级左右。非监督分类也称聚类分析。一般的聚类算法是先选择若干个模式点作为聚类的中心。每一中心代表一个类别，按照某种相似性度量方法（如最小距离方法）将各模式归于各聚类中心所代表的类别，形成初始分类。然后由聚类准则判断初始分类是否合理，如果不合理就修改分类，如此反复迭代运算，直到合理为止。与监督分类法的先学习后分类不同，非监督法是边学习边分类，通过学习找到相同的类别，然后将该类与其它类区分开，但是非监督法与监督法都是以图像的灰度为基础。通过统计计算一些特征参数，如均值，协方差等进行分类的，所以也有一些共性。实际工作中，常常将监督法分类与非监督法分类相结合，取长补短，使分类的效率和精度进一步提高。基于最大似然原理的监督法分类的优势在于如果空间聚类呈现正态分布，那么它会减小分类误差，而且分类速度较快。监督法分类主要缺陷是必须在分类前圈定样本性质单一的训练样区，而这可以通过非监督法来进行。即通过非监督法将一定区域聚类成不同的单一类别，监督法再利用这些单一类别区域“训练”计算机。通过“训练”后的计算机将其它区域分类完成，这样避免了使用速度比较慢的非监督法对整个影像区域进行分类，使分类精度得到保证的前提下，分类速度得到了提高。具体可按以下步骤进行：⑴选择一些有代表性的区域进行非监督分类。这些区域尽可能包括所有感兴趣的地物类别。这些区域的选择与监督法分类训练样区的选择要求相反，监督法分类训练样区要求尽可能单一。而这里选择的区域包含类别尽可能地多，以便使所有感兴趣的地物类别都能得到聚类。⑵获得多个聚类类别的先验知识。这些先验知识的获取可以通过判读和实地调查来得到。聚类的类别作为监督分类的训练样区。⑶特征选择。选择最适合的特征图像进行后续分类。⑷使用监督法对整个影像进行分类。根据前几步获得的先验知识以及聚类后的样本数据设计分类器，并对整个影像区域进行分类。⑸输出标记图像。由于分类结束后影像的类别信息也已确定。所以可以将整幅影像标记为相应类别输出。研究思路可按如下所示：利用ENVI软件先对遥感影像进行波段融合，选用信息量最为丰富的5、4、3波段组合配以红、绿、蓝三种颜色生成假彩色合成影像，这个组合的合成图像不仅类似于自然色，较为符号人们的视觉习惯，而且由于信息量丰富，能充分显示各种地物影像特征的差别，便于训练场地的选取，可以保证训练场地的准确性，适合于非遥感应用专业人员使用。因为在TM7个波段光谱图像中，一般第5个波段包含的地物信息最丰富。3个可见光波段（即第1、2、3波段）之间，两个中红外波段（即第4、7波段）之间相关性很高，表明这些波段的信息中有相当大的重复性或者冗余性。第4、6波段较特殊，尤其是第4波段与其他波段的相关性很低，表明这个波段信息有很大的独立性。计算3种组合的熵值的结果表明，由一个可见光波段、一个中红外波段及第5波段组合而成的彩色合成图像一般具有最丰富的地物信息，其中又常以4，5，3或4，5，1波段的组合为最佳。再用监督分类和非监督分类两种方法对影像进行分类，提取绿地信息。具体流程如下：研究方法流程图本文对焦作市进行试验，使用的影像为2001年，2004年和2009年的。焦作市原始影像输入原始影像波段融合非监督分类监督分类输出分类结果提出绿地信息并评价两种分类方法焦作市2001年遥感影像监督分类成果焦作市2004遥感影像监督分类成果焦作市2004遥感影像监督分类成果焦作市2009年遥感影像监督分类成果影像分类结果统计如下表所示：表12001年焦作市土地利用情况统计表绿地裸地建设用地其他面积(km2)121.82237.662100.62447.74比例（%）39.5712.2332.6915.51表22004年焦作市土地利用情况统计表绿地裸地建设用地其他面积(km2)155.38127.04999.87927.649比例（%）50.128.7232.228.92表32009年焦作市土地利用情况统计表绿地裸地建设用地其他面积(km2)161.5626.027106.08515．284比例（%）52.298.42434.33611.488从表中可以看出焦作市的绿地面积呈现增大的趋势，这与城市的发展密切相关。对分类后的影像可进行总体精度和kappa系数的分析，查看分类精度，并总结出影响分类精度的因素，以为以后的学习积累经验。影响精度因素可能有以下几种：⑴遥感数据制约。到目前为止，遥感信息反映的是地球表层系统的二维空间信息。显然，高程变化对地理环境的影响没有得到充分反映，导致分类信息不完整。由于遥感信息传递过程中的局限性以及遥感信息之间的复杂相关性，又决定了遥感信息的不确定性和多解性的特点。这些都是制约遥感图像分类精度的主要原因。另外，遥感数据的空间分辨率变化在不同程度上给分类造成一些麻烦。空间分辨率较低情况下，遥感影像单元中所包含的并不一定是单纯的一种地物信息，往往是多种混合地物类型。而高分辨率情况下，在反映地表复杂程度很高的影像中同类地物的差异往往被夸大，造成了分类的复杂性。⑵分类方法制约。分类主要依靠的是光谱信息，而遥感图像的空间信息、结构信息未得到充分利用。如在监督分类中缺乏先验知识，对焦作市具体地物具体位置不太清楚，分类时会出现一些错误。参数设置不恰当也会导致精度降低。分类效果的好坏需要经过实际调查来检验。当光谱特征类能够和唯一的地物类型相对应时，非监督分类可取得较好的效果。但是，在实际工作中，地物类型对应的光谱特征类差异很小时，非监督的效果就不如监督的效果好。特别由于同谱异质、同质异谱以及混合像元等现象的存在，非监督的结果不如监督的令人满意。因此，非监督适用于图像中的类已知时做大概的分类。遥感技术应用实践表明，未来服务于绿地检测的对地观测系统应是由航天、航空、地面观测台站网络等一系列子系统组成的，具有提供定位、定性、定量数据能力的综合性技术系统。这样才可以对绿地进行比较全面的调查研究，全球定位系统为遥感对地观测信息提供了准实时或实时的定位系统和地面高程模型；遥感对地观测的海量波谱信息为目标识别及科学规律的探测提供了定性或定量数据；遥感、全球定位系统、地理信息系统的一体化将使地理信息系统具有获取准确、快速定位的现实遥感信息的能力，实现数据库的快速更新。因此，3S技术将最终建成新型的地面三维信息处理系统，形成快速、高精度信息处理流程，从而为绿地检测提供系统的科学数据和信息服务。城市绿地检测是遥感影像应用的重要方面，很多研究还处于探索阶段，其遥感图像预处理方法、分类提取方法既与遥感技术的发展相关，又与城区植被特点有关，同时获取信息的方法、达到的精度又直接影响绿地检测的精度，因此其应用研究有重要的意义。