您好,欢迎访问三七文档
当前位置:首页 > 行业资料 > 冶金工业 > 面向对象的多尺度无人机影像土地利用信息提取_何少林
第!卷!第!期国#土#资#源#遥#感$%&’!!(%’!#!)*+年),月!#$%&’&(’)*$!+,’-.!&$/!0&-./’!!)*+#0%1*)’,)2,3456774’!)*+’)!’*U引用格式何少林!徐京华!张帅毅’面向对象的多尺度无人机影像土地利用信息提取#-$’国土资源遥感!!)*+!!%!&*)R@**!’%fF=A!B.-f!gNC/4=D’AC/0.LFO&CLL1M1OC51%/%M%\hFO5@%J1F/5F0K.&51@LOC&F\7d$1KC4F#-$’?FK%5F=F/L1/4M%JAC/0C/0?FL%.JOFL!!)*+!!%!&*)R@**!’&面向对象的多尺度无人机影像土地利用信息提取何少林!徐京华!张帅毅!西南交通大学地理信息工程中心成都#,*))+*$摘要!选取面向对象的方法!对无人机影像进行土地利用信息提取’通过对获取的原始无人机影像进行预处理!选取合适的分割参数对实验区进行多尺度分割!找出不同地物最优分割尺度!建立多尺度分割分类的层次结构体系!然后依据地物分类特征差异!在各自最优分割尺度层建立地物特征提取规则!实现土地利用信息的提取’研究结果表明!针对无人机高分辨率影像!运用面向对象的多尺度分割影像信息提取技术!可充分利用影像中包含的纹理(形状(大小及其相互空间信息!快速(准确地进行土地利用信息提取’关键词!无人机影像)土地利用)信息提取)面向对象中图法分类号!STRU#文献标志码!###文章编号!*))*@)R)B%!)*+&)!@)*)R@),收稿日期!!)*!@),@*)修订日期!!)*!@)8@*+)#引言随着遥感技术的发展!尤其是影像数据源的丰富和影像处理水平的提高!遥感技术的应用越来越广泛’运用无人机遥感低空飞行!可以弥补以卫星(大飞机等为平台的航天航空摄影在多云雾地区难以获取遥感数据的缺陷!获取较之于低分辨率影像含有更丰富的空间信息(更明显的地物几何特征和纹理信息的高分辨率遥感影像!从而更容易地获取地物类别属性信息#*$!更好地实现对土地利用信息的可视化’但是由于传统基于像元的影像分类方法难以区分影像中存在的*同物异谱+及*同谱异物+现象#!$!导致分类精度不高!使得高分辨率遥感影像在土地利用中的效率不高’为了克服传统技术的缺点!WCC56;和=ONCIF根据高分辨率遥感影像的特点!提出了面向对象的遥感影像分类方法#+$’但是面向对象单一尺度分割分类容易产生*过分割+和*欠分割+问题#2$’针对这一问题!结合高分辨率无人机影像相对于卫星影像能提供更多的形状(纹理以及地表信息的优势!本文利用面向对象的多尺度分割分类方法对无人机影像的土地利用分类技术进行了研究’*#实验区选择及研究方法以具有代表性的四川省德阳市某村庄为实验区’无人机高分辨率影像获取的时间为!))U年,月!影像分辨率为)’!K!选用的数据大小为2U*8像元_+R2*像元’无人机原始影像是真彩色影像%图*&!包括红(绿(蓝+个波段’从中可以看出!影像中土地利用类型有居民地(道路(耕地(林地(水体等!其中耕地有覆盖农作物耕地(覆盖薄膜耕地和裸土耕地+种情况!水体包括池塘(水田和小溪’图!无人机影像$%&’!FBG%1.&*##首先!对原始无人机影像进行预处理’采用T[=数据校正无人机飞行时姿态不稳定及相机镜头畸变的影响!主要包括畸变差校正(空中三角测量及正射影像生成)然后!选取合适的分割参数对实验区进行多尺度分割!在各自最优分割尺度上依据地物特征提取规则!对土地利用信息进行提取和分类’本文实验流程如图!所示’2013-04-2711:40国#土#资#源#遥#感!)*+年图8实验流程$%&’8;-#@)/0624.+-!#实验数据处理!’*#最优分割尺度选择遥感影像数据是对依赖于尺度的地表空间格局与过程的特征反映#2$!每一个地理实体都有其固有的空间属性和分布特征!因此!观测(分析和解释不同地理现象的规律!提取不同的地理实体都需要在不同尺度的影像数据中进行’影像多尺度分割是通过设定不同的对象异质性最小的阈值即尺度!生产一系列分割分类层次体系!针对不同类别的对象单元进行统计分析!找出不同土地利用类型提取相应的最优尺度影像对象层’对于某一种确定的土地利用类型!最优分割尺度使分割后的多边形能将这种土地利用类型的边界显示清楚!并且能用一个或几个对象将其表示出来!分割之后的影像对象的内部异质性尽可能小!而不同类别影像对象间的异质性尽可能大#$’当影像中纯对象增多时!与相邻对象之间的光谱异质性增大!整幅影像中所有对象的亮度均值标准差增大)相反!当影像中混合对象增多时!与相邻对象之间的光谱异质性降低!整幅影像中所有对象的亮度均值标准差变小’经多次试验!最优分割的参考值发生在亮度均值标准差的峰值#,$’为获取不同土地利用类型的最优分割尺度!本研究进行了影像分割尺度实验’当分割尺度小于*))时!存在大量过度分割!结果相当破碎)当分割尺度大于+)时!出现大量的混合对象’因此!分割尺度范围设为*))X+)之间!每隔进行一次分割并计算亮度均值标准差%图+&’影像的+个通道权重值都设为*!颜色权重值为)’!形状权重值为)’!其中形状因子中紧凑度权重为)’,!光滑度权重为)’2’图:影像对象亮度均值标准差随分割尺度变化情况$%&’:;-.,#.+##*7%.-%0,0)%1.&*0DH*2-5D+%&4-,*551*.,6%-4.,%,2+*.5%,&52./*3.+.1*-*+##由图+得出*+)!*U)!!+)!!2)!!)!!,)!!R!+)!+*!++)为*)个分割尺度最优参考位置!并依次进行分割处理!经目视选择!针对居民地(道路(农作物耕地(覆盖薄膜耕地(裸土耕地(林地和水体%包括池塘(水田和小溪&R种土地利用类型!分别选取了*+)!!+)!!2)!+)!+*!++)共,个尺度!建立多尺度分割分类层次表%表*&’利用多层分割尺度对土地利用类型进行分类!能够实现各地类在各自最优分割层上被提取!最终按照一系列的分类规则重新聚类!得到较好的分类结果#R$’表!多尺度分割分类层次I.D’!J/.55%)%2.-%0,/*7*/5D.5*#0,1/-%K52./*5*&1*,-.-%0,分割层分割尺度分割状况各层适宜提取土地利用类型AFbF&*++)+U*个影像对象!除覆盖薄膜耕地(水田外!其他地物均欠分割覆盖薄膜耕地AFbF&!+*2R2个影像对象!除道路(水田外!部分覆盖薄膜耕地过度分割!而其他地物均欠分割道路和水田AFbF&++)R2R个影像对象!林地(池塘和水田分割适宜!部分覆盖薄膜耕地过度分割!其他地物欠分割林地和池塘AFbF&2!2)R8*个影像对象!有农作物耕地和裸土耕地分割适宜!较大覆盖薄膜耕地(道路(林地和池塘过度分割!居民地和小溪欠分割农作物耕地和裸土耕地AFbF&!+)8+2个影像对象!居民地分割适宜!小溪欠分割!其他地物均过度分割居民地AFbF&,*+)!!,,个影像对象!小溪分割较适宜!其他地物类型均过度分割小溪!’!#不同尺度分割层土地利用类型提取与分类适宜分割尺度的选择能使影像对象与实际地物斑块形状大小基本一致’在各自土地利用类型最优的尺度分割层上!分析影像对象的特征信息!包括光谱(纹理(形状(空间分布等!依据影像对象的特征信息差异!建立土地利用特征提取规则!在各自的最优尺度分割-8)*-第!期何少林!等#面向对象的多尺度无人机影像土地利用信息提取层上提取地物!并进行分类!结果如图2所示’%C&AFbF&*层提取薄膜覆盖耕地%\&AFbF&!层提取道路和水田%O&AFbF&+层提取林地和池塘%0&AFbF&2层提取农作物耕地和裸土耕地%F&AFbF&层提取居民地%M&AFbF&,层提取小溪图L不同尺度分割层提取相应土地利用类型$%&’LJ0++*530,#%,&/.,#5*-@3**?-+.2-%0,0)#%))*+*,-52./*55*&1*,-.-%0,/.@*+!’!’*#在AFbF&*层提取覆盖薄膜耕地影像中覆盖薄膜耕地(道路和居民地呈亮白色!因此可以通过亮度均值特征.来区分其他类型地物!即.]%&^2^%&E+!%*&式中&!2!%分别表示影像红(绿(蓝+通道像元亮度平均值’可根据形状指数特征%区分道路!即%]/2槡8!%!&式中/为影像对象的边界长度)8为影像对象的面积’最后!为了把居民地的建筑区分出来!可根据灰度差分矢量方法%EA9$$!计算与相邻像素绝对差异的发生概率’EA9$均值特征*的计算公式为#8$*]$F@*G])GHG!%+&式中HG为影像对象层灰度共生矩阵%EAY;&的对角线值之和)F是行或者列的个数’为了在AFbF&*上提取有覆盖薄膜耕地!根据上述.!%!*这+个特征值定义出分类规则*为.k*!R!%a+)+且*k)R’!’!’!#在AFbF&!层提取道路和水田首先将AFbF&*分割层提取有覆盖薄膜耕地同步#U$到AFbF&!分割层上!这样只需在剩下未分类的地物中提取道路和水田’为提取道路需要用到亮度均值特征.和形状指数%!但是运用这!个特征后!还有少量居民地也会被提取!为区分它们!建立相邻暗对象个数特征I’I用于统计相邻对象比自己亮度均值低的个数’由于道路狭长!相邻对象个数多!且多数比自己亮度均值低!所以相邻暗对象个数特征I较大’根据上述.!%!I这+个特征值定义提取道路的分类规则!为.k*!R!%k+)+且I’然后在剩下未分类对象里提取水田!首先利用蓝波段均值特征%将其范围确定下来!通过观察发现水田蓝波段均值%比2!&大!因此自定义特征J!即J]!%@&@2’%2&据此定义提取水田的分类规则+为U*a%aU,且Jk)’!’!’+#在AFbF&+层提取林地和池塘同样先将AFbF&!分割层上已经提取分类好的地物类型同步到AFbF&+分割层上!只需在剩下未分类的地物中提取林地和池塘’利用绿波段均值特征2在范围#2*!RR$内将林地和池塘全部提取进来)然后定义分类规则2!即,!a.a,,并且Jk)!把池塘提出来)剩下的林地中有少量的有作物耕地!通过定义分类规则!即.kR)!把少量有作物耕地提出来并将其删除’!’!’2#在AFbF&2层提取农作物耕地和裸土耕地为提取农作物耕地和裸土耕地!需要自定义特-U)*-国#土#资#源#遥#感!)*+年征B和2!即B]!2@&@%!%&2]!&@%@2’%,&定义特征B和2是考虑到农作物耕地和裸土耕地在红(绿波段均值的差别较大!用于区分这!种地类’具体提取步骤是首先将AFbF&+分割层上已经提取分类好的地物类型同步到AFbF&2分割层上)再针对剩下未分类的地物定义分类规则,!即R)a.a*!R!同时提取出的农作物耕地和裸土)然后定义分类规则R!即BU!将有农作物耕地提取出来)最后定义分类规则8!即2k)且Ba)!将裸土耕地提取出来’!’!’#在AFbF&层提取居民地居民地主要包括房屋建筑和少量房屋周围活动场地’经观察发现实验区居民地房屋建筑有蓝色屋顶和暗屋顶!种’对于蓝色屋顶!考虑到蓝波段反射率大!故首先利用蓝波段进行提取)对于暗屋顶!观察发现其红波段均值&和蓝波段均值%比绿波段均值2大!因此可通过自定义特征B将其提取出’而对于房屋周围一些活动场地!在影像上呈亮白色!蓝波段反射大!同样利用蓝波段进行提取’具体提取步骤是首先将AFbF&2分割层上已经提取分类好的地物类型同步到AFbF&分割层上!针对剩下未分类的地物定义分类规则U!即蓝波段均值%k*8!将蓝色屋顶和房屋周围一些活动场地提取出来)然后定义分类规则*)!即R2a.a*U且Ba@!将暗屋顶提取出来’!’!’,#在AFbF&,层提取小溪AFbF&,分割层上影像对象较多!分割形成的小溪对象较适宜!与小溪形状一致!因此在本分割层提取小溪’首先将AFbF&分割层上已经提取分类好的地物类型同步到AFbF&,分割层上!其次针对剩下未分类的
本文标题:面向对象的多尺度无人机影像土地利用信息提取_何少林
链接地址:https://www.777doc.com/doc-6323837 .html