遙感的最終成果之一就是從遙感圖像上獲取信息,遙感分類是獲取信息的重要手段。同時(shí)遙感圖像分類也是目前遙感技術(shù)中的熱點(diǎn)研究方向,每年都有新的分類方法推出。
本小節(jié)主要內(nèi)容:
1
遙感分類概述
遙感圖像通過(guò)亮度值或像元值的高低差異(反映地物的光譜信息)及空間變化(反映地物的空間信息)來(lái)表示不同地物的差異,這是區(qū)分不同圖像地物的物理基礎(chǔ)。遙感圖像分類就是利用計(jì)算機(jī)通過(guò)對(duì)遙感圖像中各類地物的光譜信息和空間信息進(jìn)行分析,選擇特征,將圖像中每個(gè)像元按照某種規(guī)則或算法劃分為不同的類別,然后獲得遙感圖像中與實(shí)際地物的對(duì)應(yīng)信息,從而實(shí)現(xiàn)遙感圖像的分類。
不同的地物具有不同的波譜特征,同類的地物具有相似的波譜特征,由不同探測(cè)波段組成的多波段數(shù)字圖像是地物特征的量化,遙感圖像分類正是基于圖像中所反映的同類地物的光譜相似性和異類地物的光譜差異性的基礎(chǔ)上進(jìn)行的,根據(jù)圖像的特征向量,建立判別函數(shù),最終實(shí)現(xiàn)將遙感圖像自動(dòng)分成若干地物類型。遙感圖像分類由于遙感圖像的數(shù)據(jù)量大和成像復(fù)雜等特點(diǎn),使得遙感圖像具有一些特點(diǎn)和原則。
遙感圖像分類比起一般的數(shù)字圖像分類具有自身的特點(diǎn),概況來(lái)講遙感圖像分類的特點(diǎn)有如下幾點(diǎn):
(1)數(shù)據(jù)量大。遙感圖像通常具有較多的光譜波段,每個(gè)像元在不同波段具有不同的波譜特征,所以遙感圖像分類是處理多波段的運(yùn)算。
(2)復(fù)雜性。雖然大多數(shù)的地物符合“同類地物具備相同的波譜特征,不同地物具有不同的波譜特征”的原則,但是大多數(shù)情況下,研究的同類地物會(huì)具有不同的光譜特征,即“同物異譜”,而相同的光譜特征表示了不同的地物,即“異物同譜”。
(3)需要預(yù)處理。在對(duì)遙感圖像分類前,往往需要做一定的預(yù)處理,原始圖像的特征波段間往往存在比較強(qiáng)的相關(guān)性,同時(shí)由于處理多波段遙感數(shù)據(jù)的計(jì)算量大的原因,在分類前采用特征判別,決定一定的預(yù)處理方法,不但可以減少計(jì)算量,同時(shí)為可以處理多波段數(shù)據(jù)提供一種方式。
遙感圖像分類方法狹義上可以歸納為三大類:基于光譜的計(jì)算機(jī)分類(監(jiān)督分類與非監(jiān)督分類),基于專家知識(shí)的決策樹分類,面向?qū)ο髨D像分類。
圖:圖像分類方法
從廣義上還有定量反演、遙感動(dòng)態(tài)監(jiān)測(cè)、DEM提取等。
2
基于光譜的計(jì)算機(jī)分類
(1)
非監(jiān)督分類
非監(jiān)督分類:也稱為聚類分析或點(diǎn)群分類。在多光譜圖像中搜尋、定義其自然相似光譜集群的過(guò)程。它不必對(duì)圖像地物獲取先驗(yàn)知識(shí),僅依靠圖像上不同類地物光譜(或紋理)
信息進(jìn)行特征提取,再統(tǒng)計(jì)特征的差別來(lái)達(dá)到分類的目的,最后對(duì)已分出的各個(gè)類別的實(shí)際屬性進(jìn)行確認(rèn)。
目前比較常見也較為成熟的是ISODATA、鏈狀方法等。遙感圖像的非監(jiān)督分類一般包括以下6個(gè)步驟:
圖:非監(jiān)督分類流程
1)
圖像分析:分析圖像,大體上判斷主要地物的類別數(shù)量。
2)
分類器選擇:選擇一個(gè)合適的分類方法。
3)
圖像分類:設(shè)置好分類器的參數(shù)對(duì)圖像進(jìn)行分類。
4)
類別定義:一般需要多設(shè)置幾個(gè)類別,之后重新判別與合并非監(jiān)督分類的結(jié)果。
5)
分類重編碼:對(duì)定義好類別的重新定義類別ID。
6)
結(jié)果驗(yàn)證:對(duì)分類結(jié)果進(jìn)行評(píng)價(jià),確定分類的精度和可靠性。
(2)
監(jiān)督分類
監(jiān)督分類:又稱訓(xùn)練分類法,用被確認(rèn)類別的樣本像元去識(shí)別其他未知類別像元的過(guò)程。它就是在分類之前通過(guò)目視判讀和野外調(diào)查,對(duì)遙感圖像上某些樣區(qū)中圖像地物的類別屬性有了先驗(yàn)知識(shí),對(duì)每一種類別選取一定數(shù)量的訓(xùn)練樣本,計(jì)算機(jī)計(jì)算每種訓(xùn)練樣區(qū)的統(tǒng)計(jì)或其他信息,同時(shí)用這些種子類別對(duì)判決函數(shù)進(jìn)行訓(xùn)練,使其符合于對(duì)各種子類別分類的要求,
隨后用訓(xùn)練好的判決函數(shù)去對(duì)其他待分?jǐn)?shù)據(jù)進(jìn)行分類。使每個(gè)像元和訓(xùn)練樣本作比較,按不同的規(guī)則將其劃分到和其最相似的樣本類,以此完成對(duì)整個(gè)圖像的分類。
遙感圖像的監(jiān)督分類一般包括以下6個(gè)步驟:
圖:監(jiān)督分類一般流程
1)
類別定義:根據(jù)分類目的、圖像數(shù)據(jù)自身的特征和分類區(qū)收集的信息確定分類系統(tǒng);
2)
特征判別:對(duì)圖像進(jìn)行特征判斷,評(píng)價(jià)圖像質(zhì)量,決定是否需要進(jìn)行圖像增強(qiáng)等預(yù)處理;
3)
樣本選擇:為了建立分類函數(shù),需要對(duì)每一類別選取一定數(shù)目的樣本;
4)
分類器選擇:根據(jù)分類的復(fù)雜度、精度需求等確定哪一種分類器;
5)
圖像分類:利用選擇的分類器對(duì)圖像數(shù)據(jù)進(jìn)行分類,有的時(shí)候還需要進(jìn)行分類后處理;
6)
結(jié)果驗(yàn)證:對(duì)分類結(jié)果進(jìn)行評(píng)價(jià),確定分類的精度和可靠性。
3
基于專家知識(shí)的決策樹分類
基于知識(shí)的決策樹分類是基于遙感影像數(shù)據(jù)及其他空間數(shù)據(jù),通過(guò)專家經(jīng)驗(yàn)總結(jié)、簡(jiǎn)單的數(shù)學(xué)統(tǒng)計(jì)和歸納方法等,獲得分類規(guī)則并進(jìn)行遙感分類。分類規(guī)則易于理解,分類過(guò)程也符合人的認(rèn)知過(guò)程,最大的特點(diǎn)是利用的多源數(shù)據(jù)。
專家知識(shí)決策樹分類的步驟大體上可分為四步:知識(shí)(規(guī)則)定義、規(guī)則輸入、決策樹運(yùn)行和分類后處理。
圖:基于專家知識(shí)的決策樹分類一般流程
1)
知識(shí)(規(guī)則)定義
規(guī)則的定義是講知識(shí)用數(shù)學(xué)語(yǔ)言表達(dá)的過(guò)程,可以通過(guò)一些算法獲取,也可以通過(guò)經(jīng)驗(yàn)總結(jié)獲得。
2)
規(guī)則輸入
將分類規(guī)則錄入分類器中,不同的平臺(tái)有著不同規(guī)則錄入界面。
3)
決策樹運(yùn)行
運(yùn)行分類器或者是算法程序。
4)
分類后處理
這步驟與監(jiān)督/非監(jiān)督分類的分類后處理類似。
4
面向?qū)ο髨D像分類
“同物異譜,同譜異物”會(huì)對(duì)影像分類產(chǎn)生的影響,加上高分辨率影像的光譜信息不是很豐富,還有經(jīng)常伴有光譜相互影響的現(xiàn)象,這對(duì)基于像素的分類方法提出了一種挑戰(zhàn),面向?qū)ο蟮挠跋穹诸惣夹g(shù)可以一定程度減少上述影響。
面向?qū)ο蠓诸惣夹g(shù)集合臨近像元為對(duì)象用來(lái)識(shí)別感興趣的光譜要素,充分利用高分辨率的全色和多光譜數(shù)據(jù)的空間,紋理,和光譜信息來(lái)分割和分類的特點(diǎn),以高精度的分類結(jié)果或者矢量輸出。
如下表為三大類分類方法的一個(gè)大概的對(duì)比。
表1
傳統(tǒng)基于光譜、基于專家知識(shí)決策樹與基于面向?qū)ο蟮挠跋穹诸悓?duì)比表
類型
|
基本原理
|
影像的最小單元
|
適用數(shù)據(jù)源
|
缺
陷
|
傳統(tǒng)基于光譜的分類方法
|
地物的光譜信息特征
|
單個(gè)的影像像元
|
中低分辨率多光譜和高光譜影像
|
豐富的空間信息利用率幾乎為零
|
基于專家知識(shí)決策樹
|
根據(jù)光譜特征、空間關(guān)系和其他上下文關(guān)系歸類像元
|
單個(gè)的影像像元
|
多源數(shù)據(jù)
|
知識(shí)獲取比較復(fù)雜
|
面向?qū)ο蟮姆诸惙椒?/span>
|
幾何信息、結(jié)構(gòu)信息以及光譜信息
|
一個(gè)個(gè)影像對(duì)象
|
中高分辨率多光譜和全色影像
|
速度比較慢
|
面向?qū)ο髨D像分類主要分成兩部分過(guò)程:影像對(duì)象構(gòu)建和對(duì)象的分類。如下圖為ENVI中的FX工具的面向?qū)ο髨D像分類流程。
圖:
FX操作流程示意圖(*項(xiàng)為可選操作步驟)
1)
影像對(duì)象構(gòu)建主要用了影像分割技術(shù),常用分割方法包括基于多尺度的、基于灰度的、紋理的、基于知識(shí)的及基于分水嶺的等分割算法。比較常用的就是多尺度分割算法,這種方法綜合遙感圖像的光譜特征和形狀特征,計(jì)算圖像中每個(gè)波段的光譜異質(zhì)性與形狀異質(zhì)性的綜合特征值,然后根據(jù)各個(gè)波段所占的權(quán)重,計(jì)算圖像所有波段的加權(quán)值,當(dāng)分割出對(duì)象或基元的光譜和形狀綜合加權(quán)值小于某個(gè)指定的閾值時(shí),進(jìn)行重復(fù)迭代運(yùn)算,直到所有分割對(duì)象的綜合加權(quán)值大于指定閾值即完成圖像的多尺度分割操作。
2)
影像對(duì)象的分類,目前常用的方法是“監(jiān)督分類”和“基于知識(shí)分類”。這里的監(jiān)督分類和我們常說(shuō)的監(jiān)督分類是有區(qū)別的,它分類時(shí)和樣本的對(duì)比參數(shù)更多,不僅僅是光譜信息,還包括空間、紋理等信息?;谥R(shí)分類也是根據(jù)影像對(duì)象的熟悉來(lái)設(shè)定規(guī)則進(jìn)行分類。
|