遙感衛(wèi)星影像數(shù)據(jù)信息提取_圖文

1、 北京攬宇方圓信息技術(shù)有限公司、遙感衛(wèi)星影像數(shù)據(jù)信息提取北京攬宇方圓信息技術(shù)有限公司中科院企業(yè),衛(wèi)星影像數(shù)據(jù)服務(wù)全國領(lǐng)先。業(yè)務(wù)包括 遙感數(shù)據(jù)獲取與分發(fā)、遙感數(shù)據(jù)產(chǎn)品深加工與處理。按照遙感衛(wèi)星數(shù)據(jù)一星多用、多星組 網(wǎng)、多網(wǎng)協(xié)同的發(fā)展思路,根據(jù)觀測(cè)任務(wù)的技術(shù)特征和用戶需求特征,重點(diǎn)發(fā)展光學(xué)衛(wèi)星 影像、雷達(dá)衛(wèi)星影像、歷史衛(wèi)星影像三個(gè)系列,構(gòu)建由 26個(gè)星座及三類專題衛(wèi)星組成的 遙感衛(wèi)星系統(tǒng),逐步形成高、中、低空間分辨率合理配置、多種觀測(cè)技術(shù)優(yōu)化組合的綜合 高效全球觀測(cè)和數(shù)據(jù)獲取能力形成衛(wèi)星遙感數(shù)據(jù)全球接收與全球服務(wù)能力。(1光學(xué)衛(wèi)星影像系列。面向國土資源、環(huán)境保護(hù)、防災(zāi)減災(zāi)、水利、農(nóng)業(yè)、林業(yè)、統(tǒng)計(jì)、

2、地震、測(cè)繪、交 通、住房城鄉(xiāng)建設(shè)、衛(wèi)生等行業(yè)以及市場(chǎng)應(yīng)用對(duì)中、高空間分辨率遙感數(shù)據(jù)的需求,提供 worldview1、worldview2、worldview3、worldview4、quickbird、geoeye、 ikonos、pleiades、spot1、spot2、spot3、spot4、spot5、spot6、spot7、 landsat5(tm、 landsat(etm、 rapideye、alos、Kompsat 衛(wèi)星、北京二號(hào)、資源三 號(hào)、高分一號(hào)、高分二號(hào)等高分辨率光學(xué)觀測(cè)星座。圍繞行業(yè)及市場(chǎng)應(yīng)用對(duì)基礎(chǔ)地理信 息、土地利用、植被覆蓋、礦產(chǎn)開發(fā)、精細(xì)農(nóng)業(yè)、城鎮(zhèn)建設(shè)、交通運(yùn)輸、

3、水利設(shè)施、生態(tài) 建設(shè)、環(huán)境保護(hù)、水土保持、災(zāi)害評(píng)估以及熱點(diǎn)區(qū)域應(yīng)急等高精度、高重訪觀測(cè)業(yè)務(wù)需 求,發(fā)展極軌高分辨率光學(xué)衛(wèi)星星座,實(shí)現(xiàn)全球范圍內(nèi)精細(xì)化觀測(cè)的數(shù)據(jù)獲取能力。像國 產(chǎn)的中分辨率光學(xué)觀測(cè)星座。圍繞資源調(diào)查、環(huán)境監(jiān)測(cè)、防災(zāi)減災(zāi)、碳源碳匯調(diào)查、地質(zhì) 調(diào)查、水資源管理、農(nóng)情監(jiān)測(cè)等對(duì)大幅寬、快速覆蓋和綜合觀測(cè)需求,建設(shè)高、低軌道合 理配置的中分辨率光學(xué)衛(wèi)星星座,實(shí)現(xiàn)全球范圍天級(jí)快速動(dòng)態(tài)觀測(cè)以及全國范圍小時(shí)級(jí)觀 測(cè)。(2雷達(dá)衛(wèi)星影像系列合成孔徑雷達(dá)(SAR觀測(cè)星座。errasar-x、radarsat-2、alos、高分三號(hào)衛(wèi)星圍繞行 業(yè)及市場(chǎng)應(yīng)用對(duì)自然災(zāi)害監(jiān)測(cè)、資源監(jiān)測(cè)、環(huán)境監(jiān)測(cè)、農(nóng)情監(jiān)測(cè)、橋

4、隧形變監(jiān)測(cè)、地面沉 降、基礎(chǔ)地理信息、全球變化信息獲取等全天候、全天時(shí)、多尺度觀測(cè),以及高精度形變 觀測(cè)業(yè)務(wù)需求,發(fā)揮 SAR 衛(wèi)星在復(fù)雜氣象條件下的觀測(cè)優(yōu)勢(shì),與光學(xué)觀測(cè)手段相互配 合,建設(shè)高低軌道合理配置、多種觀測(cè)頻段相結(jié)合的衛(wèi)星星座,形成多頻段、多模式綜合 觀測(cè)能力(3歷史衛(wèi)星影像系例鎖眼衛(wèi)星影像 1960年至 1980年代的影像,高分辨率 0.6米,已在中國各個(gè)行業(yè)得 到廣泛應(yīng)用。北京攬宇方圓信息技術(shù)有限公司公司為北京市創(chuàng)新企業(yè),通過了嚴(yán)格國際質(zhì)量體系認(rèn) 證,產(chǎn)品和服務(wù)質(zhì)量均有著優(yōu)良的保證,曾獨(dú)立提供國家重大遙感圖像工程項(xiàng)目和遙感圖 像處理項(xiàng)目,經(jīng)過多年在遙感行業(yè)的積累,在遙感影像數(shù)據(jù)供

5、應(yīng)方面形成了一整套解決方案,公司還擁有一支利用專業(yè)遙感信息處理軟件進(jìn)行航空、航天遙感數(shù)據(jù)處理的隊(duì)伍,熟 練進(jìn)行遙感影像 DOM 生產(chǎn)、DEM 提取、遙感動(dòng)態(tài)監(jiān)測(cè)、專題圖制作、雷達(dá)衛(wèi)星變形監(jiān) 測(cè)、虛擬現(xiàn)實(shí)三維建模、地形圖矢量化等處理工作,開展遙感處理技術(shù)培訓(xùn)與咨詢服務(wù), 可解決各種行業(yè)針對(duì)空間遙感信息數(shù)據(jù)處理的業(yè)務(wù)化需求。近年來,參與并完成了國土變 更調(diào)查、第二次全國濕地資源調(diào)查、礦區(qū)變化信息提取等多個(gè)遙感數(shù)據(jù)工程項(xiàng)目。 1引 言水體信息的提取對(duì)于環(huán)境監(jiān)測(cè)、水資源調(diào)查以及合理的規(guī)劃利用等起著十分重要的作用。利用遙 感影像提取水體的研究已有許多成果。如,徐涵秋對(duì) Mcfeeters 的歸一化差異水

6、體指數(shù)(NormalizedDifference Water Index , NDWI 1進(jìn)行改進(jìn)得到的改進(jìn)歸一化差異水體指數(shù) (ModifiedNDWI , MNDWI, 該方法能有效地避免水體與陰影的混淆 2;楊樹文等針對(duì)細(xì)小水體的提取 提出了多波段譜間關(guān)系的改進(jìn)方法,也得到了很好的效果 3。但這些研究多針對(duì)中低分辨率的遙感影 像,且都需要影像具有較高的光譜分辨率。近年來,由于高分辨率衛(wèi)星影像應(yīng)用越來越廣泛,相對(duì)于 中低分辨率影像,這類影像的空間信息更加豐富、地物的幾何和紋理信息更為清晰。采用傳統(tǒng)基于像 素的方法處理這類影像時(shí),會(huì)因?yàn)榱６冗^小、過多地關(guān)注地物的局部細(xì)節(jié)而難以提取地物的整體信

7、 息。許多研究從分類精度、準(zhǔn)確度等方面比較了基于像素與面向?qū)ο蟮挠跋穹治龇椒?。其? Thomas 等比較了監(jiān)督分類、非監(jiān)督分類和面向?qū)ο蠓诸惾N方法的分類精度 4。 Yu 等 5和蘇偉 6等研究結(jié)果表 明:OBIA 不僅可以有效克服傳統(tǒng)基于像素方法中的“椒鹽”噪聲,且能有效提高分類的精度。針對(duì)不同的研究對(duì)象和數(shù)據(jù)集特點(diǎn),應(yīng)該使用不同的影像分析方法。本文的研究對(duì)象是區(qū)域內(nèi)的 詳細(xì)水體信息,包含大水體 (湖泊、干流 以及細(xì)小水體 (坑塘、細(xì)小支流 ,同時(shí)數(shù)據(jù)源為分辨率為 0.712米的高分辨率遙感影像。因此,采用 OBIA 較為適宜。本文使用 OBIA 對(duì) QuickBird 高分辨率遙感影像

8、進(jìn)行水體信息提取與分類。在對(duì)影像進(jìn)行多尺度分割的基礎(chǔ)上,利用影像對(duì)象的光譜、紋理、顏色和 對(duì)象間關(guān)系等特征建立規(guī)則,實(shí)現(xiàn)了水體信息的提取;并與基于像素的提取結(jié)果進(jìn)行了對(duì)比,分析了 OBIA 提取結(jié)果的精度。 2研究區(qū)域與數(shù)據(jù)源本文所用數(shù)據(jù)為采集于 2004年 5月 5日 10時(shí) 28分 18秒上海地區(qū)的 QuickBird 影像 (即圖 1中較大 的黑色邊框區(qū)域 ,包括空間分辨率為 0.717m 的全色數(shù)據(jù)和 2.87m 的多光譜數(shù)據(jù),其中多光譜影像包 含 4個(gè)波段 (紅、綠、藍(lán)和近紅外 信息。并以上海市浦東新區(qū)作為研究區(qū)域 (圖 1中較小的黑色邊框區(qū) 域 。該區(qū)域內(nèi)河流、湖泊縱橫交錯(cuò),且有大

9、小坑塘零星分布。土地利用類型以農(nóng)田、水體以及居民地 為主。研究區(qū)域?qū)?yīng)的全色影像大小為 13900像素×13900像素,多光譜影像為 3475像素×3475像 素,其代表地面大小約為 10KM ×10KM 。 圖 4Level1中 NDWI 閾值分析圖圖 5Level2中 NDWI 閾值分析圖 本文中初步分類還利用了對(duì)象間的關(guān)系特征,具體過程如下:第一步:在父對(duì)象層 (Level1中,按 NDWI 分類閾值 0.33提取水體對(duì)象;第二步:將 Level1的提取結(jié)果利用父對(duì)象與子對(duì)象間的隸屬關(guān)系 傳遞到 Level2中;第三步:在子對(duì)象層 (Level2中也利用 N

10、DWI 提取水體對(duì)象。經(jīng)過以上三步 (圖 6 就 完成了水體對(duì)象的初步提取。與僅從某一層次提取結(jié)果相比,該方法可以將所有水體對(duì)象完整地提取出來。如圖 7(a是僅在 Level1中提取的結(jié)果,雖然可以防止大水體對(duì)象支離破碎 (如圖 7(a中 A 、 B 區(qū)域 ,但是會(huì)遺漏小水體 對(duì)象 (如圖 7(a中 C 區(qū)域 ;圖 7(b是僅在 Level2中提取的結(jié)果,雖然可以防止遺漏小水體對(duì)象 (如圖 8(b中 C 區(qū)域 ,但是會(huì)使大水體對(duì)象支離破碎 (如圖 8(b中 A 、 B 區(qū)域 ;而使用本文中介紹的方法既不會(huì) 因?yàn)槌叨冗^大而遺漏小水體對(duì)象 (如圖 8(c中 A 、 B 區(qū)域 ;也不會(huì)因?yàn)槌叨冗^小,

11、而使大水體對(duì)象支離 破碎 (如圖 8(c中 C 區(qū)域 ,而且保證了提取水體的全面性和完整性。 (a第一步 (b第二步 (c第三步圖 6利用 NDWI 進(jìn)行水體提取的過程 (a在 Level1中僅利用光譜特征提取水體結(jié)果圖 (b在 Level2中僅利用光譜特征提取水體結(jié)果圖 (c利用光譜及對(duì)象間關(guān)系特征多層次提取水體結(jié)果圖圖 7多種水體提取過程對(duì)比圖然而僅僅利用光譜特征進(jìn)行水體提取,會(huì)將部分與水體光譜特征相似的建筑物及其陰影包含進(jìn)來(如圖8,雖被分類為水體,而實(shí)際上是建筑物及其陰影 ,產(chǎn)生誤判,即常見的“同譜異物”現(xiàn)象。因 此,需要利用影像對(duì)象的其它特征將干擾排除。由于遙感影像中“同物異譜”和“

12、異物同譜”的現(xiàn)象經(jīng)常出現(xiàn),僅依靠光譜特征常不足以準(zhǔn)確提 取目標(biāo)對(duì)象。 QuickBird 影像分辨率高,地物的細(xì)微結(jié)構(gòu)能夠得到清晰的反映,紋理及顏色信息豐富。 因此,為了排除建筑物及其陰影的干擾,首先在光譜特征提取的基礎(chǔ)上,利用建筑物與水體的紋理差 異,排除一部分建筑物及其陰影的干擾;然后將影像轉(zhuǎn)變到 HIS 顏色空間,利用陰影區(qū)域亮度值低而 飽和度高的特征 20將剩余陰影的干擾排除。 圖 8因?yàn)榻ㄖ锛捌潢幱芭c水體光譜特征相似而被誤判為水體如上圖 7、 8所示,在 QuickBird 影像中水體和純陰影對(duì)象的紋理,均比較細(xì)致均一;而建筑物及 其與陰影混合對(duì)象的紋理,在多光譜波段中呈明暗交錯(cuò)的

13、條帶狀,不規(guī)則且相對(duì)比較粗糙,易于區(qū) 分。本文使用灰度共生矩陣 (GrayLevel Co-occurrence Matrix , GLCM21來描述影像各像元灰度的空間分布和結(jié)構(gòu)特征,即對(duì)象的紋理特征。設(shè) 為一幅二維數(shù)字圖象,其大小為 ,灰度級(jí)別為 ,則滿足一定空間關(guān)系的灰 度共生矩陣為:(2 其中 為 階的矩陣, 表示集合 中的元素個(gè)數(shù)。若 與 距離為 ,兩 者與坐標(biāo)橫軸的夾角為 ,則可以得到各種間距及角度的灰度共生矩陣 。它不僅反映亮度的 分布特性,也反映具有同樣亮度或相近亮度的像素之間的位置分布特性,是有關(guān)圖像亮度變化的二階 統(tǒng)計(jì)特征,是定義一組紋理特征的基礎(chǔ)。為了能更直觀地描述紋理狀

14、況, Haralick 等人在灰度共生矩陣 的基礎(chǔ)上,定義了若干較為常用的紋理量,如:能量、對(duì)比度、熵、相關(guān)性、均質(zhì)性等等 22。為了確定使用哪個(gè)紋理量分類,從初步分類為水體的對(duì)象中選取一系列對(duì)象 (水體、陰影、建筑物 與陰影混合三類 作為樣本。查看、分析與比較了不同類別對(duì)象在不同紋理特征上的表現(xiàn),選取能量與 熵進(jìn)行進(jìn)一步的水體分類提取,這兩者均與對(duì)象紋理的均勻程度有關(guān)。為了擴(kuò)大表現(xiàn)水體與其它類型 對(duì)象在紋理均勻性方面的差異,本文提出采用歸一化差異紋理均勻性指數(shù)(NormalizedDifference Textural Uniformity Index , NDTUI 計(jì)算對(duì)象紋理的均勻性。

15、(3 (a能量 (b對(duì)比度 (c熵 (d相關(guān)性(e均質(zhì)性 (f歸一化差異紋理均勻度指數(shù) 圖 9不同類別對(duì)象的各種紋理特征圖如圖 9中的子圖 (f所示。并取閾值 -0.35二次分類結(jié)果如圖 10所示, A 處將水體誤判為建筑物或及 陰影是由于處于水陸的交界處,除了地物光譜的復(fù)雜性外還有遙感影像的分辨率的限制形成了一些混 合對(duì)象。我們將在后續(xù)的分類后處理中,利用平滑與規(guī)則化處理將其正確分類;而 B 處仍有少量陰影 對(duì)象的干擾。因此,仍需要利用陰影的其它特征將其排除。剩余少量陰影對(duì)象的排除是通過影像上陰影的顏色特征來實(shí)現(xiàn)的。先將遙感影像由 RGB 顏色空間 轉(zhuǎn)換到 HIS 顏色空間 23。相對(duì)于遙感

16、影像中的其他區(qū)域 (水體對(duì)象 ,陰影區(qū)域在 HIS 顏色空間具有亮度值低、飽和度高的特點(diǎn) 20。在 HIS 顏色空間中,對(duì) S 分量和 I 分量作歸一化比值運(yùn)算:r=(S I /(S+I(4 圖 10利用紋理特征的水體提取結(jié)果圖圖 11利用顏色特征的水體提取結(jié)果圖 三次顏色分類結(jié)果圖如圖 11所示,還存在一些面積很小的陰影誤判的對(duì)象,可在后續(xù)的分類后處 理中將這些小對(duì)象統(tǒng)一去除掉,得到純度較高的水體對(duì)象。分類后處理 (1同類對(duì)象融合與去除小面積水體對(duì)象為了排除一些小面積對(duì)象的誤判。首先,對(duì)水體對(duì)象進(jìn)行融合形成整塊的對(duì)象,然后將面積小于 1000pxl 的對(duì)象去除,得到的結(jié)果如圖 12(a所示。(2利用對(duì)象類別間的位置關(guān)系再次分類由于地物光譜的復(fù)雜性及遙感影像的分辨率的限制,使得處于水陸交界處的水體對(duì)象有漏分的情 況;另外,水面上的橋梁使得水體對(duì)象有分段現(xiàn)象,為了盡可能地使水體完整,也應(yīng)該將這些橋梁歸 為水體類。故使用對(duì)象類別間的位置關(guān)系,即與水體共有邊界達(dá) 50%以上的對(duì)象也歸為水體類。得到 的結(jié)果如圖 16(b所示, A 、 C 處為遺漏水體; B 處為橋梁。并將這些得到的對(duì)象再歸為水體類并與現(xiàn) 有水體對(duì)象融合。 (a去除小面積對(duì)象得到的結(jié)果圖 (b利用對(duì)象間關(guān)系再次分類 的結(jié)果圖圖 12分類后處理(3規(guī)則化處理提取結(jié)果由以上步驟提取得到的水體結(jié)果,存在以