遥感影像信息提取技术的研究与实现

吕 超，吕 游

(1.通辽市规划测绘院，内蒙古 通辽 028000；2.辽宁工程技术大学 测绘与地理科学学院，辽宁 阜新 123000)

遥感影像信息提取技术的研究与实现

吕 超1，吕 游2

(1.通辽市规划测绘院，内蒙古 通辽 028000；2.辽宁工程技术大学 测绘与地理科学学院，辽宁 阜新 123000)

随着遥感技术的发展和遥感应用的深入，遥感影像信息提取方法的研究成为关注的焦点。一般来说遥感影像信息提取包括分类、识别和特征提取。文中主要研究利用MATLAB实现影像中的光谱特征和纹理特征的提取和分类，并结合ERDAS软件对影像进行预处理和分类后处理以及精度评定，最终从精度评定结果来看，两种特征分类的总体精度较高，另外,图像的结构信息有助于提高遥感影像信息提取的精度。

遥感影像信息提取；光谱特征；纹理特征

一般来说，遥感影像信息提取包括分类和识别。遥感影像目标识别与分类一般针对人工地物而进行，不仅依据其光谱特征，还要依据空间语义关系、纹理等特征，其落脚点往往是对小尺度的目标进行识别和分类，其数据源为高空间分辨率的航空影像和卫星影像，因为影像空间分辨率越高，人工行为的影响和干预的效果就越明显。人工地物是空间地理信息库中的重要元素，主要包括建筑物、桥梁、道路和大型工程构筑物，而在城市区域高分辨率遥感影像中，80%的目标是建筑物、道路、植被、水域等，故关于这些地物的研究相对较多，它们也是面状和线状目标提取的典型代表。

1 遥感影像的特征提取

1.1 遥感影像的纹理特征

为了定量地描述纹理，需要研究纹理本身可能具有的特征。粗糙度和方向性是人们区分纹理时所用的两个最重要的特征，本文着重介绍统计方法中最常用的纹理特征：灰度共生矩阵。

1)角二阶矩(能量)

(1)

2)对比度(惯性矩)

(2)

3)相关度

(3)

其中：

4)熵

(4)

5)逆矩差

(5)

6)同质性

(6)

1.2 遥感影像的光谱特征

地物的光谱特征包括地物反射光谱特征、辐射光谱特征等。遥感传感器接收不同的辐射能量，最终导致同一图像上不同像元的灰度差异。光谱特征的特点是对应于每个像元，但与像元的排列等空间结构无关。正常情况下不同地物具有不同的光谱特征，因此，根据地物光谱特征可以对遥感影像进行特征提取。

2 遥感影像分类

遥感图像自动分类处理的一般过程如图1所示。

图1 遥感图像自动分类处理的一般过程

2.1 遥感影像监督分类

最小距离分类法是以特征空间中的距离作为像素分类的依据。首先由训练组数据得出每一类别的均值向量和协方差矩阵，然后以各类的均值向量作为该类在多维空间中的中心位置。计算输入图像中每个像元到各类中心的距离，到哪一类中心距离最小，则该像元就归入哪一类。因而，在这类方法中距离就是判别函数。

最小距离分类法原理简单，分类精度不高，但计算速度快。最小距离分类法中通常使用最短欧式距离。欧式距离判别函数为

(7)

式中:n为波段数；xj为x在j波段的像元值；Mij为第i类在第j波段的均值。

2.2 遥感影像非监督分类

在非监督分类中，最常用的统计分析方法是集群法，它按照像元之间的联系程度来归类，这种像元统计分析方法首先要确定描述像元之间联系程度的统计量或称相似度，根据距离最近的原则来判定划归同一类像元。在遥感图像分类过程中，常使用距离和相关系数来衡量相似度，两个像素之间的相关系数rij可以定义为

(8)

3 遥感影像信息提取试验

3.1 基于光谱特征的遥感影像分类与评价

本试验结合ERDAS软件和MATLAB软件进行基于光谱特征的影像分类试验，其中ERDAS软件用于对图像做预处理，将预处理后的影像在MATLAB软件中进行光谱特征分类，对分类结果在ERDAS中进行滤波处理消除“噪声”，试验中采用效果比较好的中值滤波来平滑噪声，结果如图2所示，并最终在ERDAS软件中进行精度评定，评价结果如表1、表2所示。在分类结果的基础上制作土地利用现状图，如图3所示。

表1 混淆矩阵

图2 基于光谱特征的分类结果

总体分类精度=

(14+10+17+9+15)/100=65%.

表2 精度评价结果

图3 土地利用现状

3.2 基于纹理特征的遥感影像分类与评价

在ERDAS软件图像中找出15个大小约为40×40像素的具有代表性的建筑物采样样本，其中部分建筑物样本如图4所示。

图4 建筑物部分样本

计算待分类影像和样本的灰度共生矩阵，然后根据灰度共生矩阵进行特征值的计算，形成特征矩阵。基于纹理特征的建筑物分类结果如图5所示。

图5 基于纹理特征的建筑物分类结果

最后针对分类结果进行精度评定。评定结果如表3、表4所示。

表3 混淆矩阵

总体分类精度=(56+28)/100=84%.

表4 精度评定结果

3.3 试验结果分析

本文利用ERDAS软件与MATLAB编程语言实现遥感影像的信息提取过程，ERDAS软件的作用主要是充分利用其预处理功能模块、后处理和精度评价功能模块、样本的交互式采集功能来实现影像的预处理、样本采集以及后处理， MATLAB的作用在于实现基于光谱和基于特征的遥感影像分类。

基于光谱特征的影像分类中，建筑物与道路的分类效果较差，而植被和水域分类效果较好，主要是由于“同谱异物”和“同物异谱”现象的存在而影响了部分地物的分类精度，影像中水域与其它地物的光谱差异最大，因此，其分类效果最佳，植被次之，而道路和建筑物与其它地物间的差异较小，导致二者的分类精度较低。

而基于纹理特征对建筑物的分类精度比基于光谱特征对建筑物的分类精度高，是因为纹理特征分类时利用的是区域的影像结构，而光谱特征仅仅是基于像元的，因此，影像的空间结构信息可以提高影像分类的精度。

4 结束语

实验表明，基于光谱特征的影像分类中不可避免地存在“同物异谱”和“同谱异物”现象，因此，地物间光谱差异直接影响了分类精度，差异大，分类精度高；差异小，分类精度低。另外，基于纹理特征比基于光谱特征对影像分类的精度高，说明图像中的结构信息有助于提高遥感影像信息提取和目标识别的精度。

[1]苗云鹏,张瑞红,赵保国.高分辨率遥感影像信息提取方法研究[J].测绘与空间地理信息,2010,33(4):150-156.

[2]党安荣,王晓栋,陈晓峰,等.ERDAS IMAGINE遥感图象处理方法[M].北京:清华大学出版社, 2003.

[3]伍娟,卢凌,董静.基于IHS变换与直方图匹配法的遥感影像融合[J].武汉理工大学学报,2004,28(1):55-58.

[4]杜培军.遥感原理与应用[M].北京：中国矿业大学出版社,2006.

[5]陈汉友.遥感影像融合技术研究及应用[D].南京：河海大学,2004.

[6]孙仲康,沈振康.数字图像处理及其应用[M].北京：国防工业出版社,1985.

[7]杨玉静,冯建辉.纹理特征提取及辅助遥感影像分类技术研究[J].海洋测绘,2008,28(4):37-40.

[8]杨玉静.遥感影像融合关键技术探讨[J].北京测绘,2010(2):75-77.

[9]杨玉静,于彦伟,冯建辉.纹理特征辅助遥感影像分类技术的探讨[J].测绘与空间地理信息,2008,31(6):82-85.

[10]郭德军,宋蛰存.基于灰度共生矩阵的纹理图像分类研究[J].林业机械与木工设备，2005,33(7):21-23.

[11]王竞雪.基于特征的遥感影像分类方法及应用研究[D].阜新：辽宁工程技术大学,2007.

[12]李武跃.遥感影像纹理特征提取及其定量分析[D].上海：上海交通大学,2008.

[13]宋铁群.基于MATLAB的遥感影像纹理特征分析[J].测绘与空间地理信息,2009,32(4):71-73.

[14]BENEDIKTSSON JA, SVEINSSON JS,ARNASON K. Classification and Feature Extraction of AVIRIS data[J].IEEE Trans.on Geoscience and Remote Sensing,1995,33(5):1194-1205.

Researchandrealizationofremotesensingimageinformationextractiontechnologies

LÜ Chao1,LÜ You2

(1. Tongliao City Planning Surveying and Mapping Institute,Tongliao 028000,China;2.College of Geomatics and Geography Science, Liaoning Technical University, Fuxin 123000,China)

With the development of remote sensing and the deep application of remeote sensing, remote sensing image information extraction method has become the research focus. In general, it includes the classification, identification and feature extraction. It mainly studies the extraction and classification of images’ spectral and texture feature by using MATLAB software, and combined with ERDAS software,it carries out preparation and post-processing for images and accuracy assessment. In addition, it accomplishes the vegetation extraction of remote sensing images through ERDAS. From the view of accuracy assesssment result, the total accuracy of classification based on spectral and texture feature are both high, so a conclusion is obtained that the spatial structure information is helpful to improve the accuracy of remote sensing image information extraction.

remote sensing image information extraction;image integration;spectral feature;texture feature;NDVI extraction

2013-04-20

吕 超(1987-)，男，助理工程师，研究方向：测绘工程.

TP75

A

1671-4679(2014)01-0034-04

刘文霞]