基于面向对象的咸阳湖水体提取方法研究

赵文琳 羊秀娟

（西华师范大学国土资源学院，四川南充 637009）

1 引言

伴着通讯、信息处理以及GPS信息反馈等技术的日益完善，遥感对地观测技术的空间、光谱分辨率显著提高，采用遥感影像解译来获取水资源变化信息的成本降低，可行性也大大提高。经典方法对遥感影像进行信息提取多是在分辨率较低的遥感影像上进行的，进行水体信息提取的方法主要有目视判读法和基于像元的分类方法，其中目视判读法精度高但太过费时费力，基于像元分类方法精度又远远不够。而面向对象的遥感图像分析是一类新的图像分析理念和模式，它不仅是建立在过去几十年被广泛应用的图像分割、边缘检测、特征提取和分类等概念与方法之上的，而且还创新的将这些方法有机的组成一个整体，形成了一种图像分析模式和理念，并且利用高分辨率影像的高分辨率和丰富信息，使提取成果与人工提取结果相差无几。此外，分类完成之后还能够建立对象之间的拓扑关系，反映地理实体间的关系，并使用空间分析的方法对遥感数据进行更加深入的研究。

本研究基于面向对象的信息提取方法提取咸阳湖水体面积，首先下载咸阳湖区域的遥感影像，使用ENVI软件加载并进行图像预处理，通过图像分割的方法把图像分割成具有一定意义的对象，然后通过实地获取的样本数据对图像进行分类，最后把提取的咸阳湖面积与实际面积进行比较并计算提取比率。

2 研究区概况

咸阳位于陕西省八百里秦川腹地，渭水穿南，嵕山亘北，山水俱阳。咸阳湖西起咸阳市秦都区渭滨办南营村，东至机场高速公路桥，全长15.56km。咸阳湖主要利用汛期退水过程中泥沙含量较少的尾水蓄水，是咸阳市政府为治理渭河规划建造的人工湖，起到了洪水治理、绿化环境、带动经济的作用。

3 数据处理与信息提取

面向对象的信息提取方法通过将临近像元集中为对象来识别感兴趣的光谱要素，同时也能够利用图像中的高分辨率全色和数据空间、纹理和波段信息等来进行多种特征提取［1］。影像分析包括对象生成和信息提取两部分内容［2］，即首先对所下载的landsat8遥感影像进行预处理，融合波段，裁剪出研究区域的遥感图像，然后采用合适的分割尺度对图像进行分割，合并小版块，得到均质对象。之后进行特征提取，在定义分类的基础上进行基于样本的分类，统计分类结果，最终通过相应计算得到提取面积。

3.1 数据来源 本研究所用数据采用美国国家航天局（NASA）的陆地资源系列卫星landset8所拍摄的影像，传感器为OLI和TIRS，它们的波段参数如表1和2。图像内包括咸阳湖水体信息、渭河水体信息、沣河水体信息、建筑物信息以及植被等其他信息，需要提取影像中咸阳湖的水体信息并计算面积。

表1 OLI传感器波段参数

表2 TIRS传感器波段参数

3.2 影像预处理 遥感影像在拍摄过程中，由于辐射、气候等因素的存在卫星所拍摄的影像会产生一定的图像变形、大气消光和失真等现象［2］。为了不影响影像的质量和应用，需要进行数据预处理，其具体流程为自定义坐标系、几何校正、波段融合和图像裁剪4个部分，本次研究数据处理不涉及几何校正。首先将图像坐标系定义为北京54坐标系。在对应目录下打开椭球体参数文件（ellipse.txt）、基准面参数文件（datum.txt）和坐标系参数文件（map_proj.txt），添加椭球体需要在椭球体参数文件的末尾添加3行内容，添加基准面需要在基准面参数文件末尾添加3行内容，如图1所示。进行需要的设定，添加新的工程，将设置的北京54坐标系以文件形式导出，之后通过转换投影将北京54坐标系的参数设置在研究数据中。

图1 添加椭球体和基准面

添加初始数据，使用CN图像融合工具将9个初始波段融合成一幅图像，裁剪咸阳湖区域的遥感影像并保存，裁剪结果如图2所示。

图2 裁剪结果

3.3 生成对象 生成对象是生成具有一定意义均质对象的过程，包括图像分割、合并分块、图像镶嵌和特征计算四个部分，研究中我们只涉及图像分割与合并分块。EN⁃VI对图像进行分割时以邻近像素亮度、纹理、颜色等要素为依据，采用基于边缘的分割算法［3］。这种算法计算快捷简便，并且用户只需在软件界面中键入1个参数就能产生多尺度分割结果，通过控制各种尺度的边界差异，产生更适应研究的分割结果。根据本文提供的方法，可供选择的分割尺度为30、45和90，分别进行分割，过程如图3，效果如图4、图5和图6所示。

由图3～6可知，选择分割尺度为30得到的对象太过细碎，不利于保证信息提取的效率；选择分割尺度为90得到的对象又太过笼统，无法保证信息提取的精度；而选择分割尺度为45得到的对象介于二者之间，结果较为理想，因此选择分割尺度为45合并尺度为10进行图像分割。

图3 分割过程

图4 分割尺度为30的分割结果

图5 分割尺度为45的分割结果

图6 分割尺度为90的分割结果

3.4 特征提取 特征提取的的常用办法是图像分类。本实例采用基于样本的图像分类方法，先在图像上手动选择样本定义分类［4］，然后根据波段等特征进行分类，将处理完成的图像上所有具有相似特征的对象分为一类。为了更好的提取影像信息，提高分类效率，去除可能影响提取的小版块，之后进行分类统计，得到结果。定义样本需要以实际地物图进行目视判读结果为依据，本实例在图像中定义咸阳湖、渭河、植被、房屋4类样本，为不同的样本设置不同的颜色，之后进行图像分类，输出矢量文件，分类结果如图7所示。

图7 图像分类结果

图8 板块合并结果

为了获得更加直观的结果图，提高信息提取精度，使用了最大值/最小值分析合并小版块，合并结果如图8所示。其中红色样本代表咸阳湖水体，蓝色样本代表渭河水体，绿色样本代表植被，灰紫色样本代表建筑物，此外一些波段特征相似的对象也同样被分到相应的类别中，例如图中部分分布在房屋中间的植被和渭河对象。

完成对象分类后进行分类统计，即统计各类别对象的像元数以及特征的最大值和最小值，并得到分析图表如图9。根据统计结果，咸阳湖类别包含1199个像元，占图像面积的0.788%；渭河类别包含5441个像元，占图像面积的3.575%；植被类别包含12372个像元，占图像面积的8.129%；房屋类别包含92870个像元；占图像面积的61.022%。计算得到咸阳湖的面积为1.092km2。发现对象时需要选择合适的分割尺度，注意分割尺度的选择不当会直接影响后面的分类效果及效率，所以需要慎重选择；定义样本时选择尽量多的样本，以便优化分类结果提高分类精度；分类统计选择的文件中必须包含分类类别，操作中需要选择样本库中的所有样本类型，否则无法得出统计结果。

图9 统计结果

3.5 精度评价 利用面向对象的方法提取的咸阳湖水体信息表明，带状面状水体的水陆边界位置准确，轮廓完整连续，识别效果理想［5］。咸阳湖水面的实际面积为1.2km2，

而提取面积为1.092km2，提取比率达到91%，所以实例说明面向对象信息提取技术的提取效果是非常精确的。

4 结论

利用遥感技术进行水环境监测、管理已成为一种趋势，本文基于面向对象的方法进行咸阳湖水体信息提取，得出的主要结论如下：

（1）采用Full Lambda-Schedule算法的基于边缘图像分割能够准确定位边缘，快速运算，一般用于合并存在于大块、纹理性较强的区域。通过对图像的分析，确定图像分割的方法为该方法，图像分割的尺度为45。

（2）通过实地获取的样本数据建立样本库，库中样本类型分别有咸阳湖水体样本、渭河水体样本、房屋样本和植被样本，利用所建样本库对图像进行分类。

（3）图像分类结果是提取咸阳湖的面积为1.092km2，而实地面积为1.2km2，面积提率度达到91%。因此，基于面向对象的水体信息提取方法具有较高的提取精度和效率，是一种简便可行的信息提取方法。