APP下载

基于建筑指数的GF—2影像建筑用地提取

2017-11-04张燊杨岩

城市地理 2017年10期
关键词:波段水体精度

张燊+杨岩

摘要:以高分二号(GF-2)影像为数据源,选取南京市江北新区为主要研究区域,针对GF-2影像缺少中红外波段的特性,对比研究了仿建筑用地指数(SIBI)和比值建筑指数(RBI)两种建筑指数的构建方法。通过两组建筑用地提取实验,对比分析了利用两种建筑指数提取南京市江北新区建筑用地的效果。结果表明,利用这两种建筑指数均能有效增强影像中的建筑用地信息,其中RJ3I略优于SIBI;但由于GF-2影像分辨率较高,仅利用光谱特征构建的建筑指数难以区分建筑用地和道路、部分裸土,应利用影像空间、纹理特征构建建筑物指数。

关键词:GF-2影像;建筑用地指数;建筑用地提取

引言:改革开放之后,我国城镇化进程不断加快,建筑用地也随之急剧变化,及时准确地监测建筑用地的变化可以准确掌握城市发展的状态。利用遥感影像实现建筑用地提取已经成为了主要的研究方向。其中,构建建筑指数的提取方法自动化程度高、人为干预小,成为当前的研究热点,已有不少学者陆续提出了不同的建筑指数。例如,查勇、杨山等建立了归一化建筑指数(NDBI),徐涵秋提出利用指数波段来构建建筑指数(IBI)吴志杰等构建了“增强的指数型建筑用地指数(EIBI),等等。这些建筑指數均针对TM/ETM影像构建。

由于高分二号(GF-2)卫星影像与TM影像相比缺少短波红外波段(即中红外),因此前文提到的各建筑指数均不适用,针对GF-2影像进行建筑用地提取的研究显得十分必要。目前,针对GF-1影像,仅杨文军等人提出了比值建筑用地指数(RBI)马红等构建了仿建筑用地指数(SIBI),鉴于GF-2与GF-I卫星波段设置相似,本文分别将这两种方法用于GF-2影像中,通过进行对比实验,分析比较两种方法的适应性,并提出改进措施。

1建筑用地提取原理

1.1仿建筑用地指数(SIBI)

为了适用于高分影像,马红等构建了仿建筑用地指数模型。该指数模型在徐涵秋提出的指数型建筑用地指数(IBI)的基础上构建和改进。IBI由三个波段指数构成,分别为改进的归一化水体指数(MNDWI)、归一化土壤调节植被指数(SAVI)、归一化建筑指数(NDBI),IBI表达式为:

MIR为多光谱影像的中红外波段,NIR为近红外波段,Green为绿光波段,Red红光波段。

仿建筑用地指数借助军事方面利用绿光波段和近红外波段来区分植被与目标物的方法,将近红外波段和绿光波段分别代替中红外光波段和近红外波段,由此构建SNDBI:

由于在地物的光谱曲线中可以看出水体在绿光波段到近红外波段的反射率不断下降,因此水体的仿归一化建筑指数呈现负值,而在原本的归一化建筑指数中,水体呈现正值,因此引入参数β进行改进。将SNDBI中小于β的值(即水体)赋值为1,其余(其他地物)不变。

而水体指数则直接采用归一化水体指数NDWI,归一化土壤调节植被指数(SAVI)保持不变,其中土壤调节因子a取0.5。

结合以上三者,仿归一化建筑用地指数(SIBI)的计算表达式为

在高分遥感影像的SIBI影像中,建筑用地呈现正值,植被为负值,水体接近0,通过SIBI影像进行阈值分割,可将建筑用地提取出来。

1.2比值建筑指数(RBI)

比值指数在构建过程中,通过对图像进行缨帽变换(KT变换)来提取建筑物。选取与高分影像参数相近的IKNOROS影像的KT变换矩阵模型(由Home于2003年提出)对GF-2影像进行变换。通过分析KT变换后各地物的主成分分量值,进行构建筑指数。

分析KT变化矩阵,结合光谱曲线图,可以发现建筑用地在KTl分量与KT2分量的变化差值远远大于其他地物,水体呈现负值,植被趋近于1,因此构建比值建筑指数;

利用比值指数进行图像增强后,水体呈现负值,植被接近于1,建筑物和裸地呈现较大的正值,通过对RBI影像进行阈值分割可提取建筑用地。

2城市建筑用地提取实验

2.1数据源及研究区概况

数据源选用GF-2卫星的高分辨率影像。高分二号卫星是我国自主研制的民用光学遥感卫星,搭载有一台高分辨率1米全色相机和一台4米多光谱相机,卫星综合观测效能处于世界先列。其影像波段参数如表1所示。

研究区域为南京市江北新区,江北新区地处长江以北,占地面积2451平方千米,是东部沿海地区与长江的经济交汇点。为便于分析与评价,在该研究区内裁取一个实验区,如图1(a)所示,其中红色区域代表植被,蓝色区域代表水体,绿色区域代表裸地,蓝绿色和黄色区域代表建筑用地。

2.2实验结果与分析

构建建筑指数的过程如下:①对影像进行预处理(辐射校正、大气改正);②对原图像进行裁剪得到试验区;③构建三个仿归一化指数,按公式(3)计算仿归一化建筑指数,得到SIBI影像,如图2(a)所示;④对原图像进行KT变换,按公式(4)构建RBI影像,如图2(b)所示;⑤分别对SIBI图像和RBI影像进行阈值分割,提取建筑用地结果分别如图2(c)、2(d)所示。对比图l(a)、(b)、(c)可以看出,利用这两种建筑指数均能将影像中大部分建筑用地提取出来,并且清楚的显示出建筑用地的分布状态与分布特点,可以用于城市效应的分析。

3精度分析

为定量评价建筑用地提取精度,在图1(a)实验区域中选取局部区域作为精度试验区进行精度分析。该试验区云量影响小,含有建筑用地、道路、裸地、植被、水体5类地物,分别利用两种建筑指数提取的结果如图2所示。

通过分析提取结果发现,两种建筑用地指数目视提取精度较高。SIBI指数在该区域中较好地分离了水体与建筑用地,但对裸地与建筑物的分离能力较弱;利用RBI指数提取的建筑用地效果要优于SIBI指数,抑制了大部分的裸地信息。两种方法的提取结果中均存在将道路错分成建筑用地的现象。针对两种建筑指数对原图像的建筑用地与非建筑用地随机采样,样本数为21044,建立混淆矩阵,进行精度检验,通过建筑用地与非建筑用地的提取精度和图像的总体精度进行评判,精度的计算方法为:精度=正确分类的样本数/样本总数,结果如表2。从表中也可以看出利用RBI指数提取的结果更优。

然而,由于高分二号影像具有较高的分辨率,仅利用光谱特征构建的建筑指数进行建筑用地提取,往往不能得到很高的精度,特别易将道路、裸土错分为建筑用地。为更好地提取高分辨率影像中的建筑用地,应尝试利用影像空间、纹理特征构建建筑物指数。

4总结与展望

高分影像中缺少中红外波段增大了建筑用地提取难度,SIBI是对建筑指数IBI进行改进得到的建筑指数,RBI则通过对原图像进行KT变化来增强建筑区信息,两者都可以对影像中建筑用地信息进行增强,并能通过阈值分割将大部分建筑区提取出来,但精度远没有达到应用需求。通过利用南京江北新区高分二号影像进行实验可以发现,仅仅根据光谱特征构建的建筑指数已经不再完全适用于高分辨遥感影像,针对高分辨率影像所含的丰富信息,结合空间、纹理特征等,对多种信息进行综合分析才是今后的研究方向。endprint

猜你喜欢

波段水体精度
数控车床加工精度的工艺处理及优化试析
卫星电视常用接收方式及SDTVplus在卫星接收中的应用
本市达到黑臭水体治理目标
近似边界精度信息熵的属性约简
复合纳米材料Cu2O@Au对水体中罗丹明B的检测应用研究
利用小波分析对岩石图像分类
电力系统短期负荷预测方法与预测精度
分集技术在Ka波段抗雨衰中的应用
浅谈ProENGINEER精度设置及应用