张明媚，姚国红

（1.太原理工大学 矿业工程学院测绘科学与技术系，山西 太原 030024；2.山西省综合地理信息中心，山西 太原 030001）

随着SPOT、IKONOS、QUICKBIRD和无人机影像应用的快速发展，多尺度分割与面向对象分类技术被国内外众多学者和技术人员广泛应用于不同的领域。Geoffrey J.Hay 等人[1]提出了分3步进行的自下而上的多尺度分割方法，用3个不同的分割尺度，把对象按一定层次分割出来；王爱萍等人[2]提出了一种基于分层聚合的多尺度分割算法；林先成等人[3]采用不同尺度对成都平原不同分辨率遥感影像进行影像分割,并比较了分割结果；Hoffmann等人在对IKONOS影像中建筑物与道路进行提取时,将DEM作为其中一个专题层参与影像分割,来完成建筑物与道路的提取[4]；Willhauck等[5]通过集合多种数据,采用面向对象的影像分析方法,完成了印尼在1997年与1998年严重森林火灾后的制图任务；陈云浩等[6]以北京城市土地利用分类为例探讨和验证了面向对象和建立规则的光学遥感影像分类方法；鲍海英[7]先对影像各种纹理特征进行比较,选用对比度这一属性辅助进行面向对象的分割,同时结合地物的光谱信息,一定程度上改善了分类精度,细化了地物类别；王卫红等人[8]采用面向对象的方法完成了2个典型实验区域的多尺度分割，研究了分割参数的选择，提出了一种最优分割尺度计算模型；陈生等人[9]则提出了一种面向对象的高分辨率遥感影像桥梁提取方法。这些工作，为开展多尺度分割与面向对象分类中无辅助数据情况下的信息提取技术研究奠定了丰富的理论与实践基础。

1 研究区概况与数据源

本文选取山西省平顺县作为研究区，区内地形较为复杂，研究中可划分为道路、水体、林地、草地、耕地、建筑物和裸地等，能充分体现信息提取中不同地物对尺度的不同要求，也对特征提取提出了很高的要求。

数据源选用研究区ADS40彩色航空影像（见图1），空间分辨率为0.5m，建筑物清晰可见，但影像只含有3个光谱波段,因此光谱分辨率不高。单纯应用波谱特性很难将种类繁多、质地不同的地物区分出来，而且由于没有近红外波段，植被的区分效果也不明显。建筑物由于屋顶采用不同的建筑材料，波谱特性不稳定，道路、裸地、建筑物单从这3个波段很难区分，所以采取传统的分类方法误差很大。

图1 研究区ADS40航空影像图

2 研究方法

2.1 技术路线

本研究的基本思路是对研究区ADS40影像进行预处理之后，导入eCognition软件，总体技术路线如图2所示。

图2 总体技术路线图

2.2 多尺度分割

2.2.1 尺度的选择

应用多尺度分割的理论进行实验，结果表明当尺度设置低于20时，几乎对每种地物都出现欠分割现象，形成的对象都很细碎，不能很好地显示出边界，以这个标准进行面向对象的后处理，那么就需要合并很多对象，处理起来很不方便；而当尺度设置大于100时，发现裸地、建筑物已经被合并，草地和林地也变得模糊，所以尺度小于20或大于100在此航空影像研究区是不合适的。首先令其他因子保持不变，只对研究区进行不同的尺度分割，分割结果如图3所示。

图3 不同尺度的分割结果

从图3中可以看出，对于小的地物（如房屋）适合用小尺度分割；而对像道路、水体等大的地物则适合大尺度分割。

2.2.2 光谱因子与形状因子

异质性是定义光谱（标准偏差）和形状（紧致度和平滑度的偏差）的，光谱因子与形状因子的权重之和为1。本次研究中选取的分割尺度为30，分别选形状因子为0.2和0.5进行分割（见图4）。

图4 不同形状因子的分割结果

实验中可以得出：对于规则的地物适合高形状因子，而对形状不规则、光谱特征明显的地物则适合高光谱因子。因此，加入形状因子于影像分割的过程中，能约制对象形状的发展，使分割后的区域形状较平滑完整，较符合人的视觉习惯。

2.2.3 平滑度指标与紧致指标

形状是由紧致度和平滑度共同决定的，二者权重之和为1。按照同样的实验方法，其他因子不变，只改变紧致度因子，分割情况如图5所示。

图5 不同紧致度因子的分割结果

由图5可知，若平滑指标的权重较高，分割后的对象边界较为平滑；反之，若紧致指标的权重较高，分割后的对象形状较为紧密，且较接近矩形，根据不同的影像特性以及目标对象特性，两者间的权重调配亦有所不同。

为了解决不同的地物分割尺度不同的问题，根据地物的不同分为3层，经过多次实验得到的结果如表1所示。

表1 多尺度分割参数

2.3 规则集建立策略

地物特征提取是在对图像的认知与地学理解的基础上，根据先验知识与不断的试验建立规则集的过程。首先进行多尺度分割，形成“同质”对象，然后分别针对对象的光谱特征、形状特征、纹理特征和相邻关系特征等定义不同权重，给出每个对象隶属于某一类的概率，建立分类标准，并按照最大概率原则，产生分类结果。

2.3.1 道路、水体提取

在一级分割尺度的基础上，利用所有波段的平均亮度阈值，将高亮度值的道路、农田、建筑物、裸地与低亮度值的林地、草地、耕地、水体区分开来；继续以平均亮度、形状参数、面积将水体同其他低亮度的地物区分开来；在对道路提取过程中，需要将长宽比、密度、蓝色波段灰度均值阈值与面积参数结合使用，然后使用基于像素的对象调整将区分出来的道路边界进行优化。

2.3.2 林地、草地、耕地提取

在已经分类好的地物的基础上，直接对未明确分类的地物采用二级分类，产生了更小、更多依赖光谱特征的地物。林地、草地通过设置不同的蓝色波段灰度均值、亮度指数就可以区分开来。在该研究区耕地、裸地、建筑物的光谱特征曲线非常接近，且图像只有红绿蓝3个波段，没有近红外波段，所以很难仅根据光谱特征或构建NDVI将其区分。经观察，耕地比较规律地分布于图像的右上角和右下角，所以可以不断反复综合亮度、蓝色波段标准差、位置、面积、形状特征将其提取出来。

2.3.3 建筑物、裸地提取

建筑物光谱特征很分散，体现在图像中有蓝色、红色和灰色房顶，灰色房子可以采用蓝色波段灰度值阈值区分，对于蓝色和红色房顶的房子，可考虑其光谱特征自定义参数，利用光谱差异分割进一步区分剩余未分类的地物，然后再利用形状特征、主要方向、利用与道路的临接特征、纹理特征分别设置不同的阈值将不同房顶的房子提取出来，未分类的即为裸地。

3 研究成果与分析

研究区信息提取成果如图6所示。

图6 研究区信息提取成果图

研究区采用面向对象的特征提取方法，由图6可看出，所提取的结果与目视解译结果一致，具有较高的提取精度。在实验过程中，采用人机交互将结果不断完善，相比传统的分类方法，面向对象的方法具有很大的优越性——避免了“椒盐现象”。通常，建筑物信息提取中与植被等的区分需配合DSM进行，而研究区在没有高程数据的情况下实现了建筑物与植被的分离分类，对其他的地类信息自动提取具有参考价值。

研究中考虑了地物的结构、组成以及人文特点，基本保持了地物的形状特点。由于地物的多样性，某一尺度的分割即使在单纯地类的范围内也未必完全符合地物的光谱和形状特点，因此，分割和分类是一个相互促进的过程，需反复进行，以得到更符合实际情况的分类结果。

4 结 语

本文基于面向对象的分类方法对高分辨率遥感影像信息提取技术进行了研究，采用多尺度分割算法——FNEA，综合考虑了地物的光谱、形状、结构等特点，辅以建筑物组成及人文特点，得到了研究区信息提取成果，并得到以下结论：

1）面向对象分类中规则集建立与多尺度分割过程是一个互相促进的过程，从而使粗糙分类逐渐向精细分类转化。最邻近分类方法与决策支持的模糊分类方法相结合可以提高分类精度。模糊分类方法适合初步分类，最邻近分类方法则能更好地优化分类结果。在建立规则集之前先验知识是必需的，所以要从不同的特征方向更深的理解遥感图像。

2）虽然本文所提取的结果很接近目视解译结果，但在边界平滑方面仍需做进一步的优化。如果想做到更精细的分类还必须研究每个地物之间光谱的细微差别，建立更符合每个地物特色的分类规则。

[1]Geoffrey J.Hay.A Comparison of Three Image-object Methods for the Multiscale Analysis of Landscape Structure[J].Photogrammetry & Remote Sensing, 2003(57):327-345

[2]王爱萍,王树根,吴会征.利用分层聚合进行高分辨率遥感影像多尺度分割[J].武汉大学学报：信息科学版，2009，34(9):1 055-1 058

[3]林先成,李永树.面向对象的成都平原多源遥感影像分割尺度研究[J].测绘科学，2010，35(4):38-40

[4]Hoffmann.P.Detecting Buildings and Roads from IKONOS Data Using Additional Elevation Information[J].GIS Geoinformations system, 2001(6):28-33

[5]Willhauck.G,Benz.U.C and Siegert.F.Semiautomatic Classification Procedures for Fire Monitoring Using Multitemporal SAR Images and NOAA-AVHRR Hotspot datd[C].Proceedings of the 4th European Conferencen, Synthetic Aperture Radar,Cologne,Germany, 2002

[6]陈云浩,冯通,史培军，等.基于面向对象和规则的遥感影像分类研究[J].武汉大学学报：信息科学版，2006，31(4):316-319

[7]鲍海英,李艳,赵萍.辅以纹理特征的面向对象的遥感影像分类方法研究——以陕西省杨陵县为例[J].遥感应用，2009，8：33-37

[8]王卫红，何敏.面向对象土地利用信息提取的多尺度分割[J].测绘科学，2011，36（4）：160-161

[9]陈生，王宏，沈占锋，等.面向对象的高分辨率遥感影像桥梁提取研究[J].中国图像图形学报，2009，14（4）：585-590