APP下载

基于LBV变换的L分量阀值法提取建筑信息

2018-08-07孙书翰

中国绿色画报 2018年1期
关键词:遥感影像

孙书翰

【摘要】:通过LBV变换的基本思想提出L分量阀值法,对大连市部分城区的TM遥感影像数据进行建筑信息提取,与NDBI指数法,PCA变换,监督分类法等几种方法进行比较,结果表明:L分量阀值法的分类精度为87%,高于其他方法,是一种行之有效的信息提取办法。该方法重点在于选取合适的阀值,恰当的阀值可以获得最高的分类精度。

[关键词]:建筑用地; 遥感影像; LBV变换; 信息提取

[引言]:

城市不仅是人口、资源、环境和社会经济要素高度密集的综合体,还是一个与外界进行能量、物质交换的开放系统[1]。现如今,城市以前所未有的速度迅速发展。城市的发展变化和城市化过程不仅表现在人口的增加、经济的发展和功能的变化,而且表现在城市空间结构的变化。城市扩展是城市化进程的重要表现之一,深刻地影响着周围的生态环境[2]。近年来遥感技术已成为城市用地动态监测的有效手段之一。利用遥感影像可以快捷、准确与客观地获取城镇用地信息,获得不同时期城市用地面积资料, 监测城市的扩张过程, 对城市的合理规划具有重要的意义[3]。

目前在没有GIS辅助的情况下常用的遥感影像城市建筑用地信息提取方法是计算机分类,主要是监督分类以及非监督分类。但城镇用地信息的分类精度较低, 为了取得更高的精度, 有时必须得采用目视判读的方法, 但这种方法非常费时, 工作量大, 效率较低。本文基于LBV变换提出了L分量阈值法的建筑信息提取方法,通过实验对其提取精度与其他方法进行比较分析。

1.城市建筑信息提取方法

1.1 影像信息

选择大连市中山区、西岗区、以及沙河口区等部分城区作为研究对象,所使用的数据为TM影像数据,成像时间为2010年8月3日,轨道号为120/33,研究区域内无云层覆盖,影像质量良好,地面分辨率为30米。

1.2研究方法介绍

曾志远先生通过对多条具有代表性的地物辐射曲线进行分析发现,卫星遥感图反应出来的三个最重要的地物辐射特征是地物总辐射水平L,地物可见光—红外光辐射平衡B,和地物辐射随波段变化的向量V[4]。其中L值图像代表裸地特征图像,B值图像代表水体特征图像,V值图像代表植被特征图像。

用于LBV变换的TM图像(四个波段)最佳波段组合是TM2、3、4、5,最优方法为灰度值曲线回归方程法,对这四个波段进行线性变换可以生成L、B、V三个波段,公式如下[5]:

L=1.507599D2-0.066392D3-1.382209D4+1.733790D5+11.000000

B=1.126971D2+0.673348D3+0.077966D4-1.878287D5+159.000000

V=1.636910D2-3.396809D3+1.915944D4-0.156048D5+121.000000

在L分量中,裸地及建筑用地呈現高亮色调,其余地物呈现暗黑色调。影像中地物由黑到白分别表示水体、植被、建筑用地、裸地。L分量阈值法的基本原理是:在完成LBV变换的基础上,通过对L分量灰度直方图的分析,选取恰当的阈值,从而实现对建筑用地信息的提取。

2.建筑用地信息处理与提取

在ENVI软件中打开大连市遥感图像,本文研究的主要对象是大连市中山区、西岗区、沙河口区等区域,需要对影像进行裁剪,影像尺寸大小设置为500*500。裁剪之后,对影像进行彩色合成。关于影像数据的各个波段,一般认为,TM1、TM2、TM3 相关性较好,TM5、TM7 所含信息相似,TM4独立性较好。此次假彩色合成,红色选择TM4波段、绿色选择TM3波段、蓝色选择TM2波段,将三者进行波段组合生成影像如图所示。假彩色合成后的图像,建筑用地呈现为灰蓝色调,农用地,山林,植被等绿地为红色调,海洋呈现蓝黑色调,彼此差异明显,易于区分。

通过LBV变换公式,得到L、B、V,3个波段,对三个波段进行彩色合成,L波段对应红色,B波段对应绿色,V波段对应蓝色,对应LBV彩色合成图像与L 波段的灰度直方图发现,建筑用地及裸地面积少于水体及植被覆盖面 积,而灰度波直方图上有两个波峰,居左的波峰代表着L值较小的水体及植被,居右的波峰则代表着L值较大的建筑用地。居右波峰的右端点之后代表着L值最大的裸地。选取有波峰的左右端点作为L分量的阀值,经过试验测试,建筑用地的灰度值介于86~170之间。将L波段的影像进行二值化处理,如图5所示,白色高亮部分即为建筑用地信息。

3.实验结果的精度分析

将L分量阀值法获取的建筑信息图,与原始影像进行叠加对照,发现通过该方法提取的建筑用地信息,与目视判读的建筑用地信息高度吻合。能够完全提取出面积较大的住宅区、商业区,也能够得到植被之间的公路和河流上的桥梁。并且分离出正在建设中的裸地,减小了误差。

对以上几种方法进行定量统计,对建筑以及其他地物各随机选取150个样本点,建立混淆矩阵,得到总体的分类精度,kappa系数,建筑信息漏分精度,非建筑信息误分精度,建筑信息精度。如下表所示,LBV变换的建筑信息分类精度为86.67%,总体分类精度为87%。该方法与其他方法,总体分类精度有所提高,能够达到土地形态特征和动态监测等研究的精度要求。

4.结论与讨论

选取大连市部分城区TM影像数据,利用L分量阀值法以及其他三种方法对城市建筑信息进行提取,可以得到一下结论:

1.在以上几种方法中L分量阀值法所获得的影像,总体分类精度高于其余几种方法的总体分类精度,是一种行之有效的办法。

2.选取恰当的阀值可以使L分量阀值法获得最高的分类精度,缩小建筑漏分精度,有效的改善裸露地误分为建筑用地。

3.该方法操作简便,但选取适合的阀值是该方法最重要也是最困难的环节,需要反复实验检测才能得到。

【参考文献】:

[1]王秋兵;卢娜;边振兴.沈阳市城区扩展动态监测与驱动力分析[J].资源科学,2008,(07):110-117.

[2]赵璐;苏怀.基于遥感影像的1992―2006年昆明市城区扩张及驱动力分析[J].中国科技纵横,2011.

[3]杨智翔;何秀凤.基于改进的NDBI指数法的遥感影像城镇用地信息自动提取[J].河海大学学报(自然科学版),2010, (02):63-66

[4]曾志远.卫星遥感图像计算机分类与地学应用研究[M].北京:科学出版社,2004.

[5]姜洋;李艳;刘东.基于TM影像属性和形态特征的土地覆被制图方法[J].地球信息科学学报 ,(01):121-129

猜你喜欢

遥感影像
洪湖湿地土地利用/土地覆盖变化遥感监测
基于遥感影像数据的珠三角高速公路对沿线土地利用的影响研究
遥感影像雾霾去除系统设计与实现
高分辨率遥感影像的建筑物提取方法研究综述
基于指数的决策树土地利用分类算法研究
基于Slice-Oriented算法的宁德市森林健康分类研究
浅析无人机遥感影像的特点与影像处理技术
基于Python的Landsat8OLI影像建设用地自动识别与提取
基于高分二号遥感影像的东北地区村庄建设用地提取
基于ERDAS IMAGINE软件的谷歌地球影像融合方法研究