王卉 张达

(华北理工大学矿业工程学院，河北 唐山 063210)

引言

自20世纪60年代以来，遥感技术一直基于电磁波理论，从长距离透镜辐射和反射的电磁波的信息被各种检测仪器收集，处理并最终捕获，以在地面上执行多个场景，是一种全面的检测和识别技术。近年来，已广泛应用于气象观测、资源研究、地图绘图、军事侦察和特征信息提取等领域[1]。

地物特征信息是绘图、特征分析和应急响应的重要基础地理数据[2]。目前，从遥感图像中获取地物信息主要是基于视觉解释，但这种方法远远不能满足数据更新的需要。随着高分辨率卫星遥感数据应用的不断增加，利用高分辨率遥感影像的成像特征和道路特征进行道路信息的自动提取已成为其中之一。当前地物信息提取的重点是通过目视解译进行辅助，为计算机提供感兴趣区，计算机训练完成后反演，对未分类的地物依据样本区进行分类，即利用BP算法进行监督分类，利用BP算法对数据进行分类，可以得到更为接近需求的真实地物分类结果[3,4]。

1 分类方法

1.1 监督分类

监督分类优点是有人为因素辅助,更容易获得接近实际地物的分类结果,采用神经网络算法(BP算法)的原因是BP算法是模拟生物的神经网,同时进行计算,并且神经网络算法还具有自我深度学习能力,可以根据感兴趣区(目视解译)辅助算法的迭代,进而分析出预测的结果,即分类结果。分类精度由感兴趣区影响,理论上,选择的样本量越大,选取范围越精细,选取种类越多[5],最终分类结果就会更接近真值,便于后续的地物特征信息提取以及分析。

1.2 神经网络算法

人工神经网络具有4个基本特征。非线性自然界的一个普遍特征是非线性关系，大脑智慧是一种非线性现象，处于2种不同状态的未被激活或激活的人工神经元也表示数学中的非线性关系，阈值化的人工神经网络倾向于提高性能并且可以提高容错性和存储容量；放松管制多个神经元的广泛连接通常可以形成神经网络，单个神经元的1个或几个特征可以影响系统的整体行为,但系统的整体行为由设备与其交互之间的连接决定，通过不同单元之间的不同连接模拟非本地化的大脑，无限制的典型示例是通过关联的存储器；高度定性的人工神经网络是自适应、自组织和自学习,神经网络不仅可以处理各种变化的各种信息,还可以处理信息,非线性动态系统本身也在不断变化，电力系统的各种发展通常通过对迭代过程的广泛解释来证明；非体积特定状态函数在一定条件下影响系统的最终进化方向，以下是如能量函数之类的极值可以表示系统的相对稳定状态的示例，非凸性意味着该函数具有许多极值,因此系统使用许多稳定的平衡状态来诱导系统演化的各种属性。

网络的应用现已广泛涉及许多领域,并取得了很大的进步和发展。自动控制字段。提供系统建模、识别、参数集成和确定,极点设备和设置,内部模型控制,优化控制,预测和控制,最优控制,过滤和预测容错。组合优化问题处理。除了最大的匹配问题,包装和作业调度问题外,还成功解决了旅行商问题。图像处理。图像可用于边缘监控,图像分割等技术。机器人控制。控制机器人的轨道,操纵机器人的视觉系统和肢体系统,还可用于诊断自适应移动机器人的机器人故障、异常、智能导航和视觉系统。医疗。癌细胞分析中的移植数量是最佳的,如何降低医院成本和提高医院服务质量。

1.3 监督分类原理

1.3.1 概述

监督分类，即场地训练法,理论基础是建立一个可以统计和识别的功能。通过场地训练法,选择如何分类的技术。换句话说,根据已有样本,找到特征参数作为其分类决策规则,根据该规则,建立鉴别功能来执行若干图像并分类。图像的分类是模式识别的方法之一，其要求样本典型、有代表性。如果标准满足分类的准确性,则建立标准,否则,恢复分类决策的规则直到满足分类的准确性。

1.3.2 原理

利用人工划分的区间对色块进行记忆,随后计算机通过人工划分的标本数据集,对整幅图像进行计算分析,输出分类结果。

1.3.3 弊端

因为影像中会有一些近似的地物,如建筑物和土地有部分近似颜色且相邻,会导致计算机无法如人工解译般准确地分辨出土地和建筑的区别,导致在分类结果中出现部分建筑和土地变为同一类的情况；又或者是阴影和绿化在一些情况下，整体都和水体一般呈现黑色，这也会使得地物分类结果不准确；亦或建筑有时反射黑色光谱特征，与水体一致；亦或水体有时反射蓝色光谱特征，又会反射黑色，偶尔也会受到水面微生物影响，反射绿色光谱特征信息。反之亦然,可能会使得本为同一地物,因为样本区间选择不同,导致同一地物被分为多个不同地物。如，同为建筑物，在施工现场彩钢房往往呈现蓝色光谱信息特征，而城市内建筑物反射光谱多为白色，此类情况在分类时，同一个地物如果有不同的光谱特征，应当将所有特征都选取感兴趣区，帮助计算机更为精确识别地物。

1.4 神经网络算法原理

BP的基本算法通常包含2个主要过程，即信号的前向传播和误差的反向传播。计算的误差输出是在输入到输出的方向上进行的,并且调整权重和阈值必须从输出方向到输入方向。在前向传播中,节点利用输入信号获得输出信号,此时,节点使用输出处的隐藏层动作,随后进行非线性变换,如果输出不符合期望,则会将其转至错误的反向传播。误差的反向传播包括对输入层使用隐藏层和逐层使用反向传输。此过程还将错误分配给所有层的所有单元,并使用从每个层获得的错误信号，作为调整每个单位重量的基础。通过调整输入节点和隐藏层节点之间的连接强度,隐藏层节点和输出节点之间的连接强度以及阙值,可以利用反复学习进行沿着方向减小误差梯度和训练。也可使用最小误差和相应的网络参数(权重和阙值)停止训练。此时,通过Neural Network训练,相似输入内容的信息可以自行处理,也可处理含有较小输出误差的非线性转换信息。

2 案例研究

2.1 测区概况及数据来源

嘉荫县隶属于黑龙江省伊春市,总面积6739km2。通过互联网渠道获取研究区域的夏季影像,实验区在N48°83′～49°26′5″,E129°9′45″～130°50′。测区适合夏秋两季进行农业作业，春冬季节适合游玩和休耕。同时夏季测区可以作为避暑山庄等旅游景点。由于实验区域的气候等,导致春冬季节实验区域会有路面积雪、房屋积雪等因素影响影像信息的提取,使得地物提取变得困难,所以选择没有积雪等因素,且影像观测环境良好的夏季作为实验区域的影像时间。

2.2 预处理

2.2.1 辐射定标

操作过辐射定标后,就可以把成像时被附加了辐射能量的传感器获得图像的噪点消灭。除噪可以使得在图像的成像过程中,消除大气折射率等影响,尽可能地还原接近实际地物的影像。

2.2.2 大气校正

利用观测时的陆空以及大气环境等各种数字形态的数学数据,算出大气的气溶胶在光学里的厚度、大气里水和臭氧的含量并分析,处理被定下标的场地及其被训练区域地物的光谱等数学数据,获得被定标的场地数据的形状数据和时间参数,求出遥感器入瞳时的辐射亮度,计算出定标的系数,进行误差分析。

大气校正是为了消灭在传输电磁波中,电磁波被大气吸收或者被散射等因素,大气对电磁波的这些影响，会导致出现被削弱过的图像,进而影响影像的品质,使得影像亮度值变化。大气校正的目的是消除电磁波传输过程中大气对电磁波的影响,使得影像恢复为原来的亮度值,也就是使影像恢复到原本的地表真实辐射亮度。

大气校正主要流程是通过选择大气溶胶模型,通过大气溶胶模型以及大气模型的选择,对所要进行大气校正的影像进行校正。选择模型的原因在于需要模拟影像拍摄时期的大气环境,进而通过算法还原影像在被大气削弱前的图像。

2.2.3 图像融合

影像的融合目的是对某一个信息的强调优化,进而可以突出所需要的某一个专题的信息,消灭或者压制住不需要的信息,从而提高特征信息的分类精度,并使得影像获得更广泛的应用范围以及效果[6]。

2.2.4 图像增强

影像的增强主要是为了加强影像的视觉性,突出影像的某一或某些特征信息,方便进行提取。

卷积滤波采用的是高通卷积滤波,可以用来锐化图像,强化图像的边缘信息,进而凸显出图像的边界。原理是提取图像的高频部分,代入到图像的边缘低频部分,进而实现锐化图像,增强图像边缘的结果。

2.3 分类方法

2.3.1 方法选择

采用了监督分类[1]的神经网络法,并从监督分类后的结果进行所需要的实验区域道路信息的提取,就可以对分类后的结果进行合理判断,从而为后续的道路信息提取出来的特征信息的分析提供一个消息来源进行选择和使用。

神经网络算法是一种拥有可以自己加深学习能力的计算方法,人脑的一个基本的单位如果是神经元,那么一个感知器就可以变成一个人工的神经网的基本构成部分,这个感知器能够自己完成不太复杂的信号处理,连到一个大型网中。通过使用加深学习能力的一个人工网络常见范例就是识别对象的一个任务,在这类任务中,神经网能够展示出大量的特定类型的对象,电脑通过分析所展现图像中反复出现的模式,学会对新图像进行分类。

神经网络分类是通过监督分类实现的,也就是目视解译感兴趣区,作为一个标记的数据集,根据地物的不同,选取多个数据集进行标记,计算机要经过这些数据集,然后对算法进行修改,直到能够处理数据集以获得所需的结果。

2.3.2 分类结果

图1就是标记过的数据集合,通过计算机并利用神经网的自我加深学习能力,对地物进行分类的结果。此方法可以自行进行深度学习，节约人工成本，具有联想存储和高速获得最优化解的能力。

图1 分类结果

2.3.3 结果分析

如图1所示，道路和建筑互相交错分布，且道路路网将建筑区整体包围起来，路网交错穿插在建筑群中，可以根据提取出来的特征判断，该地交通较为发达便利，建筑区内各个建筑类地物通过城市路网系统互相连接，且在城市边缘，路网由城市内延伸至大面积土地。

由图1所示结果以及结果分析可以得出，测区建筑分布较为零散，路网系统错综复杂，连结城市区和无人区；测区性质属于旅游、农耕城市，可以通过增强路网建设，使得城市连结无人区，进行城市扩张；无人利用土地内含有少量建筑分布，可以进行城市化扩张，或进行农业开发，在旅游方面可以尝试农家乐、采摘园等旅游产业开发。

对于旅游城市，还可以针对无人区进行车站、机场等建设，连结周围其它城市，扩大人流量、车流量；并可以在无人区进行农业开发，制作具备当地特色的农副产品销售；这些措施可以增加测区财政收入以及GDP增长等。

3 结论

通过对道路信息的提取,可以获得实验区域嘉荫的各类地物特征信息,利用这些信息进行分析,可以获得嘉荫地区的土地、建筑、道路应用所需数据。

在土地上,根据土地信息,可以对城市规划区、农民耕种区等进行规划,并配合道路信息进行耕种、规划区建设，或根据各区域空间相关性,对道路建设进行规划。

在道路上,可以根据路网信息,对道路进行分析,总结出城市交通便利性,同时也可以根据建筑信息对城市交通进行规划。

在建筑上,可以根据建筑空间分布特征,进行测区的城市化分析，也可以依据建筑信息对城市交通、土地利用情况分析结果进行结合,选择城市规划区或城乡结合、分离等规划。