一种基于高分辨率卫星影像的高精度土地覆盖分类方法
【技术领域】
[0001] 本发明涉及一种基于国产高分辨率卫星影像面向对象的高精度土地覆盖分类方 法，适用于无云覆盖的国产遥感卫星多光谱影像的土地覆盖分类，属于遥感信息处理领域。
【背景技术】
[0002] 随着经济的发展，全球环境破坏也日趋严重，干旱洪涝、农耕土地非法占有、森林 滥伐等问题频繁发生严重影响了人们的生活和社会经济的发展以及社会的稳定，利用遥感 信息快速、科学、准确的对土地覆盖进行分类和评价，适时掌握区域化土地覆盖情况，及时 采取相应对策，对土地资源合理规划及保护有着重要的作用。
[0003] 土地覆盖的遥感监测多是通过土地覆盖类型、面积以及变化情况进行监测，要想 知道土地覆盖面积的变化必然离不开土地覆盖分类，相对于单一地物类型的提取而言，从 遥感影像上自动提取土地覆盖类别的算法相对较少，目前单波段阈值法、多波段谱间关系 法、非监督分类法、监督分类法等土地覆盖分类方法相继得到了应用。
[0004] 其中单波段阈值法是利用某种地物与背景地物在某一波段上的反射率或像元灰 度值的差异确定某一数值为区分某一地物和其他地物的方法。此方法原理简单操作简便。 但其中关键的是阈值的确定，阈值选取的准确性直接决定了地物提取的准确性。因此单波 段阈值法在地物类型丰富，地物在所选波段上灰度值接近的影像上具有一定的局限性，其 提取精度低。
[0005] 多波段谱间关系法的实质是构造波段运算函数对影像进行处理，该方法能够利用 多波段的优势综合提取地物信息。此方法综合利用了多个波段的光谱信息，因此提取效果 往往要比单波段阈值法要好。但是此方法要根据不同遥感卫星多光谱影像中地物独特的多 波段谱间关系特征，构造出谱间关系法地物提取计算模型，如G+R>NIR+MIR或MIR/G<a等， G代表绿光波段，R代表红光波段，NIR代表近红外波段，MIR代表短波红外波段，a为阈值。由 于不同遥感卫星多光谱数据往往需要不同的计算模型，因此这种方法的普适性不高，很难 推广。
[0006] 非监督分类方法是面向象元的分类方法，操作较为简单，然而该方法分类结果非 常破碎，数据量大，在高分辨率影像分类不太适应。监督分类一般采用人工勾画样本，选择 一种监督分类方法进行面向象元分类。这种方法人工干预较多，主观判断较多，同时结果也 较为破碎。
[0007]总的来说，以上几种方法存在以下几方面缺点：（1)方法较为原始，提取精度低； (2)在提取过程中需要辅助人工干预，甚至还需要实地实测、手工勾绘，费时费力；（3)针对 不同遥感卫星多光谱数据需要不同的计算模型和阈值，普适性低；（4)针对高分辨率影像， 面向象元的方法分类结果数据较为破碎，不宜实际使用。
【发明内容】
[0008]本发明解决的技术问题为：克服现有技术不足，提供一种基于高分辨率卫星影像 的高精度土地覆盖分类方法，本发明采取面向对象的思想精确地提取地物类别，并能提高 生产效率，流程简单，工程易于实现。
[0009] 本发明解决的技术方案为：
[0010] 一种基于高分辨率卫星影像的高精度土地覆盖分类方法包括步骤如下：
[0011] (1)确定卫星遥感影像性质相似的斑块区域，并进行合理影像分割；
[0012] (la)根据卫星遥感影像的灰度值计算表观反射率，计算过程如下：
[0013] (lal)按下公式将影像的灰度值转换为表观辐亮度：
[0014] La = Gain XDN+Bias
[0015] 其中，Gain为增益，DN为灰度值，Bias为偏移量；
[0016] (la2)按下式将表观辐射亮度转换为表观反射率：
[0017]
[0018] 其中，a表示正整数，d为日-地距离订正因子，Es是大气外太阳光谱辐照度，0 S是太 阳天顶角；
[0019] b)枏据影像空间分辨率，按下式设置影像分割尺度h:
[0020]
[0021 ]其中，h为影像分割尺度，r为影像的空间分辨率；
[0022] (lc)确定影像分割尺度后，采用均值漂移分割算法进行影像分块处理，得到影响 块；
[0023] (2)根据步骤(1 c)分割出的影响块，计算影像特征；
[0024]的影像特征计算步骤如下：
[0025] (2a)构建影像特征的谱特征，谱特征包括波段平均值和影像光谱标准差；
[0026] 各波段的平均值：
[0027] 其中，μ。为第〇波段应射銮的询倌,〇取lF整数;pa表示各象元的表观反射率；
[0028] 影像光谱标准差
[0029] 其中，〇。为第〇波段的影像光谱标准差；
[0030] (2b)构建影像特征的图特征；的图特征为影像的几何特性，本文主要以平均梯度 予以描述；
[0031 ]平均梯度G( X，y)按照下式计算得：
[0032] G(x，y) =dxi+dyi;
[0033] dx(i , j) = [p(i+l, j)-p(i-l, j)]/2
[0034] dy(i , j) = [p(i , j-l)-p(i , j-l)]/2
[0035] 其中，P(i+l，j)为指影像各个波段的表观反射率，i和j表示影响表观反射率矩阵 的行和列；
[0036] (3)根据步骤(2)的影像特征，获取地物样本；
[0037]的样本采集步骤如下：
[0038] (3a)根据计算得到的平均值、标准差以及平均梯度，以3*3的方阵对全影像进行采 集，利用下式计算地物样本象元的地类值：
[0039] f(mi,j) =ayi,j+b〇i;j+c G(x,y)
[0040] 其中，fUu)表示3*3方阵的地类值;表示波段的平均值;表示影像光谱标 准差;a表示波段平均值对地物分类的影响因子;b表示标准差对地物分类的影响因子;c表 示平均梯度对地物分类的影响因子;a、b和c三个系数利用监督分类法结合历史地物样本， 通过迭代迭代加权获得；
[0041] (3b)根据步骤(3a)求出的象元对应的地类值，得到地物样本：以实际地物精度为 基准，象元对应的地类值精度在实际地物精度5 %范围内的象元作为地物样本；
[0042] (4)以步骤(3)的地物样本作为信息熵，采用决策树及boosting技术提取各类地 物；
[0043] (5)计算步骤(4)提取的各类地物图斑面积，根据设定值进行图斑合并与剔除，获 得最终分类结果。
[0044] 本发明与现有技术相比的优点在于：
[0045] (1)本发明使用遥感影像的表观反射率代替影像的灰度值来提取地物类别，因为 遥感成像是在大气中对地面物体辐射进行探测和收集，大气是遥感信息传输的必经介质， 太阳辐射在大气传输过程中会与大气发生一系列的相互作用，从而影响卫星传感器入瞳处 所记录的地表辐射亮度，也就是最后获取的遥感影像会在一定程度上偏离其本来的地表面 貌，因此对遥感影像进行大气订正，即使用表观反射率代替原遥感影像中的灰度值可以在 一定程度上还原地表真实面貌，能更加精确地提取遥感影像中的地物类别。
[0046] (2)本发明采用面向对象的方法对影像进行土地覆盖分类。在漂移图像分割过程 中，结合分割尺度，以影像光谱、纹理为特性，将影像分割成以对象为单元的各个部分，使得 地物分类结果保持整体性，并且提高分类效率与精度，本发明的分割尺度计算方法，考虑了 空间分辨率的因素，能够更加保证分割准确高效。
[0047] (3)本发明采用了样本自动选取与寻找的过程，减少了人工干预的主观性，保证了 样本寻找的准确性，从而达到分类精度的准确性。
[0048] (4)本发明解决了土地覆盖分类错分、碎斑多的问题，使得运算效率提高了 50%， 分类精度提高到90 %。
【附图说明】
[0049] 图1为本发明土地覆盖自动分类方法流程图。
【具体实施方式】
[0050] 下面结合附图对本发明的【具体实施方式】进行进一步的详细描述。
[0051] 如图1所示，一种基于高分辨率卫星影像的高精度土地覆盖分类方法包括：
[0052] (1)确定卫星遥感影像性质相似的斑块区域，并进行合理影像分割；
[0053] (la)根据卫星遥感影像的灰度值计算表观反射率，计算过程如下：
[0054] (lal)按下公式将影像的灰度值转换为表观辐亮度：
[0055] La = Gain XDN+Bias
[0056] 其中，Gain为增益，DN为灰度值，Bias为偏移量，这些参数可从影像对应的XML中获 取。
[0057] (la2)按下式将表观辐射亮度转换为表观反射率：
[0058]
[0059] 其中，a表示正整数，d为日-地距离订正因子，Es是大气外太阳光谱辐照度，0S是太 阳天顶角；
[0060] (lb)根据影像空间分辨率，按下式设置影像分割尺度h:
[0061]
[0062] 其中，h为影像分割尺度，r为影像的空间分辨率，单位为米。；
[0063] 获得具有反射率的遥感影像后，设置分割尺度。分割尺度的设置，需要结合影像空 间分辨率大小。一般来说，影像较为清晰，地物不破碎。
[0064] (lc)确定影像分割尺度后，采用均值漂移分割算法进行影像分块处理，得到影响 块；