摘要：现如今，我国城市建设在不断加快，针对高分辨率遥感影像在城市地表信息提取中存在的若干问题，发展了一种基于影像对象最优特征组合的城市地表信息提取方法。该方法首先基于面向对象的思想，抽象出城市地表信息所对应的影像对象的各种特征，然后，基于先验知识和样本分析选择最优特征组合，建立有效的影像对象特征集，最后，采用基于知识规则的模糊逻辑分类器快速准确地检测、识别和提取城市各类地表信息。实验结果表明，该方法具有较好的分类精度，其分类结果可为土地利用变化监测和GIS数据库更新提供依据。
关键词：高分辨率影像;面向对象;特征组合;信息提取
引言
沿海地区是人口聚集、资源丰富的地区，不仅因修建港口码头、开采近海石油等项目具有重要的经济价值，也是海洋开发、滨海综合工业基地及对外贸易和文化交流的纽带。根据国务院第一次全国地理国情普查领导小组办公室的统一部署，沿海地区地表覆盖信息在全国地理国情普查中占有重要地位。但在第一次全国地理国情普查中，无论是传统的实地勘测调查，还是人工解译，或因沿海地区环境复杂，通达性差，或因巨大工作量限制了其地表覆盖信息的提取。随着遥感技术的发展，遥感影像分类为沿海地区地表覆盖信息提取提供了一种重要方法。传统的基于像元的分类方法在技术上和应用上已经比较成熟，但分类结果会产生“椒盐效应(salt-and-pep-pereffect)”。现在越来越多的高空间分辨率影像被用于遥感信息提取中，传统的基于像元的分类方法已不再具有明显的优势，面向对象影像分类不但考虑光谱的统计特性，还考虑其空间、纹理、拓扑关系，能大大提高分类精度，适用于高分辨率遥感影像分类。
1地表覆盖提取及变化检测
以多期遥感影像为底图,采用人机交互方法,基于目视解译对遥感影像进行矢量化编辑,按照分类体系,获取研究区多个时相的地表覆盖现状图。基于多期地表覆盖矢量数据,利用GIS空间分析功能进行变化检测,获取地表覆盖分阶段的变化区域及其相应地类信息。基于ArcGIS平台对多期影像分类别进行矢量化编辑,其成果按类别存储为单独的矢量文件。对矢量文件进行叠置分析,经过“交集取反”运算,获得每一种地类在研究时区内发生的变化区域,同时可获取变化区域在两个时相内不同的地类属性。对获取的分地类的变化区域进行联合运算,将所有变化区域统一到一个矢量文件中,是为整个实验区所有发生变化的区域,其属性表中包含各个区域变化前后相应的地物类别。对变化区域所在的矢量文件进行必要的拓扑检查,将前面操作所获得的复杂多边形进行打散操作,同时按照面积剔除面积小于3平方米的多边形,保证最后获取的结果具有正确的拓扑关系。
2多源沟壑数据的膨胀与融合
对D8算法、坡向变率算法和面向对象分类方法提取的3种沟壑结果，采取先膨胀，后融合的策略，逐步生成精细化的地表沟壑数据.具体算法流程如下.（1）以D8算法生成的矢量沟壑为中心，采用距离制图算法，生成膨胀沟壑数据，基准空间分辨率与遥感影像空间分辨率一致.（2）根据距离沟壑中心线的远近，对膨胀的沟壑像元重分类，将距离值在1倍DEM网格间距内的沟壑像元值置为1，其余像元值置为0.（3）将重分类结果与其他沟壑结果依次进行栅格叠加，提取灰度值满足条件的像元.合并后栅格灰度值分为4类分别是0、1、2、3；最后遍历判断每个像元的灰度值大小，灰度值大于1的像元被认为是真实沟壑区域，灰度值小于或等于1的像元被认为是伪沟壑区域.筛选提取灰度值大于1的像元即组成了侵蚀细化后的真实地表沟壑区域.
3干扰特征
在遥感影像中经常会出现许多干扰分类和遥感信息缺失的现象，把这些影响遥感成像而形成的影像特征称为干扰特征，包括一般地物阴影特征、云影特征、热力阴影等。
由于干扰特征难以量化，通常只将其作为噪声去除。从理论上讲，基于对象的所有特征信息都应被有效地用于遥感影像分类过程。但是，由于特征信息中可能存在较大的相关性和冗余，过多的特征不仅会使运算变得复杂，处理速度大大下降，而且还可能会导致分类精度降低。因此，需要选用对分类识别作用较大的特征。本文基于先验知识并结合对各类地物样本对象特征的分析比较从原始特征空间中选择最优特征组合，建立有效的影像对象特征集。然后，根据这些最优的特征组合采用基于知识规则的模糊逻辑分类器提取城市各类地表信息。基于知识规则的模糊逻辑分类器主要通过多个知识规则的组合，描述影像对象属于指定类的隶属度，即形成描述指定类的所有知识规则条件的组合，构成该类的一个信息提取知识规则库。知识规则一般采用“IF/THEN”形式，知识规则之间利用布尔逻辑操作符“AND”或“OR”组合在一起。影像对象的地类隶属度则通过成员函数值来表达。当成员函数值大时，地类隶属度高;相反，当成员函数值小时，地类隶属度低。
4分类后处理及精度评价
面向对象分类减少了传统分类图像中的孤立点、孔洞等，即“椒盐噪声”，因此本试验完成两种面向对象分类后，运用数学形态学算子完成聚类处理，相同对象明显错误分类的修改，优化分类结果。两种方法分类结果，相同类别应使用相同颜色表示，因此后处理需要更改类别颜色。遥感影像分类结果必须进行客观可靠的精度验证。本文采用混淆矩阵进行进度评价，通过比较分类的总体精度、各类别的用户精度、制图精度、以及Kappa系数验证面向对象GLC分类方法的有效性及相对面向对象SVM分类方法的优越性。精度评价的参考源可以是样本，也可以是标准分类图，基于实地调查的利用高分辨率影像数字化解译的地表覆盖矢量数据基本可以反映研究区地表覆盖的实际情况，可以作为精度评价的标准分类图。
5基于遥感影像提取沟壑
采用面向对象分类的地表沟壑提取方法，能更好地保留沟壑的细部特征，主要流程包括分割、分类和提取3个步骤.首先是对目标影像进行分割，以形成初始的、较为同质的图像对象或图斑.图像分割的目的在于减少同类地物的光谱差异，增大不同类地物的光谱差异，提高遥感影像的信噪比，增强遥感影像的可分性.然后根据图斑的光谱特征和纹理特征，制定相关分类指标，并计算不同地物在分类指标上的取值范围.分类指标要能够很好地描述归属于不同地物类别的图像对象之间的差异，分类规则要体现不同地物的可区分性.最后严格按照该分类规则选择合适的样本并执行面向对象分类提取沟壑.
结语
本研究针对高分辨率遥感影像在城市地物信息提取中存在的一系列问题，基于面向对象的思想，发展了一种基于影像对象最优特征组合的城市地表信息提取方法。该方法突破了传统基于像元的影像分析方法只能利用光谱特征的局限性，充分挖掘影像各种特征，并基于先验知识和样本分析选择最优特征组合，建立最有效的城市地表信息特征集，从而快速准确地检测、识别和提取城市各类地表信息。本文试验研究表明，采用本方法基于高分辨率遥感影像进行城市地表信息的提取可以取得较高的精度(如本研究取得了91．1%的分类总精度)。因此，本方法具有较高的实用性，对于应用面向对象分类方法提取城市地表信息，可以提供借鉴和参考。需要指出的是，本方法中涉及的特征组合方案主要是基于先验知识通过人工选择和分类实验获取的。当应用区域较复杂或源数据成像条件受限制时，通过反复的人工试验从影像对象的众多特征中选取最优的特征组合可能会降低地物目标的识别效率。因此，自动构建最优特征组合有待进一步深入研究，以提高地物目标识别的自动化程度。
参考文献
［1］詹庆明，肖映辉．城市遥感技术［M］．湖北:武汉大学出版社，1999．
［2］邵振峰．城市遥感［M］．湖北:武汉大学出版社，2009．