基于遥感图像光谱特征融合的高原土地覆盖类型分类模型.pdf

陕西农业科学():./.生态农业基于遥感图像光谱特征融合的高原土地覆盖类型分类模型唐彬元赵洪鹏杨 珍(.青海省地质测绘地理信息院青海 西宁.青海省高原测绘地理信息新技术重点实验室青海 西宁)摘 要:在使用土地覆盖类型分类模型分类高原土地覆盖类型的过程中由于不同类别地物间光谱信息更相近在没有多特征降噪的情况下容易产生噪声偏差导致土地覆盖类型错分设计一种基于遥感图像光谱特征融合的高原土地覆盖类型分类模型 设计特征提取方法提取遥感图像中几何特征的空间特征与属性特征以展示遥感图像光谱更多的空间细节信息将遥感图像按照一定模式规则进行处理和运算构建三种多特征融合模式使用 作为分类工具计算其中参数实现元素的线性可分 模型性能测试结果表明:设计的分类模型所得到的分类结果在生产精度、总体精度、系数这三个指标中的评分均达到了.以上验证了设计模型在高原土地覆盖类型分类中的准确性关键词:遥感图像光谱特征融合土地覆盖类型分类模型中图分类号:文献标识码:文章编号:()收稿日期:修回日期:第一作者简介:唐彬元()男藏族青海民和人青海大学学士学位(测绘工程专业)测绘中级工程师主要研究方向:大地测量、工程测量、不动产测绘、遥感应用、地理信息等 (.):.().:引言城镇化的飞速发展也改变了大部分高原土地的使用情况城镇化的扩张造成了农作物种植用土地面积的锐减环境在受到影响的同时生态也产生了一定的退化 要确保高原土壤在合理利用的同时还需要对高原地区的自然土地资源进行合理保护 在以上高原土地开发利用保护过程中真实准确的掌握高原土地当前的准确使用情况是重要的前提 遥感技术在对大面积土地进行探测的工作中其效率高成本低 由于是针对高原土地这样环境复杂、人力难以到达的险峻地段使用遥感进行监测不仅能够节省大量的人力物力财力而且能够快速获取信息因而遥感图像近年来的应用较为广泛通过对高原土地的遥感图像进行分析对土地的覆盖类型进行分类是遥感技术的重要内容之一 卫星传感器的不断迭代发展得到的遥感影像在空间中的分辨率也越来越高这也令遥感图像光谱能够表现出来的土地信息更加丰富对于高光谱遥感图像来说一个像素点对应的特征向量能够达到上百个维度特征向量中也包含了对应的光谱信息从这些光谱信息中获取到地物的信息更加丰富相关学者进行了研究刘唐等优化 每个隐层节点的输入权值和偏置构建 分类模型提高了极限学习机的泛化性能但是难以应对空间细节信息处理难题应用效率较低李渊等为了避免唯一标签导致的错分类现象考虑到区域类别标签对分类精度影响利用区域边缘信息和后验概率考虑区域特征与邻域特征使特征场参数更加接近真实情况但是噪声偏差较大 李长生等利用属性间的决定系数选择合适的属性集合改进 算法体现特征向量之间相对关系保证属性识别度但是特征混淆度较高总体精度较低为了获取到高原土地上的实际土地覆盖类型需要对遥感图像中的像素点进行深度分析最大程度的挖掘其中的数据信息以达到对土地覆盖类型进行分类 但是目前所使用的分类模型中使用的都是光谱特征没有考虑到多特征去噪这会导致在分类过程中出现误分类和未分类的情况因此本文设计一种基于遥感图像光谱特征融合的高原土地覆盖类型的分类模型 高原土地覆盖类型分类模型设计.遥感图像多特征提取在原有的土地覆盖类型分类模型中主要是依靠单一像素的光谱信息特征作为依据完成分类 但是当前的高光谱遥感图像中针对相同类别的地物之间的光谱信息差异比较明显而不同类别的地物之间光谱信息更加相近这就极容易导致在分类结果中出现噪声偏差导致土地覆盖类型错分 在这样的情况下就需要对遥感图像的光谱多特征进行提取并融合例如纹理特征与几何特征将其作为重要特征以便能够展示出更多的空间细节信息在多特征提取的过程中首先对空间特征进行提取空间特征隐藏了空间地理信息空间特征又分为形态学特征和属性特征 在形态学特征中将一个尺寸不变的窗口在图像中进行扫描在进行开关窗操作中将图像中具有连通性的像素进行连接以凸显出图像的空间特征 过程如图 所示:图 形态学特征提取过程图 中标注字母的滑动窗体为结构单元其中标注的、为窗口在扫描图像中所产生的三种形式 窗口 即覆盖区域所有值相等窗口 表示覆盖区域中至少一个点与其他点的值不相等窗口 表示预期内所有的值与串口都不相等 窗口的开闭操作变换函数如下:()()()上式中 表示被窗口覆盖的区域 表示滑动窗口符号表示膨胀的特征变化表示腐蚀的特征变化 在对不同尺寸的遥感图像进行特征提取的过程中不同像素能够得到长度为 的向量经过变换之后数据得到降维数值变换也能够从小到大进行排列在属性特征的提取过程中主要是利用属性过滤器指定的属性来计算覆盖区域 在这个过程中属性可以进行自定义对于被检测区域来说对于给定阈值的情况对于遥感图像来说在低维度空间难以进行特征映射因此需要在高维度空间进行属性特征的扩展:()()()()在完成特征提取之后需要对特征进行融合为分类提供划分标准陕西农业科学 年第 卷第 期.基于特征融合实现土地覆盖类型分类目前遥感技术所获得的图像是基于多传感器、多时相、多谱段而得到的影像数据采集于不同的光谱分辨率、空间分辨率 将提出出来的多特征进行融合之后可以得到更多的细节信息能够提升覆盖类型分类的准确性 在多特征融合中将遥感图像按照一定的模式规则进行处理运算得到组合之后的影像数据 为了避免在融合过程中的数据冗余对遥感图像的多特征进行数据降维 在融合过程中构建三种融合模式融合内容以及过程如图 所示:图 多特征融合模式分析在图 的归一化差异指数中主要包括植被指数、水体指数和建筑指数的归一化 根据遥感图像的实际情况选择融合模式在完成特征融合之后获取到新形态的遥感图像并根据遥感图像中的特征标注点进行土地覆盖类型的分类 在分类的过程中由于覆盖类型数量较多因此使用的是线性不可分 使待划分的特征类经过非线条转换过程由低维空间过渡至高维空间中以达到线性可划分效果 在满足条件的核函数中也可以对应高维变换空间的内积过程此时的判别函数形式为:()()上式中 表示支持向量机判别系数 表示判别相位 表示内积形式 得到的最终判别函数中参数与 相关因此在高维空间中构建 分类器的过程中选择的模型参数会对分类性能产生影响因此在选择合适参数之后将其作为线性问题进行划分 当最优的分类超平面在正负支持向量面中存在一定的函数间隔为了将分类过程中的结构性风险降至最低进行软间隔分类得到的超平面示意图如图 所示:图 土地覆盖类型软间隔超平面示意图使用图 中间隔超平面示意图的主要前提是训练样本能够实现线性可分但是当不知道训练样本是否线性可分时可以利用松弛变量来作为分类的弹性容错空间但是出现错分的时候会给一定的惩罚机制 在这样的情况下图 中两个平面之间所存在的几何间隔可以表示为 为超平面的法向量相对应的正度支持向量面之间存在的几何间隔为该值的 倍 为了确定分类超平面对样本的分类精确性需要通过以上发条件来确定超平面的法向量和偏置 计算函数为:()()在获取到超平面参数之后能够得到最终的判别函数对低维度特征的非线性变换进行映射在高维度空间中转换成线性可分建立出最大分类间隔的最优分类超平面 至此完成基于遥感图像光谱特征融合的高原土地覆盖类型分类模型的设计 模型性能验证.数据准备为了验证本文所设计的基于遥感图像光谱特征融合的高原土地覆盖类型分类模型在实际应用中的有效性在本章进行模型的性能测试 测试数据集所选择的是某高原地区的遥感图像数据高数据集中的图像大小为 像素空间分辨率在 左右其中包含 个光谱波段 为了保证模型测试的有效性和可控性我们将数据集中包含受大气吸水影响的噪声波段剔除剩余 个波段进行测试 在该遥感图像中一共包含 种地唐彬元等:基于遥感图像光谱特征融合的高原土地覆盖类型分类模型物主要分为农作物和森林并伴随一些多年生植物 测试数据集的伪彩色图以及真实数据图如图 所示:图 数据集假彩色图以及地面真实数据图测试数据集中的遥感数据中共有 个土地覆盖类型标记样本点不同类别的名称以及对应的样本点数量如表 所示:表 遥感图像土地覆盖类型以及样本点数量类别编号覆盖类别名称标记样本数量紫花苜蓿玉米 草场草树共生干草料堆 燕麦 大豆 小麦森林建筑水域岩石 以上述的遥感数据作为模型测试性能的数据.选择实验评价指标为了评价模型在分类过程中得到的结果好坏本文所选择的评价体系为混淆矩阵 混淆矩阵的形式为:()在的混淆矩阵式()中表示遥感图像中实际为 类覆盖类型被认定为 类覆盖类型的数量其中 表示总的类别数量本文为 在矩阵式()中对角线对应的矩阵元素值为正确预测类别元素的数量该数量越多则说明分类的效果越好在以上的混淆矩阵下能够得到分类模型的生产精度、总体精度和 系数 其中生产精度表示一个类别被正确分类的样本数量占所有样本中此类别样本总数的比例 生产精度的计算公式为:()总体精度则表示被正确分类的样本点数量占总样本的数量比例 总体精度的计算公式为:()系数能够利用非对角线反应出来的信息来计算分类精度 计算公式为:()表示混淆矩阵中的行数 表示混淆矩阵中的列数 表示混淆矩阵中所有值的和 在实验中 利用本文所设计的基于遥感图像光谱特征融合的分类模型和基于基于 的分类模型、基于 的分类模型和基于 的分类模型共同进行测试对比以上几个分类评价指标.实验结果对比在以上的实验方法下得到不同分类模型的分类结果如图 所示:从图()图()分别代表基于 的分类模型(文献方法)、基于 的分类模型(文献方法)、基于 的分类模型(文献方法)和本陕西农业科学 年第 卷第 期文分类模型 按照上述的分类结果计算出不同模型的分类评价指标结果如表 所示:图 不同分类模型得到的分类结果表 不同模型分类结果指标对比分类模型名称生产精度总体精度 系数基于 的分类模型.基于 的分类模型.基于 的分类模型.本文模型.从表 中的结果可以看出对于高光谱图像数据来说本文设计的分类模型的分类效果最好相关指标都远高于其他三种分类模型 验证了本文模型在实验中的有效性 结束语利用遥感影像对土地的覆盖模型进行分类是研究高原土地利用情况的重要手段 高光谱遥感影像的波段数量多图像分辨率高能够从中获取到丰富的信息以上特点决定了遥感图像在该院土地研究过程中的重要地位 本文针对遥感图像光谱的多特征入手对高原土地的遥感图像特征进行提取经过融合之后完成综合分析 通过模型的性能测试本文设计的模型分类结果与传统模型所得到的分类结果在各项指标中均有更好的表现但是本文设计的模型在参数选取的过程中拟合步骤较多在惩罚系数和核函数的选择过程中缺乏规范的评判标准在分类过程中影响拟合进度 在今后的研究中需要增加拟合次数期望获取最优参数在取值过程中的规律参 考 文 献:刘洪超董安国.基于非局部方式特征融合的高光谱遥感图像分类算法.激光与光电子学进展():.高原陈爱斌周国雄等.基于 的 在遥感图像场景分类中的应用.电子测量与仪器学报():.刘唐 周创明 周炜等.基于改进烟花算法的 分类模型.火力与指挥控制 ():.李渊 毋琳 戚雯雯等.基于改进 模型的 图像分类方法.国土资源遥感 ():.李长生 刘宗成 刘硕.基于线性回归方法改进的 数据分类模型.兰州石化职业技术学院学报 ():.柴华彬严超邹友峰等.利用 实现湖北省遥感影像土地覆盖分类.武汉大学学报(信息科学版)():.李卓韩文超胡起源等.融合光谱混合分解与面向对象的土地利用/覆被分类.农业工程学报():.童莹萍全英汇冯伟等.基于空谱信息协同与 变换的多源遥感图像融合方法.系统工程与电子技术():.李恒凯瓮旭阳.基于 影像的离子吸附型稀土矿区地表覆盖分层分类提取方法研究.稀土():.张涛方宏韦玉春等.顾及空间自相关性的高分遥感影像中建设用地的变化检测.自然资源学报():.韦钦桦罗文斐李浩等.基于无人机高光谱影像的植被覆盖度遥感估算模型比较.华南师范大学学报(自然科学版)():.王协章孝灿苏程.基于多尺度学习与深度卷积神经网络的遥感图像土地利用分类.浙江大学学报(理学版)():.胡琳甘淑袁希平等.恐龙谷南缘环状构造的土地利用/覆盖分类及高光谱特征差异分析.光学技术():.李林田馨翁永玲.基于极化 和光学影像特征的土地覆盖分类.东南大学学报(自然科学版)():.李俐陈琦琦张超等.基于 的多源星载 影像融合与土地覆盖分类.农业机械学报():.唐彬元等:基于遥感图像光谱特征融合的高原土地覆盖类型分类模型