基于高分辨遥感数据多尺度分割的城市特征提取.doc

基于高分辨率遥感数据多尺度分割的城市特征提取 Mao Feng, Liu Ze, Zhou Wensheng, Li Qiang 清华大学建筑学院 北京100084，P.R中国 liuze06@mails.tsinghua.edu.cn 摘要—多尺度分割方法建议通过融合高分辨率的多光谱影像来适应分水岭算法和区域合并算法。在适应分水岭的初步分割之前，应考虑滤波和去除局部最小区域的方法来避免过度分割。它的整个过程可以分为以下五个步骤。北京城市于2007年获得的高分辨率影像QuikBird曾经是研究的案例。从分割的结果我们能够发现大部分的城市特征可以被准确提取，分割的边缘精确光滑。我们可以得出结论，这个方法能够拥有更多的语义信息，有效的减少了“椒盐现象”，并且整体提高了QuikBird影像的分类精度、提高运算效率。 关键字：多尺度分割；高分辨率遥感影像；市区；分水岭变换；区域合并算法； Ⅰ.引言 城市包含了世界人口的大多数，人类活动使城市与其他景观不同。遥感技术将会帮助我们理解社会经济发展与城市物理环境之间的关系。人类的活动使得城市变得复杂和难以测量，也使得城市足够重要来吸引遥感科学家的关注[1]。在过去的数十年中，有许多成功应用的案例报道，包括城市特征的描绘、识别、分类和量化城市建筑材料、构成、结构；检测城市物理性质的动态演化；调查和评估人类居住区和人口，提供城市的社会和经济职能信息。近几年翁齐浩总结过一些在市区遥感方面有特殊问题的期刊，包括：环境遥感，2003，vol.86，第3期；IEEE地质和遥感，2003，vol.41，第9期；摄影测量和遥感，2003，vol.69,第9期；遥感城市热遥感的环境特刊，2006年出版[2]。 这项研究是由国家文物局主办（编o 此外，还需要高分辨率影像和其他的能够胜任的有着高度的精确度和准确性的地图城市技术[3][4]。而高分辨率影像为进一步的应用要求提供新的可能性，它也给传统的图像处理方法带来了新的挑战。虽然图像分割的技术有了相当大的进步，它依然会导致分类精度变低，使得空间数据冗余、浪费资源，而传统的方法是适用于高分辨率遥感影像。当分辨率变高的时候，同一地面目标物的光谱响应之间的变化变得显著，使得辨别不同的类型有更大的难度。此外，重点是处理灰度影像的已制定的方法需要改进，来满足处理多光谱图像的需求。 图像分割是图像识别和测量的基础，也是自动分类的前提[5]。许多从高分辨率遥感数据中提取信息的新的方法被提出，多尺度分割是其中一个探索的方法，尽管它已被推出和使用了很长一段时间[6][7][8]。多尺度分割不仅可以从原始影像中传递信息，它还维持城市特征之间的比例关系；此外它支持面向对象的图像处理。通常多尺度影像分割有三个重要的部分：消除噪声，评估同质区域和分割。 A .消除噪声 消除的方法应该在保持图像边缘的情况下有效的去除噪声。至于高分辨率影像，分辨率提高，噪声增大。习惯上高斯和中值滤波是噪声消除的普及的方法，但是VMF方法（Vector Median Filtering 矢量中值滤波）是去除彩色图像的噪声的有效的方法，包括VDF（Vector Directional Filtering 矢量方向滤波）和DDF（Directional Distance Filtering 定向距离滤波）[9][10]。但是所有的这些方法在滤波处理过程中有时候会将普通的点错认成噪声点，因为他们使用同样的过滤模板处理图像。 B．分割 着眼于高分辨率影像分割，Pesaresi和Bendiktsson提出来基于形态学的多尺度分割方法。正式通过衍生的形态学轮廓的形态学特征，被用来计算分割单位[11]; Pekkarinen用主成分分析的方法减少多光谱中的关联，然后通过用ISODATA的方法产生的集群进行初步分割[12]。分水岭变换吸引越来越多的关注，它已经被广泛应用于图像分割[13][14],但是它总是造成过度分割的问题。为了克服这个缺点，一些基于区域合并的算法被提出，但是他们也增加了计算成本。看来有必要设置适当的阈值来减少分水岭转换后的区域数目，或者选择种子领域来控 Fig1 制需要先验知识的在图像中的目标对 象的数目[15]。 C．评估同质区域 随着分割过程的进展，那些被选定的区域通过合并来达到分割的过程，是识别那些同种的区域的合并方法的前提。许多合并的方式基于来自图像的光谱信息[16]，而高分辨率影像拥有更多的信息，包括光谱、形状、纹理和背景。Benz探索过结合以像素为基础的或统计信号处理方法来开发丰富的信息量，并提出了一个综合评估图像中同质化区域的方法，包括光谱和形状特征[17]。 为了得出结论，现在的许多遥感影像的分割方法致力于特区或者其他图