基于特征的遥感影像分析——一个新的视角.pdfVIP

基于特征的遥感影像分析一一个新的视角半 陈秋晓1’2周成虎1骆剑承1 fl中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室．北京，100101 ) 2．浙江大学区域与城市规划系，杭州，310028 摘要：为克服传统基于像元的遥感影像分析的局限，本文从一个全新的角度，提出了基于特征的遥 感影像分析方法，并以遥感分类为例对该方法作了相应的阐述。文章的最后部分对该方法的优越性作 了总结。 关键词：遥感影像分析、特征、遥感分类 受国家安全、科学研究和市场需求等多方面的强有力推动，对地观测手段日益精进，空间数据的 获取能力不断提高，遥感影像数据及其产品极大丰富。以地面空间分辨率而言，目前的遥感影像产品 包括以airborne 等为代表的中等分辨率影像产品，以AVHRR等为代表的粗分辨率影像产品，适用于从小尺度、区域 尺度乃至全球尺度的科学研究。 虽然我们已经步入了一个海量遥感影像数据的时代，但是能够及时从这些海量数据中获取的信息 还相当有限。遥感数据和遥感信息之间存在着明显的知识间隙。从多种途径利用遥感信息本身的特征 刻划地球物体的物理、化学、形态等方面的属性，建立影像与地面物体在数学与地学意义上的综合对 应关系，从而全面地认识和利用各种数字或模拟影像所反映的地表景观和地学过程…(周成虎等， 1999)，已经是非常迫切的事情。遥感数据和遥感信息之间的知识间隙已经在暗示我们目前遥感数据 处理手段的捉襟见肘。 1．基于像元的遥感影像分析及其不足 遥感的最终目标是反映、描绘、量化和刻划地球表面的格局(SurfacePatterns)，从而有助于理解 总是用同一种方式来达到上述的目标一一首先是测量地球表面的反射或辐射，将反射或辐射的能量记 录到影像上，然后对影像的最小单元一像元进行统计分析。 基于像元的遥感影像统计分析的根本局限在于像元本身仅仅具有光谱特征，所以仅仅从光谱特征 出发进行影像分析和处理所能够得到的信息是及其有限的。虽然近年在基于像元的遥感影像分析和处 NetClassifier)……1、 set)旧1、神经网络分类器(Neural 理上引入了很多的新的方法如模糊集(Fury 分层聚类(Hierarchical Model)… Clustering)∞3、空间逐步寻优模型(StepwiseOptimizationMaking 等等，在影像分类精度等方面有不少的改进，但是由于这些方法从本质上还是基于像元的，因而无法 从根本上摆脱基于像元分析方法的局限性。 像元的统计分析不足以表达对地理学、景观生态学或其它学科来说具有认识论或哲学意义的基本 概念。这一情形在更宽泛的问题领域中也是如此。从认识论角度看，人类认识和把握事物所进行的思 +本文受国家自然科学基金项目资助 189 维和推理都是基于概念层次的。因而，仅从像元出发是不可能进行相关的思维和推理活动，进行较高 层次的遥感影像理解和分析也显然是不可能实现的。Blaschke进而指出，这也是为什么地理学的很多 核心概念直到现在还不能有效地应用于遥感图像处理的原因。在很多分析任务中经常见到的空间关系 (距离、拓扑连接、方向特征)、空间模式，多尺度或区域结构等特征和方法，很难直接应用于遥感 图像分析畸1。不难看出，基于像元的遥感影像分析和处理的局限是十分显然的。 2．基于特征的遥感影像分析 从图像工程的角度来看，传统的基于像元的影像分析不是真正意义上的影像分析，它属于图像处 理的范畴，处于图像工程的低层瞳’。因而，从遥感影像处理上升到遥感影像分析乃至理解已是遥感学 科进一步发展的迫切要求。 国外的一些学者已经在遥感影像分析层面方面作了一些探索性的研究，并且有了一些进展。 Blaschkeeta1．(2000)指出，图像分析意味着对图像语义的分析或处理。在很多情形下，理解图像的 重要语义信息应当是有意义的图像对象和它们的相互