基于GE影像土地利用状况分析.docVIP

基于GE影像土地利用状况分析 　　摘要：将Google Earth影像引入到土地资源分析领域，基于GE影像，利用ENVI遥感图像处理软件对图像进行辐射校正、几何校正以及去噪等预处理和增强处理，然后根据武汉市矢量地图裁剪出武汉市行政边界；对处理后的图像进行非监督分类得到初步处理图像，将获取的分类结果结合具体地形图再进行后续处理，最终得到较理想的武汉市遥感图像分类结果；最后对武汉市的土地利用情况进行统计，对土地资源的利用和管理加以分析。 　　关键词：GE影像；非监督分类；增强处理 　　中图分类号：TP317.4 文献标识码：A 文章编号文章编号2014）001014702 　　基金项目基金项目：武汉理工大学自主创新研究基金项目（135214001）；中央高校基本科研业务费专项资金资助项目；教育部人文社科基金规划项目（12YJAZH022） 　　作者简介作者简介：唐赫（1989-），女，武汉理工大学理学院硕士研究生，研究方向为人脸图像识别、遥感图像、统计预测决策。 　　0 引言 　　土地是人类生存和发展的基础，经济的发展离不开土地资源的支撑，土地资源管理领域只有不断引入新技术和新理论，才能促进该领域的快速发展和土地资源的有序利用。本文将Google Earth引入到土地资源管理领域，利用提供的免费影像图、软件的基本功能以及基于Java script的API，将其应用到土地资源调查、土地监测、规划决策以及土地项目管理领域，为土地资源管理的发展提供了一个新的思路。 　　1 算法流程 　　1.1 数据获取 　　由于GE影像精度高画面清楚，而且容易获取，所以用于土地研究是比较方便的。我们下载的Google Earth 2013年武汉市的影像，其分辨率较高，影像较清晰，易于目视解译。由于GE影像上没有武汉市的行政分区，所以要研究武汉市的土地利用情况还需要武汉市的矢量地图，运用ENVI软件进行图像裁剪、分类和数据统计等处理工作。 　　1.2 图像处理软件 　　本文研究中主要应用ENVI遥感图像处理软件，它的软件处理技术包括数据输入和输出、图像增强、图像校正、图像镶嵌和融合以及变换、图像分类等。ENVI 支持各种类型的遥感图像，目前广泛应用于科研、环保、遥感、气象、石油矿产勘探、土地、农业水利、地球科学、测绘勘察等各个领域。 　　1.3 图像预处理 　　卫星获取的原始数据由于受到地形、天气变化、大气散射等因素的影响，往往会产生随机误差。一幅遥感图像，必须经过几何校正、辐射校正、投影变换、去噪等处理后才能进行图像增强处理和其它诸如图像镶嵌、特征提取、分类等工作。其中，几何校正是图像处理中一种最基本的处理方法，主要是调整各类特征空间关系的变换。图像配准是对同一个景物在不同时间、用不同探测器、从不同视角获得的图像，利用图像中共有的录物，通过比较和匹配，找出图像之间的相对位置关系。辐射量校正是消除图像数据中依附在辐射亮度中的各种失真的过程。增强处理是指通过图像增强以加强地物特征，提高解译性。 　　1.4 边界提取 　　原始数据获取的是整幅图像，要裁剪出武汉市行政区，这里采用矢量地图进行裁剪，过程可以分为以下4个部分： 　　①首先打开矢量文件，投影参数如果已经设置好，不要变化； 　　②在打开的Available Vector List对话框中，选择File—Export Layer to ROI，在弹出的对话框中选择需要裁剪的图像； 　　③在下面的对话框中选择将所有矢量要素转换为一个ROI； 　　④选择主菜单Basic Tools—Subset data via ROIs，选择需要裁剪的图像，在打开的对话框中，设置参数，选择路径及文件名，裁剪影像。 　　1.5 图像分类 　　图像分类总的目的是将图像中每个像元按照某种规则或算法划分为不同的类别，根据分类过程中人工参与程度分为监督分类、非监督分类和面向对象分类等。 　　监督分类（supervised）是指根据已知训练区提供的样本，通过计算选择特征数，建立判别函数以对各待分类影像进行图像分类。先定义信息类，再定义光谱可分性。监督分类的流程如图1所示。 　　非监督分类（unsupervised）也称聚类分类，它不用先验信息，仅依靠自身统计特征进行分类，是在多光谱图像中搜寻、定义其自然相似光谱集群组的过程。非监督分类方法简单，而且具有一定的精度。非监督分类流程如图2所示。 　　本次图像分类用的是ENVI 图像处理软件，非监督分类的算法只用到两种：ISODATA 和KMeans，本文研究选择了ISODATA 自然集群算法。先用非监督分类的ISODATA 自然集群算法进行初步分类，最少分类个数为5个，最多为10个，迭代了10次，其它选项都是默认选项