基于OBIA高分辨率遥感作物识别.docVIP

基于OBIA高分辨率遥感作物识别 　　【摘 要】自2014年起我国相继发射了高分系列卫星，中国遥感卫星进入亚米级的“高分时代”。 随着遥感影像分辨率的提高，地物识别不能只采用像元的光谱信息作为分类的依据，需要综合考虑地物的形状、纹理、结构等空间信息的共同作用，OBIA（面向对象的影像分析）使之得到了比较完美的实现。本项目通过卫星传感影像记录的地球表面信息，以eCognition软件为分析工具，基于OBIA细致化地从高空间分辨率遥感影像上提取地物（农作物）信息，并进行类型识别，综合考虑地物的形象、纹理、结构等方面来弥补传统基于像元的分类方法的不足之处，以提高目标地物分类的精确程度。 　　【关键词】OBIA；eCognition；作物识别；高分辨率 　　1 遥感数据源向高分辨率方向发展 　　信息技术和传感器技术的飞速发展，极大提高了卫星遥感影像分辨率，包括空间分辨率、光谱分辨率和时间分辨率。2014年8月19日，我国“高分二号”卫星顺利进入预定轨道这一事件，标志着我国遥感卫星的分辨率进入了亚米级时代。“高分二号”首次将空间分辨率精确至1米，系目前我国分辨率最高的光学对地观测卫星。数据源的精度提高为遥感后期数据处理及应用提出了新的要求，如何利用高分辨率遥感数据进行遥感处理与应用，是我们应当思考的问题。 　　2 OBIA与eCognition软件 　　面向对象影像分析（Object Based Image Analysis）连接了遥感与地理信息系统，作为高分辨率遥感影像分析的新模式，利用在传统的基于像素影像分析方法中利用率几乎为零的多种空间信息，为自动遥感影像分析与理解提供强大技术支持。本实验亦采用面向对象的分类方法。 　　eCognition是由德国Definiens Imaging公司开发的智能化影像分析软件，具备决策专家系统支持的模糊分类算法模块，突破了以往商业遥感软件局限于根据光谱信息进行影像分类的模式，提出面向对象的分类方法，大大提高了高空间分辨率数据的自动识别精度，极大满足了科研和工程应用的需求。 　　3 遥感作物识别 　　遥感图像就是传感器获得地物反射的电磁波信息，经过处理得到的影像数据。由于地物的物质构成、几何尺寸等不同造成与不同波长电磁波的相互作用也不同，这种相互作用体现在被反射、散射的电磁波中，继而被传感器探测到，这就是遥感图像进行地物识别的基本原理。本实验我们将识别目标锁定在作物范畴，同时也适应了当前精细化农业的主流趋势。在高分辨率遥感影像上，单一的光谱信息无法确定特定的地物特征，而必须结合地物的空间信息共同确定。因此在高分辨率遥感中，不能单一采用像元的光谱信息进行分类，需要综合考虑地物的形状、纹理、结构等多种空间信息，OBIA（面向对象的影像分析）使之得到了综合性实现。 　　3.1 图像预处理262 　　本实验选取位于东经116.6°，北纬39.7°附近的高分一号数据。实验区位于北京市大兴区东部，京沪高速西侧，李家务村与朱脑村附近区域。 　　3.1.1 大气校正 　　利用ENVI5.3现有的支持高分一号PMS数据的辐射定标和大气校正的模块进行数据预处理。将文件以xml格式打开，在工具箱中打开大气校正模块，设置应用参数（包括定标类型、存储顺序和辐射亮度单位）使之自动选择符合大气校正要求，最后选择数据路径和文件名，单击执行处理即可。 　　3.1.2 全色辐射定标 　　在工具箱中，打开辐射校正模块，选择全色数据，在面板中进行参数设置，选择输出路径和文件名后即可进行处理。为了融合图像效果，设置一致的全色数据与多光谱数据的像元值。使用辐射定标工具，将全色数据定标为大气表观反射率，数值扩大10000倍。 　　3.1.3 正射校正 　　在辐射定标、大气校正等步骤后，ENVI自动将RPC嵌入处理结果中，在图层管理中进行辐射定标或在大气校正结果图层中进行视图元数据的查看，其中的RPC选项就是处理结果中自动嵌入的嵌入的RPC文件。可以直接使用正射校正工具进行正射校正。为了后续图像融合，我们需要对多光谱数据及全色数据均进行正射校正。 　　3.1.4 图像融合 　　为提高融合速度，将多光谱数据的储存顺序由BSQ转成BIP。在工具箱中，在栅格管理模块中选择上一步中多光谱正射校正结果，选用NNDiffuse融合方式，选择多光谱和全色数据，执行处理后得到融合图像。 　　3.2 尺度适应性比较 　　高分辨率影像可在地物的空间结构和形状、纹理特征方面提供更多的细节信息，从面向对象的观点出发，针对不同类型的地物则需在不同的尺度下进行，相比传统方法常采取基于光谱信息的单尺度分割，不同的地物应选取不同的分割尺度可在提取手段上明显提高地物识别的适应性及精度。本实验的关键的核心问题也在于实现对高分辨率遥感影像的