以兰州城关区EO.pdf

第 53 卷第 1 期 浙 江 大 学 学 报 (工学版) Vol.53 No.1 2019 年 1 月 Journal of Zhejiang University (Engineering Science) Jan. 2019 DOI: 10.3785/j.issn.1008-973X.2019.01.015 基于背景类别分层分离的不透水面间接提取 ——以兰州城关区EO-1 ALI 图像为例 刘炜，王聪华，赵尔平，雒伟群 (西藏民族大学 信息工程学院，西藏光信息处理与可视化技术重点实验室，陕西 咸阳 712082) 摘 要：以兰州市城关区EO-1 ALI 图像作为基础数据源，对比LOOC 与最邻近分类 (NNC) 方法提取不透水面的精 度差异. LOOC 方法对融合后EO-1 ALI 图像进行LBV 变换，将变换结果作为解译底图；设置4 个尺度层次，分别 对应水体、农用地、灌木林地、城市绿地和草地这5 种主要背景类别，对解译底图执行4 尺度面向对象分割；将上 述类别对象的光谱特征和形态特征差异作为判别规则，利用决策树分类，将这5 种背景类别依次从解译底图上 提取、分离，生成不透水面初级提取图层；通过光谱反射率差异分析，选定EO-1 ALI 图像的近红外波段8 和中红 外波段 10 作为分类特征，利用基于模糊C-均值(FCM) 算法的非监督分类，从初级图层中分离出砂土、阴影这两 种与高、低反照度不透水面光谱特征相近的类别，采用数学形态学开闭运算整饬图像，生成不透水面二级提取图 层. 结合目视评判和总体精度、Kappa 系数，定量分析 LOOC 方法与NNC 方法的提取精度差异. 结果表明： LOOC 方法提取不透水面的总体精度、Kappa 系数分别为87.13%、0.830 3，较NNC 方法分别提高5.91%、7.19%. LOOC 方法依据各背景类别的遥感多特征知识，分两级将其分离出解译底图，从而间接、逐步逼近不透水面精准 空间分布信息，辨识不透水面的效率优于NNC 方法. 关键词： EO-1 ALI 图像；不透水面；光谱反射率；LBV 变换；最邻近分类（NNC ） 中图分类号： TP 753 ；X 87 文献标志码： A 文章编号： 1008−973X（2019 ）01−0137−09 Impervious surface extraction based on stratified removal of contexts types—take EO-1 ALI image of Chengguan county in Lanzhou as example LIU Wei, WANG Cong-hua, ZHAO Er-ping, LUO Wei-qun (Xizang Key Laboratory of Optical Information Processing and Visualization Technology , College of Information Engineering, Xizang Minzu University , Xianyang 712082, China) Abstract: The most suitable method for impervious surface extraction was adopted by using EO-1 ALI image of Chengguan County in Lanzhou. The supervised classification based on LOOC and nearest neighbor classification (NNC) was compared. LBV transform was conducted for EO-1 ALI image. Then the image was offered as in