利用纹理特征提取城市用地信息方法探索

5 结束语
经过实验分析 , 证明了纹理特征用于分类的确可以提 高分类的精度和土地利用遥感动态监测的自动化程度 。而 本研究经过统计分析 ,提出的基于共生矩阵 ,利用对比度
(下转第 56 页)
56
测绘科学
第 30 卷
x Q′j = xQ′j - 1 + M j = 2 , 3 , …, m x Q′1 = x E + M
对建筑用地和植被选取样
本 , 统计共生矩阵四个纹理特
征量 , 得到表 1 。从统计结果
可以看出 , 植被与建筑用地的
CON (对比度特征值) 差异非常
大 , 从南明区对比度纹理特征
图像 (图 2) 中也可以看出 , 建
筑用地信息相对其它地物信息 清晰 , 明显 , 与其它地物容易 区分 , 因而可以采用对比度纹
【摘 要】就利用灰度共生矩阵纹理特征提取城市用地信息做了初步探索 。计算灰度共生矩阵四个纹理特征量 , 选择建筑用地与其它地类的纹理特征统计量差别较大的特征 , 用于提取建筑用地信息 。通过计算选择了对比度纹 理特征 , 对该特征图像进行分类 、密度分割及后处理 , 得到城市用地信息 。通过精度评定证明了纹理特征用于分 类可以提高分类的精度 , 并能提高土地利用动态监测的自动化程度 。 【关键词】纹理特征 ; 信息提取 ; 动态监测 【中图分类号】 TP751 【文献标识码】A 【文章编号】1009 - 2307 (2005) 04 - 0046 - 03
图 2 南明区对比度 纹理特征图像
理特征图像来区分建筑用地和林地 , 提取出城市用地信息 。
表 1 林地 、建筑用地均值 、标准偏差统计表
植被
城市用地
均值 标准偏差
均值 标准偏差
AVR
01054
01708
251631
121858
CON
41556
541540
3331064 2741447
EN T
01008
01084
21024
01574
ASM
01864
01339
01105
01034
313 信息提取 经过上面的统计分析 , 选取对比度纹理特征来提取城
市用地信息 , 对选取的对比度纹理特征图像进行分类和密 度分割 。因为对比度纹理信息稳定且与窗口大小关系不大 , 所以选择 3 ×3 的窗口保证较好的精度 , 密度分割阀值为 63 , 提取出建筑用地 。设置建筑用地颜色为红色 ( R 255 , G 0 , B 0) , 其它地类都归为一类 , 设置颜色为黑色 ( R 0 , G 0 , B 0) 。得到分类图像后 , 对图像进行后处理 。由于提取 建筑用地信息时 , 将一些绿地信息归为其它地类 , 而实际 上 , 城区绿化地也属于城市用地 , 另外提取的信息里面还 包括非城区用地的信息 , 要对绿地和远离城区的建筑用地 信息进行后处理 , 才能得到城市用地信息 。后处理方法是 根据原城区界线和遥感影像图 , 判断地类属性 , 将绿地归 为城市用地 , 且将非城区建筑用地归为其它类 , 进而得到 城市用地信息 。
表 2 为精度评价结果 。
表 2 精度评价表
分类 方法 纹理分类
分类图像 元个数
1076894
分类图面 积 ( m2) 26922350
土地利用现状 图面积 ( m2)
27886219
精度 97 %
与南明区实际城市用地面积相比 , 应用 CON 特征提取 城市用地信息 , 精度达到 97 %。另外 , 由于该方法是利用 纹理信息自动提取城市用地 , 不可避免的将城市中的草坪 绿地等城市用地作为植被剔除掉了 , 虽然经过后处理 , 对 面积较大的草坪绿地进行重新类合并 , 但是一些小的绿地 图斑无法去除 , 这样会对精度有所影响 。
参考文献
[ 2 ] 崔红霞 , 孙杰 , 林宗坚. 无人机遥感设备的自动化 控制系统 [J ] . 测绘科学 , 2004 , 29 (1) : 47249.
[ 3 ] 李现勇编著. Visual C + + 串口通讯技术与工程实践 [ M ] . 北京 : 人民邮电出版社 , 2002.
[4 ] 孙家广 , 杨长贵. 计算机图形学 (新版) [ M ] . 北 京 : 清华大学出版社 , 1995.
图 3 为经过纹理分类 、密度分割 、后处理等步骤 , 提 取得到的城市用地信息 , 图 4 为通过目视解译手工勾绘得 到的南明区城市用地信息 。对比两图 , 可以看出 , 通过纹 理特征提取的城市用地信息与人工目视解译得到的信息基 本一致 。
图 3 利用纹理特征 提取的城市用地信息
图 4 人工提取的城市用 地信息 (南明区建成区)
对比分析 , 从中选择合适的纹理特征进行城市用地信息提
取 。共生和均值纹理特征的计算公式为
收稿日期 : 2005 - 10 - 21
第4期
刘玉芳等 利用纹理特征提取城市用地信息方法探索
47
∑ AVR = i px + y ( i) , i
均值反映了图像或者纹理平均灰度级数[3 ] , 对比度纹理特
纹理分类比较合适 。
311 实验区介绍
本文选取贵阳市南明区
2003 年 SPO T 5 遥感影像进行
城市 用 地 信 息 提 取 实 验。
SPO T 5 的波段组合为 4 ( R) 3
( G) 2 (B) 。南明区位于贵阳市
南部 , 是 贵 州 省 贵 阳 市 的 政
治 、经济 、文化 、科技 、教育
中心 , 西南地区重要的交通枢 纽 、通 讯 枢 纽 和 旅 游 胜 地 之 一 。下图 1 为 2003 年南明区
图 1 2003 年贵阳市南 明区遥感影像
遥感影像 。
312 纹理特征计算与选择
本文通过对实验区数据计算灰度共生矩阵的四个纹理
特征统计量 : 共生和均值 、对比度 、熵和角二阶矩 , 进行
ij
纹理越粗表示能量越多 , 则值越大 , 纹理越细 , 值越小 。
上述各式中 , N 为矩阵维数 ,
∑ px + y ( k) =
pij 。
ij
| i - j| = k
各纹理特征表现图像的侧重点不同 , 用不同的方式反映纹
理 , 如均值反映平均灰度级数 , 对比度则主要反映的是纹
理对比强度信息 。
yQ′j = yQ′j - 1
yQ′1 = y E
5 结束语
无人飞行器遥感系统可获取地面高清晰度 、高分辨率 影像[6 ] , 特别是无人驾驶飞艇可以大倾角摄影 、获取建筑 物多侧面和顶部的影像 , 既能基本满足建设三维数字城市 各种真实三维模型所需的纹理 , 又能通过摄影测量的原理 提取建筑物空间几何信息 , 无人飞行器有着诸如卫星遥感 和普通航空摄影所不能替代的作用 。无人飞行器测控信息 系统已配合无人飞行器遥感系统 , 顺利完成了威海市城区 50 平方公里和烟台 15 平方公里多面倾斜影像获取的航线自 动布设 、导航及航迹监控的任务 。本系统还可用于车载 、 船舶及飞机导航等应用领域 , 随着无人飞行器遥感系统的 广泛应用 , 无人飞行器测控信息管理系统也正在不断的完 善并朝着商品化系统迈进 。
第 30 卷第 4 期 2005 年 8 月
Science
of
测绘科学 Surveying and
Mapping
Vol130 No14 Aug
利用纹理特征提取城市用地信息方法探索
刘玉芳 , 刘定生
(中国科学院中国遥感卫星地面站 , 北京 100086)
1 引 言
人类大规模的活动与自然资源开发 , 已引起全球范围 内生态环境的迅速变化 , 而土地利用变化作为目前全球变 化的主要原因之一 , 对它进行遥感动态监测研究具有突出 的现实意义 。但是 , 一方面 , 目前土地利用遥感动态监测 主要使用人机交互判读手工勾绘的方式发现和提取变化 , 或者利用光谱分类的方式提取变化信息 。然而目视判读人 工勾绘的方式对判读人员的要求较高 , 并且判读的工作量 非常巨大 ; 分类方法也存在精度不高的问题 。这些不足严 重制约了土地利用遥感动态监测技术的推广 。另一方面 , 随着卫星分辨率的提高 , 遥感图像中空间信息非常突出 , 如何利用遥感图像丰富的纹理信息来提高土地利用遥感动 态监测的效率与精度 , 减小对操作人员的要求是值得研究 的课题 。
[ 5 ] 刘斌. 二维线段的矩形窗口逐边裁剪算法研究 [J ] . 计算机应用研究 , 1997 , (1) : 15217.
征的计算公式为
∑∑ CON =
( i - j) 2 pij ,
ij
它表示纹理清晰度 , 纹理沟纹深则值大 ; 熵纹理特征的计
算公式为
∑∑ EN T =
pijlog pij ,
ij
该统计量在细纹密布时值最大 , 少纹理时值则小 ; 角二阶
矩纹理特征的计算公式为
∑∑ ASM =
p ( i , j) 2 ,
差异的纹理特征 , 作为分类特征量对影像进行分类 , 提取
出建筑用地信息 , 再对提取的建筑用地信息进行后处理 ,
得到城市用地信息 , 最后进行验证和精度评价 。
纹理分类是对单波段进行的 , 建筑用地在 SPO T5 图像
的 2 波段上信息丰富 , 亮度明显高于其它地物 , 与林地等
差别较大 , 易于提取专题信息 , 所以采用 2 波段影像进行
鉴于以上两点 , 本文提出了一种新的城ห้องสมุดไป่ตู้用地信息提 取方法 , 即基于纹理特征的城市用地信息提取技术 , 并就 灰度共生矩阵纹理特征提取城市用地信息做了初步的探索 。
2 纹理特征介绍
纹理特征是指周期性图案及区域的均匀性等有关纹理 的特征 。它是一种不依赖于颜色或亮度的反映图像中同质 现象的视觉特征 , 是所有物体表面共有的内在特性 , 例如 云彩 、树木 、砖 、织物等都有各自的纹理特征 。纹理特征 包含了物体表面结构组织排列的重要信息以及它们与周围 环境的联系[1 ] 。
首先定义 A 为实验区域中真实城市用地的总面积 , Ac 为 实验区域中实验监测出的城市用地总面积。监测准确率为 :
P
=
Ac A
×100
%
(1)
这个指标反映了纹理特征法对城市用地信息提取的性能 。
用 Map GIS 软件导出 2003 年南明区土地利用现状图中
各地块的面积 , 将导出的面积用 EXCEL 软件统计出各类的
将灰度共生矩阵作对称化和归一化处理得到灰度联合
矩阵 , 灰度联合矩阵能提供多个纹理量 , 可以从多个侧面 描述影像的纹理特征 , 因而在纹理分类中得到 广 泛 的 应 用[4 ] , 其中可以用于提取遥感图像中纹理信息的特征统计 量主要有 : 共生和均值 、对比度 、熵 、方差 、角二阶矩等 。
3 城市用地信息提取
总面积 , 得到城市用地面积 A 。统计分类图中城市用地像
元的个数 , 换算成面积 , 来进行精度评价 。像元个数的统
计可利用 Photoshop 软件实现 。由得到的像元个数 Nc , 根
据式 (2) 计算总的城市用地面积 , 得到分类图面积 Ac 。
A c = Nc ×5 ×5
(2)
进而计算准确率 P。
4 精度评价
遥感影像经过分类后得到的分类信息 , 分类结果的精度 是否达到了需求 , 是遥感分类能否达到解译目的的重要因 子[5] 。本研究对纹理分类后提取的城市用地信息 , 以真实土 地利用现状信息为参考 , 采用了像元个数统计法 , 对提取结 果进行正确率评估 , 判定其分类和提取信息的正确与否 。
利用纹理特征提取城市用地信息实质上是纹理分类的
过程 。为了进行纹理分类 , 首先必须提取各类地物的纹理
特征 。从遥感图像上可以看出 , 实验区的主要地类是建筑
用地和植被 。试验中首先提取建筑用地和植被的样本 , 分
别统计它们的均值 、对比度 、熵 、角二阶矩四个纹理特征
值 , 然后根据统计值找出使建筑用地与其它地类产生最大
纹理特征包括直方图特征 、灰度共生矩阵特征 、局部 统计特征和频谱特性等 。灰度共生矩阵纹理特征是目前应 用最多的特征 , 它反映图像中两个像素组合时的灰度配置 情况 , 这种两像素的灰度配置信息能很好地表现出纹理特 征 , 强 调 了 灰 度 的 空 间 依 赖 性 。灰 度 共 生 矩 阵 法 是 Haralick[2 ]首先提出的一种纹理统计分析方法 , 以研究沿一 定方向 (0°, 45°, 90°, 135°) 相隔一定距离的像元之间相关 关系为目的 。灰度共生矩阵强调的是空间的依赖性 , 其特 点是体现了在一种纹理模式下的像素灰度的空间关系 。