專利名稱：一種分析景觀特征對(duì)遙感分類圖斑精度影響的方法
一種分析景觀特征對(duì)遙感分類圖斑精度影響的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及遙感圖像分類領(lǐng)域，特別是一種分析景觀特征對(duì)遙感分類圖斑精度影響與評(píng)價(jià)的方法。
背景技術(shù)：
遙感分類專題圖被廣泛應(yīng)用在許多領(lǐng)域，如土地覆蓋/利用變化監(jiān)測(cè)、動(dòng)物棲息地選址、水文分析、風(fēng)險(xiǎn)分析以及自然資源調(diào)查，常被用來描述土地覆蓋的空間分布及形態(tài)、估算土地覆蓋面積等方面(Stehman andCzaplewski, 1998 ；Smith et al.，2002)。專題圖的精度及誤差分布直接影響到專題圖的應(yīng)用范圍及效果(Foody，2002 ;Smith et al., 2002 ；Smith et al. , 2003) 0因此，全面了解土地覆蓋專題圖誤差的來源、空間分布范圍對(duì)基于遙感分類專題圖的土地覆蓋應(yīng)用具有重要的意義(Congalton and Green, 1993 ； Congalton and Green, 1999 ；Yang et al.，2000 ；Shao et al.，2001)。準(zhǔn)確的土地覆蓋精度表達(dá)與評(píng)價(jià)是土地覆蓋專題圖應(yīng)用的重要組成部分。從1980年起，遙感分類質(zhì)量的評(píng)價(jià)經(jīng)歷了從定性到定量、從非位置差異到空間位置差異的研究過程?；煜仃嚤粡V泛應(yīng)用于綜合描述精度評(píng)價(jià)的結(jié)果，對(duì)每一類進(jìn)行隨機(jī)布點(diǎn)計(jì)算非位置差異的平均精度。比如，分類專題圖中某類地物的比例與真實(shí)情況下該地物的比例之間的差別作為該地物的總體精度(Foody，200 。整個(gè)專題圖被看作一個(gè)空間單元，混淆矩陣獲得的非特定位置的精度可以被看作是土地覆蓋組成中單元整體的精度(Stehman etal.，2007 ；Stehman, 2009a, b)。 混淆矩陣可以獲得遙感分類精度的定量指標(biāo)，如總體精度、Kappa系數(shù)、漏分誤差和錯(cuò)分誤差、生產(chǎn)者精度和用戶精度(Congalton and Green, 1999 ；Smith et al. ,2002) 但隨著研究的深入，混淆矩陣被證實(shí)并不能完整的表達(dá)遙感分類的質(zhì)量。Foody認(rèn)為，Kappa系數(shù)計(jì)算過程實(shí)際上高估了偶然一致性，致使遙感總體分類精度被低估。Stehman等人研究認(rèn)為，混淆矩陣的整體精度無法表達(dá)遙感分類的不確定性及誤差的有偏分布(Koukoulas and Blackburn,2001 ；Foody,2002) 遙感分類誤差的產(chǎn)生因素有很多，主要包括地物特性、傳感器分辨率、光譜空間混淆、預(yù)處理過程以及分類方法等(Campbell，198 。由于土地覆蓋類型異質(zhì)性較高、地物斑塊較小、地物形態(tài)錯(cuò)綜復(fù)雜等景觀特征都會(huì)導(dǎo)致遙感分類的誤差，因此，地物景觀特征能夠反映出遙感分類誤差的有偏分布(Moisen et al.，1994)。此外，由于像元所反映的光譜特性易受周邊像元光譜的影響，導(dǎo)致不同地物光譜疊加和混雜區(qū)像元分類誤差增大(Townshend et al.，2000)，從而不同地物之間的過渡地帶存在錯(cuò)分的像元(Campbell， 1987)。Congalton (1988)利用林地-非林地專題圖進(jìn)行誤差的有偏分布分析，驗(yàn)證了這一規(guī)律的存在。隨后許多學(xué)者基于經(jīng)驗(yàn)及實(shí)驗(yàn)，定性的評(píng)價(jià)了像元所處位置與分類精度的關(guān)系(Wickham et al.，1997)。Smith和Mehman定量分析景觀圖斑大小、像元分類異質(zhì)性與像元分類誤差之間的關(guān)系，證明分類誤差與景觀變量(圖斑大小、異質(zhì)性)確實(shí)存在一定的關(guān)系，進(jìn)而利用空間特征因素表達(dá)分類誤差的可能性分布(Smith et al. ,2002 ；Smith et al.，2)。但是，這些研究均以單個(gè)像元作為研究對(duì)象，只考慮到像元位置可能造成的影響，忽略了地物本身的形狀特征及空間分布結(jié)構(gòu)特性。普遍經(jīng)驗(yàn)認(rèn)為，遙感分類結(jié)果中，分類圖斑形狀、規(guī)模分布可能造成誤差分布具有較大的差異。胡潭高等通過利用分類圖斑破碎度作為遙感抽樣的分層標(biāo)志，一定程度上反映出圖斑的破碎度與分類精度之間的關(guān)系(胡潭高，2010)。

發(fā)明內(nèi)容針對(duì)傳統(tǒng)土地覆蓋專題圖精度評(píng)價(jià)方法的不足，本發(fā)明以遙感分類圖斑為單元構(gòu)建破碎度、面積指標(biāo)，選擇冬小麥規(guī)模、破碎種植的兩個(gè)實(shí)驗(yàn)區(qū)開展研究，探討景觀指標(biāo)與分類精度之間的關(guān)系，進(jìn)一步深入探討了采用遙感分類的空間特征進(jìn)行精度評(píng)價(jià)與分析的理論基礎(chǔ)，提出了一種基于景觀特征對(duì)遙感分類圖斑精度影響的分析方法。本發(fā)明旨在采用遙感分類圖斑的景觀特征對(duì)分類精度進(jìn)行描述與表達(dá)，從而為與土地覆蓋專題圖相關(guān)的應(yīng)用及研究提供依據(jù)與指導(dǎo)。本發(fā)明提出的景觀特征對(duì)遙感分類圖斑精度影響的分析方法，包括以下步驟步驟一、獲取數(shù)據(jù)，包括對(duì)原始影像進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理，同時(shí)對(duì)高分?jǐn)?shù)據(jù)進(jìn)行目視解譯，獲取真值土地覆蓋數(shù)據(jù)；步驟二、對(duì)步驟一獲得的數(shù)據(jù)進(jìn)行遙感識(shí)別，包括分類和分類后處理，其中在分類過程中包括有分類圖斑的確定；步驟三、對(duì)步驟二進(jìn)行預(yù)處理得到的分類結(jié)果數(shù)據(jù)與真值數(shù)據(jù)進(jìn)行相關(guān)度計(jì)算、 建立回歸模型從而完成回歸曲線擬合，其中包括針對(duì)景觀特征的景觀指數(shù)定義；步驟四、對(duì)步驟三建立的模型進(jìn)行檢驗(yàn)，同時(shí)對(duì)景觀指數(shù)表達(dá)的分類誤差進(jìn)行評(píng)價(jià)。優(yōu)選的，上述步驟一中的數(shù)據(jù)包括兩種，一種是20m分辨率spot數(shù)據(jù)，另一種是 2. 4m分辨率Quick Bird數(shù)據(jù)，對(duì)于第一種數(shù)據(jù)采用數(shù)據(jù)標(biāo)準(zhǔn)化處理，對(duì)于第二種數(shù)據(jù)進(jìn)行目視解譯。優(yōu)選的，上述步驟二的預(yù)處理包括對(duì)標(biāo)準(zhǔn)化處理后的數(shù)據(jù)進(jìn)行SVM監(jiān)督分類，得到分類結(jié)果，接著進(jìn)行分類后處理及二值化，得到分類專題圖，再接著進(jìn)行圖斑矢量化，得到矢量化圖斑。優(yōu)選的，對(duì)上述2.細(xì)分辨率Quick Bird數(shù)據(jù)進(jìn)行目視解譯后得到參考真值，為后續(xù)步驟三的曲線擬合過程提供參考數(shù)據(jù)。對(duì)上述矢量化圖斑進(jìn)行景觀指數(shù)計(jì)算，其中景觀指數(shù)包括圖斑面積、圖斑破碎度， 進(jìn)而分析計(jì)算精度與景觀指數(shù)之間的關(guān)系。對(duì)上述目視解譯所得的參考真值進(jìn)行圖斑精度的計(jì)算，進(jìn)而分析分類精度與景觀指數(shù)之間的關(guān)系。對(duì)上述計(jì)算得到的精度與景觀指數(shù)進(jìn)行相關(guān)性分析，通過建立回歸模型進(jìn)行曲線擬合，將擬合結(jié)果進(jìn)行顯著性檢驗(yàn)，如通過檢驗(yàn)則建立回歸模型，如檢驗(yàn)不通過，則重新通過回歸模型進(jìn)行擬合，直到可以通過顯著性檢驗(yàn)。優(yōu)選的，上述步驟四具體為對(duì)通過顯著性檢驗(yàn)的結(jié)果進(jìn)行回歸模型建立，并確定最佳曲線回歸模型，進(jìn)一步對(duì)模型進(jìn)行檢驗(yàn)，從而得到景觀指數(shù)的評(píng)價(jià)結(jié)果。本發(fā)明提供的利用景觀特征對(duì)遙感分類圖斑精度影響的分析方法，針對(duì)傳統(tǒng)土地覆蓋專題圖精度評(píng)價(jià)方法的不足，以遙感分類結(jié)果圖斑為單元構(gòu)建破碎度、面積指標(biāo)，選擇冬小麥規(guī)模種植、破碎種植的兩個(gè)研究區(qū)域，探討破碎度與分類精度之間的關(guān)系，進(jìn)一步深入探討了采用遙感分類圖斑的空間特征進(jìn)行精度評(píng)價(jià)與分析的理論基礎(chǔ)，采用遙感分類圖斑的景觀特征對(duì)分類精度進(jìn)行描述與表達(dá)，從而為與土地覆蓋專題圖相關(guān)的應(yīng)用及研究提供依據(jù)與指導(dǎo)。


圖1為不同尺度的分類圖斑；
圖2為研究區(qū)概況圖3為本發(fā)明分析方法實(shí)驗(yàn)設(shè)計(jì)及流程圖4為圖斑分類精度評(píng)價(jià)方法圖fe為大興區(qū)圖斑精度與圖斑破碎度、圖斑面積關(guān)系散點(diǎn)圖
圖5b為通州區(qū)圖斑精度與圖斑破碎度、圖斑面積關(guān)系散點(diǎn)圖
圖6a為大興區(qū)分類精度與圖斑面積模型回歸擬合圖6b為大興區(qū)分類精度與破碎度模型回歸擬合圖6c為通州區(qū)分類精度與圖斑面積模型回歸擬合圖6d為通州區(qū)分類精度與破碎度模型回歸擬合圖7a為大興區(qū)分類精度與圖斑面積模型回歸擬合圖7b為大興區(qū)分類精度與破碎度模型回歸擬合圖7c為通州區(qū)分類精度與圖斑面積模型回歸擬合圖7d為通州區(qū)分類精度與破碎度模型回歸擬合圖。
具體實(shí)施方式下面結(jié)合

及具體實(shí)施方式
對(duì)本發(fā)明進(jìn)一步說明。首先，對(duì)遙感分類中誤差分布與景觀指數(shù)定義進(jìn)行簡(jiǎn)單說明。遙感分類精度與遙感分類誤差產(chǎn)生的因素有很多，主要包含的誤差類型有混合像元造成的誤差、分類類型錯(cuò)誤誤差、以及系統(tǒng)誤差(操作誤差)等，模型公式表示如下
「00341 L=F (FF Fρ ) (1)
Lvwrj、accuracy 1 unction ^-^mixed-pixel ‘ j^system' j^misclassification' ^others^^其中ξ accuracy表示遙感分類精度；Emixed_pixel表示混合像元造成的誤差；Esystem表示系統(tǒng)誤差 ；EmiscIassification 表不分炎炎型“]^差 ；Eothers表不其它誤差。本發(fā)明主要研究混合像元所造成的誤差。由于傳感器分辨率的限制及地物光譜重疊等因素產(chǎn)生的混合像元主要存在于不同類別地物的交界處，傳統(tǒng)混淆矩陣進(jìn)行精度評(píng)價(jià)是以像元為單元對(duì)分類專題圖隨機(jī)布點(diǎn)評(píng)價(jià)，計(jì)算出分類專題圖的平均精度?；邳c(diǎn)的隨機(jī)抽樣評(píng)價(jià)方法具有非位置(隨機(jī)分布)的特性，但事實(shí)上遙感專題圖分類誤差并不是隨機(jī)分布的。Smithand St印hen等人探討了像元位置差異的誤差分布(Smith et al., 2002 ；Smithet al. ,2003 ；Herrmann et al. ,2005 ；Stehman and Wickham, 2006 ；Stehman, 2009a)，證實(shí)了遙感分類誤差的空間分布差異性。傳統(tǒng)基于像元的精度評(píng)價(jià)，其變量是二元響應(yīng)變量，即對(duì)(1)與錯(cuò)(0)。本發(fā)明基于影像分類圖斑的空間特征進(jìn)行精度評(píng)價(jià)，不僅包含位置的對(duì)錯(cuò)，同時(shí)包含圖斑正確的比率。圖1討論了從1個(gè)像元(per-pixel)到6個(gè)像元(multi-pixel)的圖斑情況，分類圖斑以八鄰域規(guī)則組成，其中每一個(gè)圖斑下面的數(shù)字標(biāo)明該圖斑像元集合中像元公共邊的數(shù)目。在同一像元個(gè)數(shù)圖斑的前提下，像元公共邊數(shù)目逐級(jí)減少，隨著公共邊的減少，圖斑上獨(dú)立像元(與周邊無公共邊的像元，與其他像元呈 8鄰域)逐漸增多。根據(jù)遙感分類的特性，像元越集聚，呈規(guī)則圖斑，則遙感的分類精度越高。隨著圖斑上獨(dú)立像元的逐漸增多，則圖斑上呈不規(guī)則狀，從而導(dǎo)致圖斑上混合像元的數(shù)量增加，導(dǎo)致分類結(jié)果的精度降低。本發(fā)明僅考慮專題圖分類中混合像元對(duì)分類圖斑精度的影響，分類精度相關(guān)自變量如公式2所示y = f (Xl, x2, ...,Xi, ... xn) (2)其中Xi表示景觀指數(shù)變量，如圖斑面積、圖斑破碎度、空間異質(zhì)性、圖斑周長(zhǎng)等指標(biāo)；y表示分類圖斑精度。關(guān)于景觀指數(shù)與分類誤差之間無法預(yù)知是否符合線性、非線性關(guān)系，因此，需要對(duì)兩個(gè)變量分別進(jìn)行線性回歸與曲線估計(jì)，達(dá)到確定自變量因子與因變量分類圖斑精度的最優(yōu)回歸模型。破碎度最早被用于生態(tài)學(xué)景觀指數(shù)的研究，用來確定群落的形狀與正方形或者圓形的接近程度或完整程度(Jaeger，2000 Jurita-Milla et al.，2011)。本發(fā)明借鑒此思想，表達(dá)分類圖斑的形狀特征混合像元主要集中在不同地物交界處即圖斑的邊緣區(qū)域， 與分類圖斑周長(zhǎng)呈顯著的正相關(guān)；同時(shí)，圖斑大小與分類精度呈顯著的正相關(guān)(Smith et al.，2002 ；Smith et al.，2003 ；Herrmann et al.，2005)。因此，綜合二者的特征，引入景觀破碎度指標(biāo)(根據(jù)遙感分類的特點(diǎn)，孤立像元受周邊像元光譜信息的影響，分類誤差最大， 則孤立像元破碎度最大，反之破碎度降低)，定義如下
權(quán)利要求
1.一種分析景觀特征對(duì)遙感分類圖斑精度影響的方法，其特征在于包括以下步驟步驟一、獲取數(shù)據(jù)，包括對(duì)原始影像進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理，同時(shí)對(duì)高分?jǐn)?shù)據(jù)進(jìn)行目視解譯，獲取真值參考數(shù)據(jù)；步驟二、對(duì)步驟一獲得的數(shù)據(jù)進(jìn)行遙感識(shí)別，包括分類和分類后處理，其中在分類過程中包括有分類圖斑的確定；步驟三、對(duì)步驟二進(jìn)行預(yù)處理得到的分類結(jié)果數(shù)據(jù)與真值數(shù)據(jù)進(jìn)行相關(guān)度計(jì)算、建立回歸模型完成回歸曲線擬合，其中包括景觀特征的景觀指數(shù)定義；步驟四、對(duì)步驟三建立的模型進(jìn)行檢驗(yàn)，同時(shí)對(duì)景觀指數(shù)表達(dá)的分類誤差進(jìn)行評(píng)價(jià)。
2.根據(jù)權(quán)利要求1所述的分析景觀特征對(duì)遙感分類圖斑精度影響的方法，其特征在于所述步驟一中的數(shù)據(jù)包括兩種，一種是20m分辨率spot數(shù)據(jù)，另一種是2. 4m分辨率 Quick Bird數(shù)據(jù)，對(duì)于第一種數(shù)據(jù)采用數(shù)據(jù)標(biāo)準(zhǔn)化處理，對(duì)于第二種數(shù)據(jù)進(jìn)行目視解譯，獲取準(zhǔn)確的土地覆蓋數(shù)據(jù)。
3.根據(jù)權(quán)利要求1所述的分析景觀特征對(duì)遙感分類圖斑精度影響的方法，其特征在于所述步驟二的預(yù)處理包括對(duì)標(biāo)準(zhǔn)化處理后的數(shù)據(jù)進(jìn)行SVM監(jiān)督分類，得到分類結(jié)果， 接著進(jìn)行分類后處理及二值化，得到分類專題圖，再接著進(jìn)行圖斑的矢量化，得到矢量化圖斑。
4.根據(jù)權(quán)利要求2所述的分析景觀特征對(duì)遙感分類圖斑精度影響的方法，其特征在于對(duì)所述2. !分辨率Quick Bird數(shù)據(jù)進(jìn)行目視解譯后得到參考真值，為后續(xù)的步驟三的曲線擬合過程提供數(shù)據(jù)。
5.根據(jù)權(quán)利要求3所述的分析景觀特征對(duì)遙感分類圖斑精度影響的方法，其特征在于對(duì)矢量化圖斑進(jìn)行景觀指數(shù)計(jì)算，其中景觀指數(shù)包括圖斑面積、圖斑破碎度、空間異質(zhì)性和圖斑周長(zhǎng)，進(jìn)而分析計(jì)算圖斑精度與景觀指數(shù)之間的關(guān)系。
6.根據(jù)權(quán)利要求4所述的分析景觀特征對(duì)遙感分類圖斑精度影響的方法，其特征在于對(duì)目視解譯所得的參考真值進(jìn)行圖斑精度的計(jì)算，進(jìn)而分析計(jì)算精度與景觀指數(shù)。
7.根據(jù)權(quán)利要求5或6所述的分析景觀特征對(duì)遙感分類圖斑精度影響的方法，其特征在于對(duì)計(jì)算得到的精度與景觀指數(shù)進(jìn)行相關(guān)性分析，建立回歸曲線模型，對(duì)擬合結(jié)果進(jìn)行顯著性檢驗(yàn)，如通過檢驗(yàn)則建立回歸模型，如檢驗(yàn)不通過，則重新通過其他回歸模型進(jìn)行擬合，直到可以通過顯著性檢驗(yàn)，確定適宜的回歸模型。
8.根據(jù)權(quán)利要求7所述的分析景觀特征對(duì)遙感分類圖斑精度影響的方法，其特征在于所述步驟四具體為對(duì)通過顯著性檢驗(yàn)的結(jié)果進(jìn)行回歸模型建立，并建立最佳曲線回歸模型，進(jìn)一步對(duì)模型進(jìn)行檢驗(yàn)，從而得到基于景觀指數(shù)的精度誤差評(píng)價(jià)結(jié)果。
全文摘要
本發(fā)明提供一種分析景觀特征對(duì)遙感分類圖斑精度影響的方法，包括步驟一、獲取數(shù)據(jù)，包括對(duì)原始影像進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理；步驟二、對(duì)步驟一獲得的數(shù)據(jù)進(jìn)行圖像識(shí)別，包括分類和分類后處理，其中分類過程中包括有分類圖斑的確定；步驟三、對(duì)步驟二進(jìn)行識(shí)別得到的數(shù)據(jù)進(jìn)行分類圖斑與真值數(shù)據(jù)圖斑之間的相關(guān)性計(jì)算，進(jìn)行回歸曲線擬合建立回歸模型，其中包括表達(dá)景觀特征的景觀指數(shù)定義；步驟四、對(duì)步驟三建立的回歸模型進(jìn)行統(tǒng)計(jì)檢驗(yàn)，同時(shí)對(duì)景觀指數(shù)表達(dá)的分類誤差進(jìn)行評(píng)價(jià)。本發(fā)明采用遙感分類的空間特征進(jìn)行精度評(píng)價(jià)與分析的理論基礎(chǔ)，采用遙感分類圖斑的景觀特征對(duì)分類精度進(jìn)行的描述與表達(dá)，為與土地覆蓋專題圖相關(guān)的應(yīng)用及研究提供依據(jù)與指導(dǎo)。
文檔編號(hào)G06K9/62GK102298705SQ201110230310
公開日2011年12月28日 申請(qǐng)日期2011年8月12日 優(yōu)先權(quán)日2011年8月12日
發(fā)明者喻秋艷, 張錦水, 朱爽, 潘耀忠, 金陸 申請(qǐng)人:北京師范大學(xué)