遥感图像融合技术在土地利用分类中的应用研究

工程地球物理学报

CHINESEJOURNALOFENGINEERINGGEOPHYSICS

Vol15,No11Feb1,2008

文章编号:1672—7940(2008)01—0115—04

遥感图像融合技术在土地利用

分类中的应用研究

王冬梅,陈性义,潘洁晨,张玉方,荣瑞霞

(中国地质大学工程学院,武汉430074)

摘　要:为了给土地利用提供快速而科学的数据源,针对不同分辨率的遥感图像信息特点与处理要求,根据

不同遥感平台的卫星遥感图像,本文基于ERDASIMAGINE8.7对遥感图像进行融合处理,然后分别又将融合前的多光谱TM图像、高分辨率SPOT全色图像和融合后的遥感图像在AutoCAD环境下进行分类计算量取,最后对比分析得出比较精确的土地利用状况,以此可以为今后土地利用与开发提供有价值的资料。

关键词:数据预处理;几何校正;图像融合;土地利用中图分类号:P284文献标识码:A

收稿日期:2007-10-15

StudyonRemoteSensingImageFusionTechnology

intheLandUtilizationClassification

WangDongmei,ChenXingyi,PanJiechen,ZhangYufang,RongRuixia

(FacultyofEngineering,ChinaUniversityofGeosciences,Wuhan430074,China)

Abstract:Inordertoprovideahigh-speedandscientificdatasourceforlandutilization,basedonERDASIMAGINE8.7,RSimageisfusedandthenmulti-spectraTMimage,highresolutionSPOTcolorimageandRSimagefusedareclassifiedintheenvironmentofAutoCAD,respectively.Finally,thelandutilizationconditionisanalyzedsoastoprovidevaluableinformationforthefuturelandutilizationdevelopment.

Keywords:datapre-processing;geometriccorrect;imagefusion;landutilization

1　引　言

土地利用调查工作是一项涉及面广、内容众多、工作量和难度都极大的工作,对地广人少、自然条件恶劣、经济落后、基础设施差的地方来说形势更加严峻。要对土地利用进行评价,就必须对土地资源的类型、数量、分布和利用现状进行详细调查。很显然,仅靠常规的野外调查方法,不仅费

时、费力,而且耗资大、效率低。针对此项艰巨任务,为提供快速而科学的数据源,采用遥感技术监测土地利用,可以比较准确地分析出土地利用情况,为土地的利用和开发提供了及时、准确的信息,但是,当前常用的TM图像的分辨率不够高,一定程度上限制了其土地利用调查的精度和实用性。

然而,遥感图像融合是一种通过高级图像处理技术来复合多源遥感图像的技术,可以将单一

作者简介:王冬梅(1982-),女,河南驻马店人,中国地质大学(武汉)工程学院硕士研究生,研究方向:数字图像处理与3S集成。E-mail:wwddmm1014@sohu.com

陈性义(1964-),男,教授,中国地质大学(武汉)工程学院从事数字摄影测量教学与科研工作。

116　　　　　　　工程地球物理学报(ChineseJournalofEngineeringGeophysics)　　　　　　　第5卷　

传感器的多波段信息或不同类型传感器所提供的信息加以综合,消除多传感器信息之间可能存在

的沉余和矛盾,加以互补,降低其不确定性,减少模糊度,以增强影像中信息透明度,改善解译精度、可靠性以及使用效率,以形成对目标完整一致的信息描述。

等,主要是根据工作区域的地理特征和专题信息提取的客观需要,对数据输入模块中获得的.img图像文件进行范围调整、误差校正、坐标转换等处理,以便进一步开展图像解译、专题分类等分析研究。

本文进行预处理的主要工作是遥感图像的配准与几何校正,以此来将卫星图像归化到统一的大地坐标系下,实现不同传感器、不同时相图像的配准融合和消除由于遥感平台位置、运动状态变化、地形起伏、地球表面曲率、大气折射、地球自转及影像的平移、缩放、旋转、偏扭等因素的综合作用下遥感图像发生几何畸变。

2　数据源及数据预处理

土地是人类活动的载体,土地的利用状况主要表现在土地的耕地、林地、居民地、水系、道路等的利用。根据现有的资料和所研究的目的,选用不同遥感平台的美国陆地卫星(LandSat)多光谱TM图像和高分辨率的法国SPOT全色图像,这

两幅图像都是反映美国亚特兰大城市土地利用状况,此次试验就以这两幅图像为主要数据源。

对遥感图像预处理运用美国的ERDAS公司开发的遥感图像处理ERDASIMAGINE8.7。ERADSIMAGINE8.7数据模块由一组实用的图像数据处理工具构成,包括生成单值图(CreateNewImage)、三维地形表面(CreateSurface)、图像分幅裁剪(SubsetImage)、几何校正(ImageGeometricCorrection)、图像拼接处理(MosaicImages)、非监督分类(Unsuper-visedClassifi2cation)以及图像投影变换(ReprojectImages)

3　遥感图像的融合不同类型遥感信息融合是现代遥感技术研究的前沿之一。它可以充分发挥不同遥感信息各自的特点,起到取长补短的作用。SPOT图像的空间分辨率较高,达到10m,区分城市、居民地、道路等细微地物的效果较好,但由于SPOT全色图像,缺乏近红外波段,从而对某些地物的区分能力不如TM图像,而TM图像的光谱分辨率高,不仅有人眼直接感受的可见光信息,还包含对植被、水体等异常敏感的近红外波段,信息量丰富,但其空间分辨率只有30m。因此基于ERDA

图1　TM图像与SPOT图像融合后的图像

Fig.1　ImagefusedbyTMimageandSPOTimage

　第1期　　　　　　　　　　　王冬梅等:遥感图像融合技术在土地利用分类中的应用研究117

SIMAGINE8.7对遥感图像进行融合处理,融合×(1023×1023)=1.046529×108m2

　多光谱图像中的土地利用面积

为了保证提取信息对比的准确性,现只以土地利用类型中的居民地、耕地、草地为例统计土地利用状况。先将TM图像的.img格式转化成.jpg格式插入到AutoCAD中如图2,然后把整个图像选中,放入新建图层1中,颜色设置为红色,用AutoCAD的面积查询功能查出该图在CAD中的面积为199189.6548m2,接着把居民地放入新建图层2中颜色设置为黄色,再在图上画出居民地的范围并把其放入新建图层3中,计算居民地在CAD中的面积为9255.783m2,与上相同的方法依次找出的耕地面积为59871.3362m2,草地面积为11348.1591m2。计算这三种土地利用类型的实际面积:

居民地面积=(9255.783÷199189.6548)×313290000=14557705.11m2=14.558km2

耕地面积=(59871.3362÷199189.6548)×313290000=94166997.7m2=94.167km2草地面积=(11348.1591÷199189.6548)×313290000=17848652.82m2=17.849km2

　高分辨率图像中的土地利用面积同样的方法查询出全图图层的面积为288868.5281m2。其中居民地面积为5318.624m2;

后的遥感图像应具有互补性,也就是对预处理后的不同空间分辨率遥感图像的融合处理,使融合后的遥感图像既具有较好的空间分辨率、又具有多光谱特征,从而达到图像增强的目的(图1)。

4　图像分析土地利用状况

从视觉方面看,融合后的图像显然比未融合的任何一张都好,无论是色彩还是分辨率方面都要好很多,然后分别将多光谱TM图像与高分辨率SPOT全色图像以及二者融合后的图像的.img格式转化成.jpg格式插入到AutoCAD中,

根据遥感影像的分辨率(TM图像分辨率为30m,高分辨率SPOT全色图像分辨率为10m,二者融合后的图像分辨率为10m)和遥感图像的栅格数不同(TM影像栅格数为590×590,高分辨率SPOT全色影像栅格数为1023×1023,二者融合后的影像栅格数为1023×1023),可得:

TM影像的实地面积=(30×30)×(590×590)=3.1329×108m2SPOT全色影像的实地面积=(10×10)×(1023×1023)=1.046529×108m2

二者融合后的影像的实地面积=(10×10)

图2　插入AutoCAD中的TM图像Fig.2　TMimageintheenvironmentofAutoCAD

118　　　　　　　工程地球物理学报(ChineseJournalofEngineeringGeophysics)　　　　　　　第5卷　

耕地面积为111312.591m2;草地面积为7934.1152

m2。计算这三种土地利用类型的实际面积:

居民地面积=(5318.624÷288868.5281)×104652900=1926860.739m2=1.927km2耕地面积=(111312.591÷288868.5281)×104652900=40326945.73m2=40.327km2

草地面积=(7934.1152÷288868.5281)×104652900=2874415.465m2=2.874km2

　融合后图像的土地利用面积

　　同样的方法查询出融合后全图图层的面积为72395.9276m2。其中居民地面积为1337.1207m2;耕地面积为13393.287m2;草地面积为1669.7614m2。计算这三种土地利用类型的实际面积:

居民地面积=(1337.1207÷72395.9276)×104652900=1932892.685m2=1.933km2耕地面积=(13393.287÷72395.9276)×104652900=19360844.89m2=19.361km2

草地面积=(1669.7614÷72395.9276)×104652900=2413745.892m2=2.414km2　分析土地分类利用状况通过实验体会到美国陆地卫星TM含有丰富的光谱信息,而其空间分辨率较低;法国SPOT卫星全色波段的空间分辨率为10m,与TM卫星相比较高,但由于其是全色的灰度图像,所以其光谱分辨率不及TM图像,但把二者的图像通过图像融合技术进行处理后,融合后的图像既能达到卫星全色波段的空间分辨率,又能达到TM卫星丰富的光谱信息。从三张图像中提取的土地利用状况信息如表1所示。

表1　土地利用分类状况信息

Table1　Informationaboutlandutilizationclassification

图像类型多光谱TM图像SPOT全色图像二者融合后的图像

居民地面积

/km214.5581.9271.933

了细微地物,因此与SPOT全色图像以及二者融合后的图像中统计的面积相差很大。

对于所统计出来的耕地面积三者数据相差很大,是因为多光谱TM图像的光谱信息丰富,从色彩上判断,颜色属于粉红至红的范围都被认为是耕地;而对于SPOT全色图像,由于其光谱信息差,仅凭耕地的纹理信息不能准确统计其面积,但通过融合后的图像就不同了,既能达到卫星全色波段的空间分辨率,又能达到TM图像丰富的光谱信息,所以能够准确统计出信息。

5　结　论

遥感图像融合是一门新兴的技术,具有十分广阔的应用前景。本文通过对多光谱TM图像和SPOT全色图像进行融合处理后,得出利用遥感图像融合研究土地类型的利用状况结论如下:

1)通过图像融合,可以使融合后的影像有效富集多光谱影像的光谱信息与高分辨率影像结构信息的目的。融合后的影像,既有丰富的色彩,又具有更清晰的纹理结构。影像融合时,要以高分辨率影像为基准,对多光谱影像实施高精度配准。

2)可以从视觉方面清晰直观地看出融合后图像在色彩和清晰度方面都有很大的提高。

3)可以把多光谱TM图像和SPOT全色图像以及二者融合后的图像,根据图像的空间分辨率以及栅格数分别统计出居民地、耕地、草地所代表土地利用类型的面积,然后将从三影像统计的面积进行比较,得出具有二者优点互补的融合遥感图像面积较为精确的结论。参考文献:

[1]党安荣,王晓栋.ERDASIMAGEINE遥感图像处理

[M].北京:清华大学出版社,2002.

[2]章孝灿,黄智才.遥感数字图像处理[M].杭州:浙江

耕地面积

/km294.16740.32719.361

草地面积

/km217.8492.8742.414

大学出版社,1996.

[3]孙家炳,舒宁.遥感原理方法和应用[M].北京:测

从表1可以明显看出SPOT全色图像和二者融合后的图像所统计的居民地和草地的面积都大致相当,而多光谱TM图像所得到的居民地和草地的面积要比后两者所得到的数据大。这是因为多光谱TM图像空间分辨率较低造成边界不清,以至于该面积中包含有其他信息,但融合后的图像却达到卫星全色波段的空间分辨率,分辨出

绘出版社,1999.

[4]贾永红.多源遥感影像数据融合方法及其应用的研

究[M].武汉:武汉大学出版,2001.

[5]李德仁,周月琴.摄影测量与遥感概论[M].北京:测

绘出版社,2001.

[6]康全玉,王庆林.AutoCAD专业绘图基础[M].徐

州:中国矿业大学出版社,2001.