基于新结构决策树的建设用地信息提取
- 格式：pdf
- 大小：245.61 KB
- 文档页数：4
图2 影像波谱响应曲线
将混合区域信息分解模型分解 出来的水体 信息、 植被信 息、 建筑物信息与初步分类结果中处于非 混合区域的 三类信 息分别进行合并， 从而将影像中的所有像 元都归并 到了这三 类中。
� � 2.2.2 基于纹理信息 的 C 分类 本文用建筑信息对原始影像做掩 膜， 再做 K - 变换， 选 � 取前三个分量结 合纹 理信息 作监 督分类 提取 建设用 地。对 植被信息做类似的处理得到植被和耕 地。
（ ） 分 类 后 处 理 前 分 类 正确 率 建设用地 建 设用 地 耕地 水体 植被 未 利用 地 总和 正确率 （% ） 148 14 3 13 1 179 82 .7 耕地 0 397 0 41 0 438 90 .6 水体 0 8 123 3 0 13 4 91 . 8 K 植被 1 20 0 218 1 240 90.8 系数 = 0 . 85 未利 用 地 0 2 0 0 7 9 77 .8
［4 ］
2
基于 决策 树分 类城 市土 地利 用分 类
［ 2 3］ 是对于复杂的 大面积 区域 效果 不好 。赵 萍等 （2003） 用 本次 研究数据为 2002 年 8 月 21 日 E M + 数 据， 南京市 �
区 D E M 数据， 行政区划图， 该市的统计年鉴。 “中国资源环境数据库” 土地利用遥感分类体系将土地
［8 ］ 体、 植被、 建筑在 像元中 丰度， 根据 混合 像元 的分 类准 则 ，
即将混合像元划分到组分丰度最大 的那一类中 ， 因此 可以建 立以下决策分离准则： （ ） （ ） � � � � � � � � � � � � � � � � � � � � � 结果为水体信息；
� � � � � � � � � � � � � � � （ ） （ ） 结果为植被信息； � � � � � � � � � � � � � � � � � � � � � （ ） （ ） 结果为建筑信息。 � � � � � �
� � � � 总 体 正 确 率 = 91 . 30% K 系数 = 0 . 87
本文采用随 机抽 样方 法抽 取 1000 个点 作正 确率 评 价。 通过对原图的目视判 读结 合实 地考察 对结 果进行 正确 率评 价。分类后处理前后正确率评定结果见表 3。 3.2 结果分析
由插页 3 图 2 和插页 3 图 3 可见， 位于主 城区和山 坡上 的耕地经过知识处理被重新分为植 被； 主 城区中的住 宅区中 的绿地和阴影被提取为建设用地； 耕地中 漏提的建设 用地也 通过知识处理被提取出来。
6］
［5 �
：
基于地物指数的遥感影像分类 （ � � � � � ）+ � � � � � 由图 2 可见， 典型光谱集中表 现为三大 类： 水 体、 植 被信 � � � 其中 ……， ， = 1， ……， ， � � � � = 1， 2， 3， 2， 3， � � 是 混合像 息 （耕 地和植被） 和建筑物信息 （建设用地 和未利用地） ， 反映 元的反射率， 表示第 个波段第 个端元 组分的 反射率， � � � � � 了地物在 影像上的一般规律。其中水体能够较好的与其 � �
47
遥感信息 2 .3
应 用技 术
2006 . 4
（ ） 分类后处理后分类正确率 基于知识的分类处理 � 建设用地 建 设 用地 耕地 水体 植被 未利用地 总和 正确率 （% ） 176 9 1 6 0 192 91 .7 耕地 0 392 0 34 0 426 92 .0 水体 1 7 122 4 0 13 4 91 . 0 植被 0 21 0 222 0 243 91.4 未 利用 地 0 1 0 1 4 5 80
表2 规则 1 2 3 4 5 分类对象
将河湖边的滩地 和山 上 的 裸 露的 岩石从建 设用地中 提出 （1 ） 高 程 高 于 70 或 低 于 10 ； � � 未利用地 归 并 为 未 利 用地 。 � � � � � � � （2 ） 缨帽变换湿度分量 > K4 （ 表 1） 将 位 于 主 城 区 内 和山 坡 上 草 地 误 分为耕地进行处理 植被 （1 ） 位 于 主 城 区 内 或 高 程 高 于 50 � 将 居 民 区 里 归 属 居民 地 的 绿 化 用 地 分 到 建 设 用 地 中 。 建设用地 （1 ） 位于主城区内； （ 2） 斑 块 面 积 小于 9 个 像 元 ； （3） 斑 块 形 状 指 数 大 于 0.15
［1 ］ 了研究。杨存建和周成虎 （2000） 用谱间 结构阈值 法从 M
学知识对初步分类结果进行知识处理， 取得 了 9 1 . 7% 的分类 正确率。
影像上半自动地提取居民地信息， 但居民地内部的绿地及 其 周边的混合像元不能提取 出来。 ， .等 （ 2003 ） 利用归 一
化建筑指数 （ DBI ） 从 M 图像成功提取 了城镇用 地信息， 但 决策树方法从 影 像上提取 居民地， 由 于江南地 区背 景
地物类型复杂提取正确率不是十分理想
。但是 ， 将地学 等
图1 收稿日期： 2005 - 10 - 31
土地利用分类流程图 （ 虚 线 框 内 为 知识 处 理 流 程 ）
作者简介： 陈亮 （� ） ， 男 ， 硕士 研 究 生 ， 从 事 地 理信 息 系 统 与 遥 感 面 的 研 究 。 ： 56 19 � � 8 3� � � � � � � � � � � � � � � � � � � � � 4. @ .
8% 。可见， 分类结果中的建设用 地的面积偏小。进一步分析 可知， 一方面遥感影像中存在混合 像元， 许多像元中带有植被 和阴影信息； 另一方面由于绿化带覆盖， 交通用地和水利设施 的提取面积减小， 如道路河 堤等带状建设用地 被细化 （插页 3 图 4） ， 以至于在分类时无法将其从影像中提取出来。 总之， 综合运用光谱 知识、 纹理 信息、 地学 知识等构建决 策树分类规则， 建立一 种新 结构 的决策 树分 类模型， 可 以有 效地减少了漏分和误分， 提高分类正 确率。本文采 用此方法 对建设用地信息提取， 获得较为满意的效果。 参考文献
1
相关知识应用于建设用地提取的研究还较少， 本文针 对这一
引
言
问题进行了研究。 本文以南京市域建筑用地信息为对象， 采用决策 树分类
遥感技术快速、 动态低成 本等特 点， 成为 研究城 市扩 展
结合 混合像元分解模型， 以光谱信息和纹理信息对建 设用地 变化信息提取的重要 手段。城 市扩展的 重要标 志是 建设 用 � 信息进行提取与分解。在此基础上， 综 合运用 G I 数 据和地 地的扩张。许多学者对 城市建设 用地信 息的提 取方 法进行
.
46
2006 .4
应用 技术
遥感信息
利用类型分为耕地、 林地、 草地、 水域、 建设用地、 未利用地六 类。本文根据研究目的和研究区的 特点， 将土地利用 类型分 为： 耕地、 植被 （林地和草地） 、 水体、 建设用地、 未利用地。 首先对影像进 行辐射 定标， 得 出影像 星上 反射 率； 其次 采用三次多项式和邻近点插值重采 样方法进行 几何校正； 最 后用行政区划图对影像进行裁剪。 采用决策 树结 合混 合 像元 分解 模 型的 方 法进 行 分 类。 在决策树各节点上， 综 合运 用光谱、 纹 理与 地学知 识进 行分 类处理。分类模型 总体 上分为 两个 层次， 上层 侧重 光谱、 纹 理信息的应用， 下层强调知识的应用。其流程图如图 1。 2.1
遥感信息
应 用技 术
2006. 4
基 于 新 结 构 决 策 树 的 建 设 用 地 信 息 提取
陈亮 � ， 张友静 � ， 马雪梅 �
（ � 水文水资源及水利工程国家重点实验室， 南京 21009 8； � 河 海大学土木学院，南京 21009 8） 摘要： 采用决策树和混合像元分解模型进行建设用地信息提取。决策树采 用双层结 构： 上 层强调光谱 知识和纹理 信息的 应用， 下层注重知识的应用。决策树的知识主要根据研究区的 � 土地利用 类型的 空间分 布特征 以及 K 变换 的绿度 湿度分 量， 并由此产生决策树分类规则。本文运用 M 影像在南京地区进行试验， 结果表明基于知识的决策树分类提 取的建设用 地分类 正确率提高了近 10 % ， 达到 9 1 . 7% 。 关键词： 建设用地； 决策树； 知识处理 中图分类号： 237. 9 文献标识码：A 文章 编号：1000 - 3177 （ 2006） 86- 0046- 03
［ 7］ 确定端元 。根据端 元的 反射 率值 选取 3 、 4、 5 波 段组 成线
并 利用 归一 化植 被指 数 < K 2；
D I > K 3 区 分上 述三 大 类。
由图 3 可见， 水体指数的类别区分度很高。
性方程组， 解方程组得到各组分的丰度。 、 、 分 别为水 � � � � � �
到植被信息和建 筑物 信息需 要进 行进一 步细 分。因此 本文 在地物指数初分类的基础上利用两种模 型进行进一步处理。
表1 K1 阈值 0. 055 各指数及知识处理阈值表 K2 0.2 K3 0.42 K4 - 0.0 7 K5 0. 01
2.2
基于模型的遥感影像分类
2.2.1 基于混合像元 分解模型的的混合区域分解 在影像初分类中， 原始影像中被重复 分类和漏分 的像元 组成的区域叫做混合区域。本文中， 混合 区域像元的 分类采 用光谱线性混合模型
图3 水体指数
根据图 1 流程， 采用上述方法 完成了模 型的第一 层次的 分类， 即将 影像初 步分成建 筑用地、 植 被、 耕 地、 水体和 未利 用地。
知识处理规则 分类结果 分类条件
在上述分类过程中， 水体、 植被 信息、 建筑信息的 提取过 程都是相互独立的， 存在重复分类和漏分现象， 同时 分类得
将混合区域信息分解模型分解 出来的水体 信息、 植被信 息、 建筑物信息与初步分类结果中处于非 混合区域的 三类信 息分别进行合并， 从而将影像中的所有像 元都归并 到了这三 类中。
� � 2.2.2 基于纹理信息 的 C 分类 本文用建筑信息对原始影像做掩 膜， 再做 K - 变换， 选 � 取前三个分量结 合纹 理信息 作监 督分类 提取 建设用 地。对 植被信息做类似的处理得到植被和耕 地。
（ ） 分 类 后 处 理 前 分 类 正确 率 建设用地 建 设用 地 耕地 水体 植被 未 利用 地 总和 正确率 （% ） 148 14 3 13 1 179 82 .7 耕地 0 397 0 41 0 438 90 .6 水体 0 8 123 3 0 13 4 91 . 8 K 植被 1 20 0 218 1 240 90.8 系数 = 0 . 85 未利 用 地 0 2 0 0 7 9 77 .8
［4 ］
2
基于 决策 树分 类城 市土 地利 用分 类
［ 2 3］ 是对于复杂的 大面积 区域 效果 不好 。赵 萍等 （2003） 用 本次 研究数据为 2002 年 8 月 21 日 E M + 数 据， 南京市 �
区 D E M 数据， 行政区划图， 该市的统计年鉴。 “中国资源环境数据库” 土地利用遥感分类体系将土地
［8 ］ 体、 植被、 建筑在 像元中 丰度， 根据 混合 像元 的分 类准 则 ，
即将混合像元划分到组分丰度最大 的那一类中 ， 因此 可以建 立以下决策分离准则： （ ） （ ） � � � � � � � � � � � � � � � � � � � � � 结果为水体信息；
� � � � � � � � � � � � � � � （ ） （ ） 结果为植被信息； � � � � � � � � � � � � � � � � � � � � � （ ） （ ） 结果为建筑信息。 � � � � � �
� � � � 总 体 正 确 率 = 91 . 30% K 系数 = 0 . 87
本文采用随 机抽 样方 法抽 取 1000 个点 作正 确率 评 价。 通过对原图的目视判 读结 合实 地考察 对结 果进行 正确 率评 价。分类后处理前后正确率评定结果见表 3。 3.2 结果分析
由插页 3 图 2 和插页 3 图 3 可见， 位于主 城区和山 坡上 的耕地经过知识处理被重新分为植 被； 主 城区中的住 宅区中 的绿地和阴影被提取为建设用地； 耕地中 漏提的建设 用地也 通过知识处理被提取出来。
6］
［5 �
：
基于地物指数的遥感影像分类 （ � � � � � ）+ � � � � � 由图 2 可见， 典型光谱集中表 现为三大 类： 水 体、 植 被信 � � � 其中 ……， ， = 1， ……， ， � � � � = 1， 2， 3， 2， 3， � � 是 混合像 息 （耕 地和植被） 和建筑物信息 （建设用地 和未利用地） ， 反映 元的反射率， 表示第 个波段第 个端元 组分的 反射率， � � � � � 了地物在 影像上的一般规律。其中水体能够较好的与其 � �
47
遥感信息 2 .3
应 用技 术
2006 . 4
（ ） 分类后处理后分类正确率 基于知识的分类处理 � 建设用地 建 设 用地 耕地 水体 植被 未利用地 总和 正确率 （% ） 176 9 1 6 0 192 91 .7 耕地 0 392 0 34 0 426 92 .0 水体 1 7 122 4 0 13 4 91 . 0 植被 0 21 0 222 0 243 91.4 未 利用 地 0 1 0 1 4 5 80
表2 规则 1 2 3 4 5 分类对象
将河湖边的滩地 和山 上 的 裸 露的 岩石从建 设用地中 提出 （1 ） 高 程 高 于 70 或 低 于 10 ； � � 未利用地 归 并 为 未 利 用地 。 � � � � � � � （2 ） 缨帽变换湿度分量 > K4 （ 表 1） 将 位 于 主 城 区 内 和山 坡 上 草 地 误 分为耕地进行处理 植被 （1 ） 位 于 主 城 区 内 或 高 程 高 于 50 � 将 居 民 区 里 归 属 居民 地 的 绿 化 用 地 分 到 建 设 用 地 中 。 建设用地 （1 ） 位于主城区内； （ 2） 斑 块 面 积 小于 9 个 像 元 ； （3） 斑 块 形 状 指 数 大 于 0.15
［1 ］ 了研究。杨存建和周成虎 （2000） 用谱间 结构阈值 法从 M
学知识对初步分类结果进行知识处理， 取得 了 9 1 . 7% 的分类 正确率。
影像上半自动地提取居民地信息， 但居民地内部的绿地及 其 周边的混合像元不能提取 出来。 ， .等 （ 2003 ） 利用归 一
化建筑指数 （ DBI ） 从 M 图像成功提取 了城镇用 地信息， 但 决策树方法从 影 像上提取 居民地， 由 于江南地 区背 景
地物类型复杂提取正确率不是十分理想
。但是 ， 将地学 等
图1 收稿日期： 2005 - 10 - 31
土地利用分类流程图 （ 虚 线 框 内 为 知识 处 理 流 程 ）
作者简介： 陈亮 （� ） ， 男 ， 硕士 研 究 生 ， 从 事 地 理信 息 系 统 与 遥 感 面 的 研 究 。 ： 56 19 � � 8 3� � � � � � � � � � � � � � � � � � � � � 4. @ .
8% 。可见， 分类结果中的建设用 地的面积偏小。进一步分析 可知， 一方面遥感影像中存在混合 像元， 许多像元中带有植被 和阴影信息； 另一方面由于绿化带覆盖， 交通用地和水利设施 的提取面积减小， 如道路河 堤等带状建设用地 被细化 （插页 3 图 4） ， 以至于在分类时无法将其从影像中提取出来。 总之， 综合运用光谱 知识、 纹理 信息、 地学 知识等构建决 策树分类规则， 建立一 种新 结构 的决策 树分 类模型， 可 以有 效地减少了漏分和误分， 提高分类正 确率。本文采 用此方法 对建设用地信息提取， 获得较为满意的效果。 参考文献
1
相关知识应用于建设用地提取的研究还较少， 本文针 对这一
引
言
问题进行了研究。 本文以南京市域建筑用地信息为对象， 采用决策 树分类
遥感技术快速、 动态低成 本等特 点， 成为 研究城 市扩 展
结合 混合像元分解模型， 以光谱信息和纹理信息对建 设用地 变化信息提取的重要 手段。城 市扩展的 重要标 志是 建设 用 � 信息进行提取与分解。在此基础上， 综 合运用 G I 数 据和地 地的扩张。许多学者对 城市建设 用地信 息的提 取方 法进行
.
46
2006 .4
应用 技术
遥感信息
利用类型分为耕地、 林地、 草地、 水域、 建设用地、 未利用地六 类。本文根据研究目的和研究区的 特点， 将土地利用 类型分 为： 耕地、 植被 （林地和草地） 、 水体、 建设用地、 未利用地。 首先对影像进 行辐射 定标， 得 出影像 星上 反射 率； 其次 采用三次多项式和邻近点插值重采 样方法进行 几何校正； 最 后用行政区划图对影像进行裁剪。 采用决策 树结 合混 合 像元 分解 模 型的 方 法进 行 分 类。 在决策树各节点上， 综 合运 用光谱、 纹 理与 地学知 识进 行分 类处理。分类模型 总体 上分为 两个 层次， 上层 侧重 光谱、 纹 理信息的应用， 下层强调知识的应用。其流程图如图 1。 2.1
遥感信息
应 用技 术
2006. 4
基 于 新 结 构 决 策 树 的 建 设 用 地 信 息 提取
陈亮 � ， 张友静 � ， 马雪梅 �
（ � 水文水资源及水利工程国家重点实验室， 南京 21009 8； � 河 海大学土木学院，南京 21009 8） 摘要： 采用决策树和混合像元分解模型进行建设用地信息提取。决策树采 用双层结 构： 上 层强调光谱 知识和纹理 信息的 应用， 下层注重知识的应用。决策树的知识主要根据研究区的 � 土地利用 类型的 空间分 布特征 以及 K 变换 的绿度 湿度分 量， 并由此产生决策树分类规则。本文运用 M 影像在南京地区进行试验， 结果表明基于知识的决策树分类提 取的建设用 地分类 正确率提高了近 10 % ， 达到 9 1 . 7% 。 关键词： 建设用地； 决策树； 知识处理 中图分类号： 237. 9 文献标识码：A 文章 编号：1000 - 3177 （ 2006） 86- 0046- 03
［ 7］ 确定端元 。根据端 元的 反射 率值 选取 3 、 4、 5 波 段组 成线
并 利用 归一 化植 被指 数 < K 2；
D I > K 3 区 分上 述三 大 类。
由图 3 可见， 水体指数的类别区分度很高。
性方程组， 解方程组得到各组分的丰度。 、 、 分 别为水 � � � � � �
到植被信息和建 筑物 信息需 要进 行进一 步细 分。因此 本文 在地物指数初分类的基础上利用两种模 型进行进一步处理。
表1 K1 阈值 0. 055 各指数及知识处理阈值表 K2 0.2 K3 0.42 K4 - 0.0 7 K5 0. 01
2.2
基于模型的遥感影像分类
2.2.1 基于混合像元 分解模型的的混合区域分解 在影像初分类中， 原始影像中被重复 分类和漏分 的像元 组成的区域叫做混合区域。本文中， 混合 区域像元的 分类采 用光谱线性混合模型
图3 水体指数
根据图 1 流程， 采用上述方法 完成了模 型的第一 层次的 分类， 即将 影像初 步分成建 筑用地、 植 被、 耕 地、 水体和 未利 用地。
知识处理规则 分类结果 分类条件
在上述分类过程中， 水体、 植被 信息、 建筑信息的 提取过 程都是相互独立的， 存在重复分类和漏分现象， 同时 分类得
