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

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％、0.8303,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.