第33卷，第4期 2013年4月
光谱学与光谱分析 Spectroscopy and Spectral Analysis
Vol. 33,No. 4,pp1038-1042
April，2013
自适应阐值的多光谱遥感影像软硬分类方法研究
胡潭高，徐俊锋”，张登荣，王洁，张煜洲
杭州师范大学理学院遥感与地球科学研究院，浙江省城市湿地与区域变化研究重点实验室，浙江杭州311121
摘要土地覆盖遥感分类根据图像中每个像元在不同波段具有不同光谱亮度、空间结构特征或者其他差异的特征，按照某种规则或算法提取土地覆盖分类信息。硬分类方法由于混合像元的存在，导致遥感分类和面积测量精度难以达到使用要求；软分类方法能够解决混合像元间题。针对硬分类与软分类各自存在的间题及优势，在分析硬分类模型和软分类模型的理论基础上，通过研究两种模型的优缺点取长补短，优化分类模型。在新的软硬分类方法支持下，设计典型应用案例，在精度评价过程采用改进型混滑矩阵评价方法，验证该方法在土地覆盖信息提取方面的精度。结果表明，软硬分类方法能够有效提高土地覆盖分类精度。
关键词
自适应阔值；多光谱遥感影像；软硬分类；土地覆盖/利用
中图分类号：TP75
引言
文献标识码：A
DOI: 10. 3964/j. issn. 10000593(2013)04-1038-05
来越多的应用（如：线性光谱混合模型等），这些方法允许每个像元有多个类别组成"，
土地盖与人类活动和自然环境中许多事物存在着千丝万缕的联系，准确、期实的土地覆盖信息对于研究全球变化、区域环境变化等具有重要作用1.2)。由于多光谱遥感影像数据能够在时间和空间尺度上获取丰富的信息，因此在土地覆盖/利用监测工作中，被研究人员所广泛采用3]。其中，退感分类是从通感数据中提取土地覆盖信息最主要的方法。近年来，联合国，世界粮农组织、美国地质测量局等单位利用遥感手段成功的进行了土地利用/覆盖应用[]，
土地覆盖通感分类是最为常用的土地覆盖类型信息获取手段，按照某种规则或算法将图像中每个像元划分为不同的类型。硬分类方法（hardclassificationmodel，HCM)和软分类方法（(softclassificationmodel，SCM)是多光谱遇感影像数据分类的常规方法[3.)，传统的硬分类方法主要由非监督分类（例如：K-means、ISODATA等）和监督分类（例如：最大似然法、光谐角距离法等），近年来，随着研究的不断深人，新的分类算法不断涌现，如：神经元网络、决策树和支持向量机等新算法，进一步提高了分类精度.8。但是，上述分类方法在解决混合像元问题上的效果有限，它们的潜在误差不可避免，为了解决混合像元的间题，软分类方法开始被越
针对土地覆盖分类中存在的问题，在已有较为成熟的软硬分类方法基础上，如何通过不同分类方法之间的组合，进一步提高多光谱巡感影像分类精度是目前土地覆盖分类过程中垂待解决的关键问题。
研究区概况与数据
选取江苏省兴化市和东台市作为研究区，大部分区域地势平坦，但是全区种植结构比较破碎，遥感影像上混合像元现象较为严重，典型的土地覆盖/利用类型同样可以概括为：建筑用地、耕地、林地、棵地和水体。
选取RapidEye数据进行土地覆盖/利用分类，卫星轨道类型为太阳同步轨道，高度630km，倾角98°，重返周期为1 天，扫描幅宽达77km，携带多光谱传感器（包含5个波段），空间分辨率为6.5m。
为了对分类结果进行精度评价，本研究设计了无人机航线，并获取有效影像33景（空间分辨率为0.2m）。根据无人机数据获取情况，在精度评价过程中，采用随机抽选部分区域进行评价。另外，也用野外实测数据对无人机数据进行了补充，以达到精度评价的要求，
收稿日期：2012-09-25，修订日期：2012-11-20
基金项目：国家自然科学基金项目(41201458；41101344)，国家高技术研究发展计划项目(2006AA120101)和杭州师范大学遥感与地球科学
研究院开放基金项目(PDKF2012YG05)资助
作者简介：胡潭高，1983年生，杭州师范大学遇感与地球科学研究院讲师
*通讯联系人
万方数据
e-mail, junfeng_xu@163. com
e-mail;hutangao163.com