第3期
贾科利等 : 利用主成分分析法提取水体信息
245
类的精度 ,因此 ,该方法具有可行性和有效性 . 由于研究区是在陕北农牧交错带 ,该区干旱少雨 ,水土流失严重 ,河流 、 湖泊中水量较小且泥沙含量 较高 ,提取过程中采用了主成分分析法 . 对于地区水体水量较大 , 泥沙含量较小的区域 , 水体信息的提 取 ,该方法的应用还有待进一步研究 . 参考文献 :
n
(4 )
jk
k =1
∑(x
- xi )
2
k =1
∑(x
- xj )
2
其中 rij 为第 i 波段与第 j 波段的相关系数 ,i ,j = 1 ,2 , ∗ ,m 为波段数 . λ 解特征方程 | R - λ I | = 0 可求得特征矩阵的各个特征值 λ 2 , ∗ ,m ) , 且有λ i (i = 1 , 1 ≥ 2 ≥λ 3 λ ≥∗≥ 其对应的单位特征向量为 : m ≥0 , μ μ2 j μ 1j j = 主成分变换的数学表达式为 : T Y = μ ・X 式中 Y 为变换后的主分量像元矢量 , μ j 为单位特征向量 , X 为原始数据矩阵 . 原始波段经主成分变换后 ,得到一组 m 个新的变量 ,依次称为第一主成分 ,第二主成分 , ∗ ,第 m 主 成分 . 经过主成分变换 ,输出图像 Y 的各分量 Yi 之间具有最小的相关性 ; 而且变换后的新波段各主分量 ∗ μ mj
第 5 卷第 3 期 2006 年 8 月
淮阴师范学院学报 ( 自然科学版)
JOURNAL OF HUAIYIN TEACHERS COLLEGE (NATURAL SCIENCE EDITION)
Vol15 No13 Aug. 2006
利用主成分分析法提取水体信息
贾科利 , 常庆瑞
x1 x2
n
∗ xm
ik
(2 )
1
n r11
k=1
∑x
, 为第 i 波段的均值 .
原始图像的相关系数矩阵为 :
r12 r22
∗ r1 n ∗ r2 n … … ∗ rmn
(3 )
R =
r21
…
rm1
…
rm2
n
式中 :
k =1 n
rij =
∑(x
ik
ቤተ መጻሕፍቲ ባይዱ
ik
- x i ) ( xjk - x j )
[1 ] Wilson P A. Rule2based classification of water in land2sat MSS images using the variance filter[J ] . Photo2gram metric Engineer2 ing and Remote Sensing ,1997 ,63 (5) :485 491. [2 ] Wharton S W. A spatial2knowledge based approach for urban land2cover discrimination [J ] . IEEE Transaction on Geo science and Remote Sensing ,1987 , 25 (3) :272 282. [3 ] Moller J , Ensen L. Knowledge2based classification of an urban area using texture and context information in landsat TM imagery [J ] . Photo2grammetric Engineering and Remote Sensing ,1990 ,56 (6) :899 904. [4 ] ThierryRanchin ,Bernard ,Nert ,et al. Anautomaticmethodforvinedetertioninairborneimagevyusing wavelet transformation and multi 2 reslutionanalysis [J ] . Photogrammetric Engineeving & Remote Sensing , 2001 , 67(1) : 91 98. [5 ] Dragicevic S , Marceau D J . A Fuzzy Set Approach for Modelling Time in GIS[J ] . International Journal of Geographical Informa2 tion Science , 2000 , 14 (3) : 225 246. [6 ] 张晓祥 ,姚静 ,李满春 . 模糊集方法在空间数据处理中的应用综述 [J ] . 遥感信息 ,2005 ,12 (2) :47 51. [7 ] 江涛 ,朱运海 ,董凤宝 . 小波变换在遥感影像道路特征提取中的应用 [J ] . 测绘工程 ,2004 ,13 (2) :34 36. [8 ] 姜青香 ,刘慧平 . 利用纹理分析方法提取 TM 图像信息 [J ] . 遥感学报 ,2004 ,8 (5) :458 464. [9 ] 朱小鸽 . 多重主成分分析及在地质构造信息提取中的应用 [J ] . 遥感学报 ,2000 ,4 (4) :299 305. [10 ] 杜云艳 ,周成虎 . 水体的遥感信息自动提取方法 [J ] . 遥感学报 ,1998 ,2 (4) :264 269. [11 ] 赵英时 . 遥感应用分析原理与方法 [M] . 北京 : 科学出版社 ,2003. [12 ] 常庆瑞 ,蒋平安 ,周勇 ,等 . 遥感技术导论 [M] . 北京 : 科学出版社 ,2004.
提取结果发现 ,河流较窄的部位没有提取出来 , 而且在地形变化复杂的地区特别是南部黄土丘陵 区 ,提取的水体信息并不是水体 ,可能是山体的背影 . 212 主成分分析法提取及精度 为了准确提取水体信息 ,提高提取的精度 ,首先对遥感影像采用主成分分析法增强水体特征 ,然后 用与原图像提取水体时同样的训练样区 ,再采用最大似然法提取水体信息 ,并经处理后得到的专题图如 图 2 ,精度检验结果见表 2. 分类总精度达 89196 % , K 系数为 018431. 在南部丘陵区水体与非水体混分的 程度减小 . 总的来看 ,应用主成分分析法后提取的水体结果明显优于最初的最大似然法提取的结果 .
1 2
(1. 淮阴师范学院 地理系 , 江苏 淮安 223300 ; 2. 西北农林科技大学 资源环境学院 , 陕西 杨凌 712100 )
摘 要 : 以陕北农牧交错带为试验区 ,采用主成分分析法对 TM 图像进行增强 ,然后应用最大 似然分类法提取水体信息 ,并将提取的结果与单纯依靠最大似然分类法得到的结果进行了对 比 . 试验结果表明 ,主成分分析法应用于水体信息提取中 ,可明显增强水体光谱特征 ,主成分分 析法与最大似然分类法结合得到的提取精度高于直接采用最大释然分类法提取的精度 . 关键词 : 主成分分析 ; 最大似然分类法 ; 水体信息 中图分类号 : X87 文献标识码 : A 文章编号 :167126876 ( 2006) 0320242204
113 主成分分析法提取水体信息
主成分分析 ( Principal components analysis , PCA) 在数学上又称 K 2L 变换 . 在遥感应用领域 ,是以图像 的统计特性为基础 ,除去波段之间的多余信息 ,将具有相关性的多波段数据压缩到比原波段更有效的少 数几个波段上 ,达到信息综合与增强的目的 . 应用主成分分析方法 ,把试验区多波段数据在尽可能地不 失去信息的同时 ,将相关的多波段信息通过数学转化成不相关的信息 ,增强地物光谱的差异性 ,从而快 速的提取出水体信息 . 多波段遥感图像的原始数据用矩阵表示为 :
T
(5 )
式中 I 为单位矩阵 μ , j 为单位特征向量 .
244
淮阴师范学院学报 ( 自然科学版)
第5卷
所包含的信息呈逐渐较少的趋势 ,第一主成分集中了最大的信息量 , 第二主成分 、 第三主成分的信息量 依次递减 ,到了第 n 主成分 ,所包含的信息几乎为零 ,多为噪声 . 因此 , 经主成分变换后的图像中包含了 比原始波段内容丰富的信息 ,起到特征增强作用 ; 同时 ,在多波段图像处理中 ,可以用少数几个正交的主 成分作为新的数据通道 ,来代替相关性较大的多个原始波段 ,从而起到降维和数据压缩的作用 . [11 ] 据已有的研究成果 ,对 TM 的主成分分析 ,取第一 、 第二 、 第三主分量就包含了 95 %以上的信息 , 而且数据量可减少到 43 % 将水体特征增强 .
[12 ]
,故原始图像在 Erdas815 软件中进行主成分分析 ,主成分数量选择 3 , 即可
2 试验过程与结果分析
211 单纯提取及精度
选取训练区 ,采用最大似然法对原图像进行分类 ,提取水体专题信息 ,并经过处理后得到的专题图 如图 1. 最大似然分类图的位置精度检验采用的主要参数 ,是通过对混淆矩阵建立的各种统计参数进行 的 . 经检验分类总精度为 82195 % , K 系数为 017074 ,具体检验结果见表 1.
0 引言
随着遥感技术的发展 ,遥感数据的分辨率 ( 包括空间分辨率 、 光谱分辨率和时间分辨率) 不断提高 , 遥感影像已经成为探测地物目标综合信息最直观 、 最丰富的载体 . 而要快速 、 高效的从遥感影像中自动 提取地形和专题信息还需依赖于遥感图像的计算机自动识别分类和特征提取 . 目前 ,由于目视判读能综 合利用地物的色调或色彩 、 形状 、 大小 、 阴影 、 纹理 、 图案 、 位置和布局等影像特征知识 ,能达到较高的信 息提取精度 ,仍然被广泛地应用 . 但该方法具有费工 、 费时的特点 ,在当今的信息社会里时效性差 . 因此 , 直接从遥感信息中自动提取地表信息 ,实现地物识别的自动化 ,是实现将遥感信息快速转换成资源信息 的关键 . 目前 ,遥感图像的自动识别提取主要采用决策理论 ( 或统计) 方法 ,按照决策理论方法 ,从被识别的 对象中 ,提取一组反映对象的光谱特征和纹理特征 ,以区分不同特征的对象 ,其方法有非监督分类和监 督分类等 . 同时 ,遥感信息自动提取在手段上不断向其他相邻学科渗透 ,如小波分析 、 分形分维技术 、 模 [1～7 ] [8 ] 糊数学分类方法 、 神经网络分类方法等 , 实现遥感信息自动提取 . 姜青香等 提出了利用纹理分析 方法提取 TM 图像信息的方法 ,达到了较高的分类精度 . 朱小鸽 提出了一种多重主成分分析方法提取 [10 ] 地质构造信息取得了较高的分类精度 . 杜云艳等 从遥感信息机理的角度出发 ,构造地物信息提取模 型 ,进行水体的自动提取 ,取得了较好的效果 . 本文采用主成分分析方法对高分辨率图像的信息进行分 析 ,然后应用最大似然分类法提取水体信息 ,并以陕北农牧交错带为实验区进行检验 ,结果提取的水体 信息的精度远高于单纯光谱的分类精度 .