基于QuickBird遥感图像黑石顶森林景观格局分析.pdf(5)

具体计算原理和步骤如下： 传感器接收到的辐亮度L为：L-p‰cos口峨]堡峨(4) E。大气层外太阳辐照度，口太阳天项角，丁’入射方向大气透过率，E。地面天空 光入射辐照度，T垂向上大气透过率，R。地面反射率，L，上行路径散射辐亮度小等删㈤a口。 ∞大气散射系数，P徊)散射相函数，p为散射相函数，垂直观测下9 设大气主要为瑞利散射，且忽略大气吸收的影响：日 =甜一2(6)以∞ = 等～中山大学2006届硕=L学位论文：基于Quicknird遥感图像的黑石顶森林景观格局分析叫啦删+纠孚+等荆(7)‘ 行星反射率：。p)～(8)R=南中c。硭2]堡cos0尚4目co妒【J 上行路径散射反照率为㈨·署Pp)专∞一络 且有大气光学厚度：t-∞。T目e～．T’=e-'／。089(9)R一詈Pp) 胁。口几∞s8(10)致-卜小别南卜小钟卜小钟 在转化为反射率的图像上，植被阴影区的反射率R。为：”罢焉+矶㈨， 进行第一轮计算： 第1项相对P。很小，先忽略之，有：J0一见 植被阴影区的反射率屁。可从图像中读取，然后依次计算出∞，T 进行第二轮计算： 将计算出的∞，r代入R。一詈曩≥+矶可求精度较高的以 重复计算n，，T，然后可求较高精度的R。

3．3．3几何纠正卫星影像成像时，受到地面高差、地形起伏，让影像产生几何变形和高差位 移。所以，需要根据地面控制点的选定和高程数据，校正因为地形，卫星位置、 的平面精度为23m(90％的置信度)，但是卫星成像时具有一定的侧视角度 (off-nadirviewingangle)或者地区地形起伏，那平面精度将远远低于23m。在 外业调查的时候发现，图像平面精度低于30m，并在不同的地区有不同的误差。中山大学2006届硕上学位论文：珂}究方法 地形造成的图像扭曲。但是，由于正射纠正之后的投影重采样，破坏了OuickBird 图像的原始几何信息，不可能对Standard级别的图像再做正射纠正；所以虽然拥 有精度更高的10m间距等高线，但也没有办法通过正刳纠正获得更好的平面精 度。虽然不能通过正射纠正消除地形的影响，但是可以通过地面控制点作几何纠 正，提高图像的平面精度。分别在Pan、Mul图像上找出线性特征明显的地物， 包括农田、房屋、道路的交叉口、水库，使用RTK测定坐标，利用多项式变化(1 次多项式)对图像作几何纠正。纠正后图像的平面精度见表3．4。 表3．4几何纠正斤平面精度 table3-4Location afterGeoreferenceAccuracy ICP数目 ICPRMSXICPRMSYMaxErrorXMaxErrorY49．1313．611．49．6 3．4森林景观分类应用面向对象的分类方法，使用eCognition进行图像分割、结合实地样本数 据和地物光谱性质进行分类。

3．4．1图像分割 始，合并相邻的、DN值相似的象元，直至产生的图像对象的整体异质性达到预 先定义的阈值为止。用于判断合并是否继续进行的闽值在eCognifion中被称为尺 观生态学的尺度的概念(Baatzelal．，2004)，较小的尺度参数会分割出较小的图 像对象，而逐步增大尺度参数会通过合并相邻的图像对象产生更大的新一个等级 的图像对象。尺度参数的具体作用如下：f=W。hc。胁+(1-w)。k卿 (12) 尺度参数的平方小于r值，图像对象的合并就停止。在方程(12)中，w为光谱(或者是色彩)的权重，(1一W)为形状的权重。 光谱权重和色彩权重之和为1。hc。，为光谱异质性，hs。。为形状异质性。中山大学2006届硕士学位论文：基于QuickBird遥感图像的黑石顶森林景观格局分析 ‰2‰。‰r+(1一‰J．‰m …、方程(13)中，k为参与图像分割的图层权重，c为图层数目。n～为合 并后的图像对象的面积(由图像对象的象元数目计算)，口，…为新图像对象在图 层c的光谱，颜色均值。nObj，，n。：分别为参与合并的、相连的两个图像对象。 D∥1，D∥2分别为这两个图像对象在图层C上的光谱／颜色均值。

图像对象的图 层上的光谱／颜色均值都对象自身面积为权重。方程(14)中，¨o，，为紧密形状权重，(1一¨‰Ⅳ)为平滑形状权重。紧密形 状权重和平滑形状权重之和为1。^～，为紧密形状异质性，‰。为平滑形状异㈨， k=‰‘罢一(蛳iObjl+Ⅵi20bj2) ‰。‰。惫一卜缶‰‘惫】㈨，在方程(15)中，b为包含图像对象的最小正方形的周长(正方形的边平行 与图像边界)。f为图像对象的边长。进行图像分割，需要设定尺度参数、图层权重、光谱权重，形状权重、紧密 形状权重和平滑形状权重。L￡一LCfiteriaL畔譬"硝Compactnessf{白耐Shape(1·呐Smoothness(1一“Ⅻ) 图3-2图像分割所需的参数Parameterused Fi93—2bysegmentation形状权重的作用在于控制分割出的图像对象的形状，当形状权重趋向0的时 候，产生的图像对象形状极为不规则：而增大形状权重则产生更具有规则形状的中山大学2006届硕士学位论文：研究方法 图像对象。当形状权重为0的时候，局部同质性的象元聚合为一个图像对象，对 象内部具有较好的光谱同质性，但是形状变得极度不规则，见图3．2中红色边框 的图像对象。

当增大紧密形状权重的时候，能分割出更多的形状紧密的图像对象， 而增大平滑形状权重，则能在图像中提取出更多形状平滑的对象。 图3-3仅使用光谱异质性分割QuickBird的结果ofwithexclusiveofQuickBird Fi93-3Segmentation imageoptimizationspectralhomogeneity要产生效果比较好的分割结果，要根据影像本身的图像特性、成像时的光照 条件，图像各波段对目标地物的贡献，影像中地物种类组合，感兴趣地物的光谱 特征、形状等因素合理设置分割所需要的参数。其中，最为重要的参数是尺度参 数。尺度参数最为直观的作用决定分割出的图像对象大小，通过殴置一个梯度的 尺度参数，分割出一个图像对象等级结构。本实验的图像分割分为三个步骤： 1．使用MS图像分割出非植被类型，包括水体、道路、裸地等，制作出植被的 掩膜。黑石顶自然保护区位于林场之内，人工地物类型并不多，最为明显的是道路、 裸地，居民房屋数目很少。由于这些地物具有较好的光谱一致性，光谱特征明显， 所以在分割的时候把形状权重设为O，仅是根据光潜异质性作图像分割，分割后 进行简单的分类，分割的尺度参数为2。

以及 类别判别部，其采用与所述第i特征量空间中的所述块图像的特征量的大小对应的坐标位置以及所述分离平面，判别所述块图像是否被分类为所述类别， 所述特征量计算部采用根据该块图像的图像信息算出的局部特征量以及根据所述对象图像整体的图像信息算出的整体特征量，作为所述块图像的特征量，并且， 在以所述块图像的多个特征为坐标轴的第2特征量空间中，采用组合所述块图像的多个所述局部特征量而成的特征量矢量的坐标位置和所述第2特征量空间的一个或多个任意区域，按照每个区域对具有属于所述区域的所述特征量矢量的所述块图像进行计数，将按照每个区域计得的所述块图像的数量包含在所述整体特征量中。以及 类别判别步骤，采用与所述第i特征量空间中的所述块图像的特征量的大小对应的坐标位置以及所述分离平面，判别所述块图像是否被分类为所述类别， 在所述特征量计算步骤中， 采用根据该块图像的图像信息算出的局部特征量以及根据所述对象图像整体的图像信息算出的整体特征量，作为所述块图像的特征量，并且 在以所述块图像的多个特征为坐标轴的第2特征量空间中，采用组合所述块图像的多个所述局部特征量而成的特征量矢量的坐标位置和所述第2特征量空间的一个或多个任意区域，按照每个区域对具有属于所述区域的所述特征量矢量的所述块图像进行计数，将按照每个区域计得的所述块图像的数量包含在所述整体特征量中。以及类别判别部，其采用与所述第i特征量空间中的所述块图像的特征量的大小对应的坐标位置以及所述分离平面，判别所述块图像是否被分类为所述类别，所述特征量计算部采用根据该块图像的图像信息算出的局部特征量以及根据所述对象图像整体的图像信息算出的整体特征量，作为所述块图像的特征量，并且，在以所述块图像的多个特征为坐标轴的第2特征量空间中，采用组合所述块图像的多个所述局部特征量而成的特征量矢量的坐标位置和所述第2特征量空间的一个或多个任意区域，按照每个区域对具有属于所述区域的所述特征量矢量的所述块图像进行计数，将按照每个区域计得的所述块图像的数量包含在所述整体特征量中。